最新

Streakout是一款简约的iOS健身追踪器，旨在扩展Apple Health和Fitness的功能。它能够读取您现有的锻炼数据，并将其转化为美观的图块、图表和时间线，帮助您回答一个对健康至关重要的问题：“我这一周、这一月、这一年动了多少次？”<p>因为真正重要的是参与。<p>无需注册，无杂乱，无订阅，无数据共享，也没有噪音——只有最相关的统计数据和洞察，整齐地包装在两个简单的界面中：概览和日历动态。<p>非常期待您的反馈。<p>让我们一起动起来！

展示HN：tropes.fyi – 揭露和羞辱AI写作 今天，我在这个美丽的星期五，带着一个经过深思熟虑的解决方案，来解决困扰我们世界的一个普遍问题。 原创声音的丧失。平淡无奇的覆盖层正在慢慢窒息数百年的写作。 直白地说：AI写作是垃圾。 期待我去阅读一些你连写（或甚至读）都懒得去做的东西，是对我的不尊重。 在互联网中，经过多年的SEO优化、宣传机器人、广告、地区防火墙、政治和审查，仍然顽强存在的人类联系，现在正被进一步稀释。 我在HN上热切点击的许多帖子（尤其是按新排序）现在令人失望地、愤怒地、完全是AI生成的。 这其中包括每天上首页的几个帖子。真是无耻。 不幸的是，许多受过教育的读者对这些套路和迹象视而不见，或者过于急于讨论话题而未能察觉。 为了应对这一点（也是因为我心胸狭窄），我（讽刺的是，Claude也参与了）建立了一个目录和几个工具，以揭露和羞辱这些模式。既是为了教育那些不懂AI的人，也是为了提高意识。并不是为了骚扰。 tropes.fyi是一个记录AI生成写作中反复出现的习惯、结构和用词的目录。每个套路都有名称、描述、现实世界的例子以及它所属的类别（用词、句子结构、语气、格式、构成）。 目前有32个套路。一些亮点包括： - 负面平行结构：“这不是X——而是Y。”这是AI写作中最常见的迹象。每篇文章一个没问题，但如果在一篇博客中出现十个，那就是侮辱。我见过一篇博客中出现十个。 - 三重重复滥用：强迫性的三元素法则。“产品让人印象深刻；平台赋予人们力量。产品解决问题；平台创造世界。” - 破折号成瘾：一种美丽的标点符号。曾经是杰出作家的标志，但现在过多使用则是一个红旗。我仍然会用它们，你不会打击我的精神。 - “深入探讨”和朋友们：也许是最臭名昭著的。“深入探讨”从不常见变成了在惊人比例的AI文本中出现。还包括：“利用”、“强大”、“驾驭”。 - “这里是关键”： “但事情是这样的：”——AI最喜欢制造启示的方式。还包括：“这里是关键所在：”、“这里变得有趣的地方。” 完整目录： [https://tropes.fyi/directory](https://tropes.fyi/directory) ai;dr 粘贴任何文章的链接。它将使用我们的套路检测规则剥离AI的虚假内容，然后将骨架输入一个轻量级的语言模型，反向推导出他们可能输入的提示 :D。 3000字的废话 → 30字的提示 + 任何幸存的独特见解（如果有的话）。 试试： [https://tropes.fyi/aidr](https://tropes.fyi/aidr) AI审查器 粘贴一个URL，获取评判。AI审查器获取文章内容，针对所有32个套路进行基于规则的模式匹配，并返回一个评分，评分范围为： 人类 → AI辅助 → 可疑 → 几乎无法辨认 → 纯AI废话 试试： [https://tropes.fyi/vetter](https://tropes.fyi/vetter) tropes.md - 一个单一文件，你可以将其放入任何AI助手的系统提示中，以避免这些模式。抱歉帮他们变得隐形，我只是不想再看到它。 考虑中： - 去除废话：粘贴文本，获取每个像AI的短语和结构的差异式分解，以及建议的重写！用于主动清理。 - 收集更多来自现实的套路（欢迎贡献）。 - 按模型逐一分析常见套路，或许可以成为这类事情的基准，以便你能立即找出罪魁祸首。 “你是个伪君子，我敢肯定你用AI写代码！”——AI生成的代码没问题，这是一个计算机（LLM）与另一个（编译器）之间的对话。你觉得AI为什么能这么擅长写代码？它们在说同一种语言！但散文呢？那是人与人之间的交流，是神圣的，旨在传达给他人。用AI来写散文是欺骗。

今天，我们将Mnexium.com背后的核心记忆引擎开源：CORE-MNX GitHub（[https://github.com/mnexium/core-mnx](https://github.com/mnexium/core-mnx)） NPM（[https://www.npmjs.com/package/@mnexium/core](https://www.npmjs.com/package/@mnexium/core)） 对我们来说，这是一个产品决策和哲学决策。记忆基础设施正成为严肃AI产品的基础，我们认为核心层应该是透明的、可检查的，并且可以由构建在其上的团队进行扩展。我们也希望获得反馈——我们希望在今天可用的工具下构建出最佳的记忆系统。我们还希望让大型语言模型（LLMs）的表现比现有的开箱即用（OOTB）更好。 CORE-MNX是支持持久记忆工作流的后端层： - 记忆存储和检索 - 声明提取和真相状态解析 - 记忆生命周期管理，以及实时系统的事件流处理 它基于Postgres，优先考虑API，并且旨在与真实的生产环境堆栈集成。 我们尽力使这个系统尽可能独立。最终，这相当困难，因为我们需要LLMs（Cerebras用于快速令牌输出，ChatGPT用于智能等）、数据库用于存储等。我们故意使项目采用API接口，以便您的项目可以与代码无关。 开源CORE让开发者能够： - 了解记忆行为是如何工作的 - 自托管或扩展引擎以用于他们自己的产品 - 避免从头开始重新发明相同的记忆基础设施 关于Mnexium.com的未来方向 Mnexium的长期方向仍然不变：通过持久记忆和可靠的回忆，使AI系统随着时间的推移变得更加有用。我们刚刚意识到，托管记忆并不是我们曾经认为的护城河——我们相信真正的护城河是让LLM系统尽可能易于使用。我们围绕记忆构建的功能集正是我们的差异所在。 开源CORE是我们向所有在这个领域构建的人提供基础的方式。欢迎大家提出改进意见，以及如何解决这个问题的建议。 我们非常希望获得反馈、意见和您可能发现的bug。我们发布的版本虽然不完美，但无疑是一个良好的开端，我们期待进一步改进。