返回首页
最新
我花了20年时间构建后端系统，过去12年专注于云基础设施。现在，我开始朝另一个方向发展。
我的论点不是“本地人工智能更好”，而是构建可信替代品的窗口正在关闭。苹果、谷歌、亚马逊都在关注本地推理的可行性。他们的回应将是“本地”人工智能，它会与云端连接——在设备上处理的同时，强制要求云端功能，隐私营销也会伴随遥测要求。
一旦这些默认设置推出，替代品的存在就无关紧要了。大多数人在便利的选择已经存在时，从不会去寻找其他选项。搜索、社交、移动、云服务——这一模式不断重复。
我一直在问的问题是：如果本地优先的替代品无法赢得市场份额，构建它们是否还有意义？我目前的答案是肯定的——一个可信的退出选项的存在会改变平台的行为，即使大多数用户从未使用过。
但我也意识到这可能只是一种自我安慰。自托管的群体在每一场重大斗争中都失败了。电子邮件、消息传递、社交——私人选项每次都只停留在小众。也许人工智能是不同的，因为这些模型终于能够在小规模下运行。也许并非如此。
我正在这个领域构建一些东西。想知道其他人是否也看到同样的机会，还是我只是在将个人偏好合理化为市场需求。
Go 1.26 通过 GOEXPERIMENT=simd 添加了原生 SIMD。这一库提供了一个可移植性层，使得相同的代码可以在 AVX2、AVX-512 上运行，或回退到标量模式。<p>灵感来源于谷歌的 Highway C++ 库。<p>包括向量化数学运算（如 exp、log、sin、tanh、sigmoid、erf），因为这些在机器学习/科学代码中经常使用，而标准库中没有 SIMD 版本。<p>函数：algo.SigmoidTransform(input, output)<p>需要 go1.26rc1。欢迎反馈。
大家好！我是 Akshay，我正在推出 Seer——又一个具有细粒度 OAuth 范围的 AI 工作流构建器。
<p>GitHub: <a href="https://github.com/seer-engg/seer" rel="nofollow">https://github.com/seer-engg/seer</a>
演示视频: <a href="https://youtu.be/cmQvmla8sl0" rel="nofollow">https://youtu.be/cmQvmla8sl0</a>
<p>问题：
在过去的一年里，我们一直在构建 AI 工作流，并不断遇到同样的问题：现有平台（如 n8n、Langflow、Flowise）即使在只读操作中也需要完全访问您的 Google 服务。想要总结电子邮件？您也在授予发送权限。想要读取文档？您也在授予编辑权限。
如果您想要细粒度的权限，您需要自己：
<p>- 创建自己的 Google OAuth 应用（审批时间为 1-2 周）
- 修改源代码以支持只读权限
<p>我们在 Discord 频道和 GitHub 问题中看到这种模式的反复出现——开发者在请求更好的权限支持，而维护者则表示“您可以自己配置。”
<p>我们的解决方案：Seer 默认提供常见操作的只读身份验证范围。它是自托管的，因此您的数据永远不会离开您的基础设施。演示展示了一个简单的电子邮件总结工作流（Gmail + LLM API），但这一原则适用于任何集成。
<p>为什么这很重要：最小权限的安全性不仅是最佳实践——在您将 AI 代理接入生产数据时，这一点至关重要。一个被攻破的工作流不应该意味着您的整个 Google Workspace 都处于风险之中。
<p>向 HN 提问：
1. 您目前在 AI 自动化工作流中如何处理 OAuth 范围？
2. 您是否会觉得有一个审计您现有工作流的范围验证器有价值？
3. 您希望看到哪些其他具有细粒度权限的集成？
<p>唯一一个支持细粒度范围的类似平台是 Make.com，但它是闭源的。我们认为这应该是标准，而不是例外。
<p>期待您的反馈！