最新

大家好， 我是SalaryScript的创始人，想和大家分享一个我花了超过一年的时间开发的项目：一个专门为大型科技公司职位量身定制的全面谈判手册。 我自己多次经历了FAANG公司的招聘过程，曾在这些公司工作过，因此我深知这些谈判是多么不透明且充满风险。我编写SalaryScript是基于我的个人经验、来自十多位FAANG校友同事的见解，以及多年来与招聘人员合作的教训。我们汇集了来自工程师、产品经理和高管的观点，他们共同谈判的总薪酬达到了数百万。 可以把它看作是科技谈判的“黄金法则”书籍。它涵盖了从解读聘用信和利用竞争性报价，到为常见招聘人员策略准备回应脚本、处理股权悬崖和应对搬迁套餐的所有内容。没有废话——只有经过实战检验的脚本、模板和策略，帮助人们平均提高30%到50%的总薪酬。 一位贡献者，前Meta的工程经理，分享了他如何通过重新框定RSU归属的讨论，将30万美元的报价提升到55万美元。另一位，前Apple的产品负责人，分析了为什么“总薪酬”的框架往往比单纯关注基本工资更有效的心理因素。 自去年以19美元的入门价格推出以来，我们的下载和销售量已超过1000次。需求一直很强劲，随着口碑的传播，我们逐渐提高了价格。 如果你正在准备面试或正面对一个报价，这可能是你所需要的优势。 如果你感兴趣，可以访问salaryscript.com查看。 期待听到你的想法、经历，或者像你在科技行业中最大的谈判成功（或失败）是什么样的问题。 谢谢！

每个AI代理都有健忘症。Claude不记得你上次的对话。GPT不知道你上周做出的决定。目前的解决方案——向量数据库、Markdown文件、键值存储——都失去了结构，无法追踪推理链，并且将你锁定在一个提供者上。 我构建了AgenticMemory：一种二进制图形格式，其中每个认知事件（事实、决策、推理、修正）都是一个节点，具有类型化的边（caused_by、supports、supersedes）。一个.amem文件包含你代理的整个知识图谱。可以与任何大型语言模型（LLM）配合使用。 关键数据： • 添加一个节点耗时276纳秒 • 在一个包含10万个节点的图中，遍历5层深度耗时3.4毫秒 • 在10万个节点中进行相似性搜索耗时9毫秒 • 每年每日使用约占24MB • 一生的记忆容量不足1GB 使用Rust构建。零依赖。Python SDK：pip install agentic-brain。Rust命令行工具：cargo install agentic-memory。 https://github.com/agentic-revolution/agentic-memory

嘿，HN， 我们一直遇到同样的问题：当一个人工智能系统做出重要决策时，没有中立的方式来验证它实际上看到了什么和做了什么。日志可以被编辑，截图可能不真实。“相信我们”在受监管的行业或诉讼中无法成立。 因此，我们构建了SENTINEL。三个产品，一个协议： *SENTINEL Score*——不可破解的安全层。输入文本，输出浮动值（0.0-1.0）。没有其他信息通过网络传输。没有令牌，没有文本，没有个人健康信息（PHI）。无法被破解，因为没有可以破解的内容。HIPAA环境、军事、信用局——他们需要的是一个数字，而不是聊天机器人。 *SENTINEL Proof*——人工智能争议的中立平台。每次评估都经过零知识证明（ZK-proof）、时间戳，并在Base主网提交。记录不由供应商或客户控制。当案件进入法庭时，交易哈希就是证据。人工智能公司可以自己构建这个——但他们不会。“你们在存储我们的对话？”这是一个公关灾难。中立的第三方解决了这个问题。 *AEGIS*——闭环的人工智能安全。72B参数模型。发现漏洞，编写补丁。不是报告。扫描、识别、修补、验证。 目前在Base主网上有8个合约上线。免费API密钥可在sentinel.biotwin.io获取——无需信用卡，无需销售电话。 我们在Bio-Twin（AI药物安全预筛查）中使用SENTINEL Proof，使人工智能决策对制药实验室和律师具有可辩护性。上周迪士尼270万美元加州总检察长和解的案例就是这件事重要性的具体例证。 欢迎讨论链上架构、规模化的zkML证明生成或欧盟人工智能法案合规性。