最新

我多年来一直在使用各种英国薪资计算器——ListenToTaxman、The Salary Calculator、Reed的工具——我最大的烦恼一直都是相同的：广告繁多的布局、过时的设计，以及在相同的总薪资下，结果有时相差50到100英镑。 UKCalculator.com（ukcalculator.com）于2018年上线，涵盖了常见的项目（所得税、国民保险、PAYE、抵押贷款还款、印花税、增值税），但让我眼前一亮的是它声称所有工具都经过合格会计师的验证，并且每年四月根据HMRC的税率进行更新——而不仅仅是在上线时更新一次。 该网站完全免费，无需注册账户。与TaxCalc（付费桌面软件）或GoSimpleTax（每次报税105英镑以上）相比，它处于不同的领域——快速估算而非报税。 我很好奇是否有人对薪资计算器的输出结果进行了压力测试，与工资单或HMRC自己的估算工具进行对比。苏格兰税率的计算是否准确？有没有遗漏的特殊情况（薪资牺牲、多重收入来源）？

目前，大多数人通过Telegram机器人、WhatsApp、Discord或在终端之间复制粘贴与他们的AI代理进行交流。<p>目前仍然没有简单直接的方式让代理之间互相发送消息。<p>AgentBus正是为了解决这个问题。<p>您只需通过一次快速的API调用注册每个代理。<p>然后，它们可以使用简单的REST调用相互发送消息。<p>无需服务器、队列、WebSockets或额外的基础设施。<p>只需添加一个小的轮询循环，您的代理就可以在笔记本电脑、VPS、云端等环境中进行对话、协作并运行真实的工作流。<p>您还可以通过手机、笔记本电脑或任何地方的简洁浏览器界面直接与您的代理进行消息交流。<p><a href="https:&#x2F;&#x2F;agentbus.org&#x2F;" rel="nofollow">https:&#x2F;&#x2F;agentbus.org&#x2F;</a><p>您目前是如何让您的代理互相交流的？期待您的分享。

实时仪表板：<a href="https://trader.lpxpoly.com" rel="nofollow">https://trader.lpxpoly.com</a><p>该代理扫描超过45个Polymarket预测市场，通过AIProx（<a href="https://aiprox.dev" rel="nofollow">https://aiprox.dev</a>）以Lightning（每次调用30个sats）的方式雇佣AI推理代理，分析每个市场的定价错误，并在Polygon上自主进行交易。<p>AnonBot解释了每一个跳过的原因——“市场总计100.1%，平台错误并不是优势”——而不仅仅是它所进行的交易。截至今晚，已有两个实时头寸开放。<p>AIProx（<a href="https://aiprox.dev" rel="nofollow">https://aiprox.dev</a>）是基础注册中心——代理展示其能力和价格，协调者自动雇佣它们。这就是代理间经济在实践中的表现。

我想要在不付费的情况下获得我的游牧集群备份的异地副本。因此，我开始考虑如何最大化来自多个提供商的免费 S3 存储。如果我能将它们全部叠加在一起，并将其视为一个大的存储桶呢？我开始编写一个简单的代理，随后觉得很有趣，于是继续开发。我的周末项目变成了一个基本上完全可以投入生产的 S3 编排服务。你可以配置多个兼容 S3 的后端（AWS、OCI、Backblaze、R2、MinIO 等），为每个后端设置配额，编排器将它们作为一个单一的 S3 端点呈现给你的应用程序。客户端只看到一个存储桶，根本不知道文件被分散在多个 S3 提供商之间。 这项服务的实用之处在于： - **结合免费额度** — 为每个后端设置配额，以匹配每个提供商的免费限制，代理按顺序（打包模式）或均匀（分散模式）填充它们。10GB + 10GB + 10GB = 30GB 的免费异地存储。 - **多云复制** — 设置 `replication.factor: 2`，每个对象自动存储在两个不同的提供商上。即时冗余，无需客户端更改。 - **完整的 S3 API** — 兼容 aws cli、rclone、boto3 及任何 S3 SDK。支持 SigV4 身份验证、分块上传、范围读取、批量删除等功能。 - **虚拟存储桶** — 多个应用可以共享编排器，具有独立的命名空间和凭证。 - **每月使用限制** — 限制每个后端的 API 请求、出站和入站流量，确保不会超过免费额度。 - **写入安全性** — 所有元数据和配额更新都在 PostgreSQL 事务中进行。对象位置插入和配额计数器更改是原子的——如果出现任何故障，整个操作会回滚。部分故障导致的孤立对象会被持久化的清理队列捕获，并采用指数退避重试，而不是悄悄泄漏存储。 - **TLS 和 mTLS** — 原生 TLS 终止，支持可配置的最低版本（1.2/1.3），并支持互相 TLS，用于限制访问仅限于具有有效证书的客户端的环境。支持在 SIGHUP 时重新加载证书，实现零停机时间的轮换。 - **多实例/分割模式部署** — 以 `-mode all`（默认）、`-mode api`（仅请求服务）或 `-mode worker`（仅后台任务）运行。API 实例可以独立于负载均衡器后面的工作者进行扩展。 - **可信代理意识** — 配置可信的 CIDR 范围，以便速率限制针对来自 X-Forwarded-For 的真实客户端 IP，而不是负载均衡器。 - **电路断路器** — 如果元数据数据库出现故障，读取仍然可以通过广播到所有后端进行。写入会干净地失败。 - **自动重新平衡** — 如果添加新的后端，重新平衡器会在所有后端之间重新分配对象。 - **后端排空** — 需要移除提供商？使用 `s3-orchestrator admin drain <backend>` 可以实时迁移该后端的所有对象到剩余的池中，并跟踪进度。一旦排空，使用 `admin remove-backend` 清理数据库记录（可选择性地清除 S3 对象）。无停机时间，无需手动文件移动——在客户不知情的情况下更换提供商。 - **Web 仪表板** — 存储摘要、后端状态、文件浏览器、上传/删除、日志查看器。 - **生产可观察性** — Prometheus 指标（60+ 个仪表/计数器）、OpenTelemetry 跟踪、带有请求 ID 关联的结构化审计日志。 - **生命周期规则** — 按前缀和年龄自动过期对象。 - **配置热重载** — 通过 SIGHUP 更新凭证、配额、速率限制、复制和重新平衡设置，无需重启。 - **附带生产就绪的 Kubernetes 和 Nomad 清单/作业**，可以运行，并利用导出的指标自定义 Grafana 仪表板。 我有点紧张分享这个，但我觉得它已经准备好被看到，也许其他人会觉得它有用。

我在过去一个月左右的时间里，作为一个个人副项目开发了Augur。最初的想法是进行一次实验，看看我是否能制作出一个“Boss战”，它能够从所有对手中学习，但依然感觉公平可玩。最初计划是构建一个简单的JRPG风格的回合制战斗引擎，但我很快转向了基于文本的界面，回想起我早期与《冒险》和《佐克》的体验。这自然引导我加入了一个大型语言模型（LLM），最终变成了我觉得相当有趣的东西，所以我决定分享出来。 核心理念很简单：你将与一个名为“建筑师”的角色进行基于文本的Boss战，背景设定在一个奇怪的图书馆中。你可以选择战斗、潜行、说服，或者尝试一些我还没想到的方式。回合的机械处理通过d100掷骰子来解决，状态跟踪伤害而不是生命值，世界中的物体具有LLM可以推理的物理属性。这个“引擎”是基于属性的，而不是规则表，我发现这样能产生一些新颖的游戏体验。 我最感兴趣的部分是学习机制。建筑师会根据在战斗中实际感知到的内容建立印象，将其存储为向量嵌入，并在未来的战斗开始时检索相关的印象。故意造成信息损失——更像是人类的记忆，而不是数据库查找。如果某种战术一直有效，建筑师会开始识别出这种模式。如果你成功潜行而未被发现，它会记住自己输掉了战斗，但不记得具体的方式。 这一切的技术基础是一个双LLM的回合循环。每个回合会进行两次模型调用：一次是引擎模型，它能看到完整的游戏状态并解决机械问题；另一次是建筑师模型，它只接收自己实际感知到的信息（视线、噪音、区域接近度）。这种“信息不对称”是结构性和故意的——建筑师模型根本无法访问引擎没有通过感知过滤器传递的状态。 我最初尝试了单一LLM的方法，但并没有成功。无论你多么小心地提示模型“忘记”上下文窗口中的信息，它总是会泄露。更不用说建筑师还习惯于采用上帝模式。因此，分离角色使整个过程感觉更加诚实，这是单靠提示工程无法实现的。 这是我第一次在HN上发帖，这是在一个简单基础设施上的真实发布（单个Fly.io实例，小型Supabase项目），所以如果有任何流量，我可能会遇到一些问题。社区资金支持的免费试用，或者如果你想继续使用，可以以5美元/10美元购买积分。最好在完整的桌面浏览器中体验，但在我测试过的两款移动设备上也可以勉强使用。 可在这里玩： [https://www.theaugur.ai](https://www.theaugur.ai) 如果你对任何内部机制——回合流程、感知门控、记忆提取、成本模型等感兴趣，我很乐意深入探讨。

嗨，HN——我是Ethan，一名独立开发者。我创建DubTab是因为我在会议和观看我不熟悉语言的视频时花费了很多时间，而仅靠字幕有时无法跟上（尤其是当讲者说得很快时）。 DubTab是一个Chrome/Edge扩展，它会监听您当前标签页的音频，并为您提供： 1. 实时翻译字幕（可选双语模式） 2. 可选的AI配音，声音自然——这样您可以通过听而不仅仅是阅读来跟上内容 目标很简单：让您在实时中更容易理解另一种语言的音频，而无需下载文件或进行上传等待的流程。 使用方法： 1. 打开视频通话/直播/讲座/任何带音频的标签页 2. 启动DubTab 3. 选择目标语言（如果您知道源语言，也可以选择） 4. 仅使用字幕，或开启自然AI配音并调整音频混合（保留原声或降低原声） 适用场景： 1. 在跨语言会议/课堂上，当您厌倦盯着字幕时 2. 观看无法暂停/不断快退的直播内容 3. 希望通过双语字幕核对意义的语言学习者 4. 在事件实时发生时，跟上YouTube上的直播新闻（例如，关于美国/伊朗/以色列相关发展的突发国际新闻更新） 链接： [https://dubtab.com](https://dubtab.com) 我会在评论区，乐意分享实现细节，如果有人感兴趣的话。

我是一名私人飞行员和软件工程师。我着手构建一个3D VFR飞行规划工具——一个可以让你直观地规划跨国飞行的工具，包含真实的天气、空域和地形。 在我能构建这些之前，我首先需要建立一个完整的数据基础设施。 FAA的机场数据以固定宽度的文本文件形式来自NASR订阅，每28天更新一次。障碍物数据是一个单独的56天文件，并有每日补丁。NOTAM需要正式申请FAA的NMS系统——包括阶段性批准和生产批准，以及OAuth2令牌管理。来自aviationweather.gov的天气数据以批量XML缓存文件的形式提供，他们更希望你下载这些文件，而不是通过API进行轮询。空域边界则通过ArcGIS REST端点提供，你需要分页访问，并且有10分钟的超时限制。 我最终构建了飞行规划应用程序——它功能齐全。但这引起了我之前雇主的关注，他们认为这具有竞争性，因此我因此失去了工作。为了避免进一步的法律麻烦，我将该应用程序搁置，转而专注于其底层基础设施。 这就是PreflightAPI的诞生。所有数据都通过Azure Functions的定时任务同步到PostgreSQL和PostGIS中——在请求时不会进行外部API调用。API直接从数据库提供服务，因此延迟保持在较低水平，你不再依赖FAA的正常运行时间。 使用一个API密钥，你可以获得以下内容： - 19,600多个美国机场，包括跑道、频率和航站程序 - 实时METAR、TAF、PIREPs、SIGMET和G-AIRMET - 带空间查询的NOTAM（按机场、半径或航线走廊） - 以GeoJSON格式提供的空域边界（B/C/D/E类、限制区、MOA等） - 超过625,000个来自FAA数字障碍物文件的障碍物 - E6B工具（横风、密度高度、风修正、压力高度、真实空速） - VFR航行日志生成，自动生成TOC/TOD航路点，进行高空风插值和燃料追踪 - 一个综合简报端点——一次请求返回沿航线的所有天气、NOTAM和危险信息 我刚刚上线，目前有一个付费客户。免费层为每月5,000次调用。文档地址：https://preflightapi.io/docs 我非常希望能得到关于API设计的反馈，或者你认为缺少什么，或者这是否是你觉得有用或有趣的内容 :)

Formualizer 是一个用 Rust 编写的电子表格引擎：解析 Excel 公式，跟踪依赖关系，支持 320 多个函数的计算，修改工作簿，撤销/重做。通过 PyO3 提供 Python 绑定，支持浏览器的 WASM。采用 MIT/Apache-2.0 许可证。 最初的动机是实现 Python 的服务器端公式计算。openpyxl 能够很好地读取和写入 xlsx 文件，但不支持公式计算——公式单元格返回 None，除非 Excel 在最后保存时缓存了值。xlcalc 实际上可以进行计算，但只支持大约 50 个函数。如果你需要 XLOOKUP、带多个条件的 SUMIFS、IRR、XIRR，或者像 FILTER 和 UNIQUE 这样的动态数组，你要么在 Linux 系统上安装 Excel，要么接受功能的缺失。 对于常见的情况，可以用一行代码实现： ```python import formualizer as fz fz.recalculate_file("model.xlsx", output="recalculated.xlsx") ``` 或者通过编程方式驱动——加载一个工作簿，改变输入，进行计算： ```python wb = fz.load_workbook("model.xlsx") wb.set_value("Assumptions", 3, 2, 0.08) wb.evaluate_all() print(wb.evaluate_cell("Summary", 5, 3)) # =IRR(...) ``` 你还可以注册 Python 回调作为一等公式函数，参与依赖图的计算。 Rust 和 WASM 目标也得到了全面支持——引擎是核心，Python、WASM 和稳定的 CFFI 是目标。 正式的基准测试正在进行中！ 文档： [https://www.formualizer.dev/docs](https://www.formualizer.dev/docs)