最新

在2021年，我在HN上分享了ProjectionLab[0]，现在我已经花了将近五年的时间来改进它。<p>最初它只是一个简单的金融模拟器副项目。到2023年，我辞去了工作，全职投入到这个项目中。如今，它已经成为一个相当强大的财务规划和优化工具。<p>本月，我增加了一个税务策略引擎，可以自动协调罗斯转换、税务意识的提款混合和收益收割，围绕诸如目标联邦税级、保留ACA补贴、遵守IRMAA悬崖或避免NIIT等约束条件。<p>一个束搜索算法围绕这个引擎展开，帮助找到最适合您目标的策略（例如最大化净遗产、最小化终身税负等）。<p>在中位数情况下，这个工具通常可以节省约30万美元的终身税负，真是令人兴奋。<p>如果您几年前在我的原始Show HNs中尝试过PL，我很想听听现在有什么不同的感觉，或者哪些方面仍然需要更多关注。<p>我已经采纳了很多来自社区的反馈，例如现在有一个免费的基础预测层级，可以保存您的数据。此外，我还为加拿大、英国、澳大利亚和其他一些地区的用户增加了更多国际化的深度。<p>还有一些值得注意的功能：<p>- 基于投资组合表现的灵活支出，帮助模拟更现实的支出模式，并提高成功率。<p>- 净遗产估算、遗产规划和慈善捐赠（QCDs、DAFs等）。<p>- 政府福利估算（美国：社会保障、医疗保险、ACA补贴；加拿大：CPP、OAS、GIS等）。<p>- 蒙特卡洛选项，如块自助抽样（将连续年份的随机块拼接在一起，以混合不同的时期，同时保持年度间的模式）。<p>- 更新日志 [1]<p>[0] 之前的Show HNs：2021 (<a href="https://news.ycombinator.com/item?id=26969173">https://news.ycombinator.com/item?id=26969173</a>), 2022 (<a href="https://news.ycombinator.com/item?id=31083093">https://news.ycombinator.com/item?id=31083093</a>), 2023 (<a href="https://news.ycombinator.com/item?id=36849502">https://news.ycombinator.com/item?id=36849502</a>)<p>[1] <a href="https://projectionlab.com/changelog" rel="nofollow">https://projectionlab.com/changelog</a>

Bhatti 可以在任何支持 KVM 的设备上创建 Linux 虚拟机——如 Pi 5、Hetzner AX、支持嵌套虚拟化的云虚拟机。 - 每个虚拟机都有自己的内核、文件系统和 IP 地址。 - 空闲的虚拟机会暂停其 CPU，并将自身快照保存到磁盘；下一个请求将在 3.7 毫秒（热启动）或 360 毫秒（冷启动）内唤醒它们（以 Hetzner AX102 为例，p50）。 - 发布任何端口 → 生成公共 URL，首次访问时自动唤醒。 - 可以将任何 OCI/Docker 镜像作为根文件系统拉取，或者将正在运行的沙箱保存为镜像。 - 从第一天起支持多租户——每个用户都有独立的桥接、加密的密钥和速率限制。 - 单个 Go 二进制文件，遵循 Apache 2.0 许可协议。 决策页面是网站上最有趣的阅读内容：恢复后的 vsock 状态、为何所有快照都是完整的、systemctl 适配器、ARP 重传技巧。 使用以下命令安装： ```bash curl -fsSL bhatti.sh/install | sudo bash ``` （使用 sudo 是因为守护进程需要访问 /dev/kvm，并设置 Firecracker 监狱和桥接；仅命令行安装——通过管道传递给普通的 `bash`——不需要 root 权限。） 网站： [https://bhatti.sh](https://bhatti.sh) 代码库： [https://github.com/sahil-shubham/bhatti](https://github.com/sahil-shubham/bhatti) 决策与学习： [https://bhatti.sh/docs/under-the-hood/decisions/](https://bhatti.sh/docs/under-the-hood/decisions/)

Valkyr 是对 LM 推理运行时的新颖尝试。它与 llama.cpp、vLLM 或 ZINC 等项目有很大不同。它是用 Zig 编写的，代码非常简洁，除了 Vulkan Compute 本身外没有其他依赖项。虽然它支持多种模型系列和像 OpenAI 兼容服务器这样的功能，但一个重要的特点是，它可以在现有的 Vulkan 主机中以严格的时间预算运行——想想视频游戏、增强现实/虚拟现实应用、边缘设备或机器人。此外，它还支持丰富的探测接口，以接近实时的方式研究语言模型的内部结构。我并不是想与现有的运行时竞争，因为这些已经存在。我所要做的是帮助推理与时间敏感的应用程序协同工作。如果你能试试看，我会非常高兴。如果你有任何问题或想法，请告诉我。谢谢！

把这个当作一个有趣的小练习来学习。然而，最终结果与商业级深度研究产品不相上下。<p>完整的写作（涵盖当前状态的80%）：<p><a href="https:&#x2F;&#x2F;deep-research-agent.pagey.site" rel="nofollow">https:&#x2F;&#x2F;deep-research-agent.pagey.site</a>

你好，HN， 这是我第一次在Show HN上分享，希望大家会觉得有趣。 Parrot是一个用于轻松录制临时音频片段的网页应用。最初是为了帮助发音练习，但也可能有其他用途。 我在阅读Issen的Launch HN时得到了开发Parrot的灵感。思考如何帮助语言学习者改善发音时，我想起了一个我过去曾用过的简单方法：听自己声音的录音。 这个想法是反复录制并聆听自己的声音，调整发音直到正确。Parrot与其他音频录制应用的不同之处在于，它不会保存所有这些临时音频片段的记录，你不需要再去清理。录音只会在被新录音覆盖之前存在（当然，所有内容都是“离线”的，严格保存在你自己的设备上）。 这个看似简单的想法却为这个用例带来了巨大的不同。虽然我不确定如果这只是唯一的理由我是否会去做，但这更像是一个实用的借口。 主要原因是为了好玩。一旦我想象出这个像音乐设备一样的工具，我就知道我想要真正制作它，展现出它的拟物化魅力（唯一缺少的是木桌）。 我不想剧透所有有趣的部分，所以请自己去玩一玩 :) 关于黑暗模式太黑和“不可用”的问题：这是一个故意的玩笑。如果你还没试过，真的可以试试！ 从技术上讲，它相对简单：一些HTML，很多CSS，还有一些普通的JS。困难在于调整所有细节。我最大的收获是： 惊喜，测试和质量保证是非常重要的！如果我没有在所有浏览器和平台上进行测试，我会错过的尴尬错误和缺陷数量令人惊讶。你认为理所当然的最基本的事情，实际上可能并非如此！（`audio.currentTime = 0.0;`将音频播放头设置到开始，对吧？在Firefox中可不一定！）我强烈推荐在开发的各个阶段进行手动测试：有些事情你必须亲自体验。 我托管的Parrot版本不是免费的，但有一个去除了个人化元素的GPL版本可以下载。在压缩包中还有一个独立版本，完全包含在一个HTML文件中（可在没有localhost的情况下使用）。 最后，我想分享一个个人见解。听自己录制的音频可以帮助改善你的语言表达（或唱歌！），没错。它还可以让你习惯自己声音的听感，我发现这有助于建立自信。 欢迎讨论 :) [1] [https://news.ycombinator.com/item?id=44387828](https://news.ycombinator.com/item?id=44387828) [2] [https://www.zkhrv.com/parrot/free-parrot.tar.xz](https://www.zkhrv.com/parrot/free-parrot.tar.xz)

Glucera将成为一款适用于iPhone和Apple Watch的血糖监测工具。无需账户，无需订阅，无需云服务。一次性收费2.99美元（或可能免费）。 该应用从HealthKit读取数据，并与支持蓝牙的血糖仪配对，这些血糖仪不使用自有加密或奇怪的标准（采用标准的GATT血糖配置）。数据始终保留在设备上，不会外泄。没有分析SDK，也没有第三方介入。 这不是一款连续血糖监测（CGM）应用——Libre和Dexcom的用户在这里不会获得价值。这些生态系统已经有不错的原生应用，而且Libre的协议对第三方是封闭的。 该应用专为指尖采血用户设计。 我们正在寻找测试用户 :)

好好享受磁盘碎片整理工具吧。

嘿，HN社区， 我开发了一个工具，帮助优化你的帖子，以便在Show HN的首页上获得更高的曝光率。 它的工作原理是：我使用了Hugging Face提供的过去三年所有Hacker News帖子的数据库，并训练了一个模型来预测你的帖子可能会有多成功。尽管Hacker News上仍然存在很多随机性，因此无法保证结果，但这个工具可以帮助你优化帖子，提高成功的几率。 几个有趣的发现： - GitHub仓库链接的效果是普通域名的三倍 - 开源工具的传播率稳定（13.9% - 这是最高的之一） - “我构建的”比“我们构建的”表现更好 - 使用括号并提及技术（如Lua、Postgres、Rust等）会有很大帮助。 你可以在wannalaunch.com上试用这个工具，或者阅读博客文章以获取更多分析见解。如果你想重新训练模型或深入了解其工作原理，模型也可以作为开源项目获取。 期待听到你的反馈！