在使用不同工作树中的并行代理时，我发现我遇到了很多端口冲突，不断来回检查我的开发服务器运行在哪个递增端口，以及出现了 cookie 泄漏。<p>如果只是运行几个完整栈框架的服务器，比如 Next、Nuxt 或 Sveltekit，这并不是个大问题，但如果你在多个工作树中同时运行 Rust 后端和 Vite 前端，那就复杂得多，思维模型也开始崩溃。更不用说数据库或缓存了。<p>因此，我构建了 Roxy，这是一个单一的 Go 二进制文件，可以包装你的开发服务器（实际上也可以是任何进程），并根据分支名称和当前工作目录提供一个稳定的 .test 域名。<p>它运行一个代理和 DNS 服务器，处理所有的域名路由、TLS、端口映射和转发。<p>目前支持：<p>- 用于你的 web 应用和 API 的 HTTP
- 大多数 TCP 连接，用于你的数据库、缓存和消息/队列层
- TLS 支持，以便你可以运行 HTTPS
- 同时运行多个进程，每个进程都有一个独特的 URL，类似于 Docker Compose
- Git 和工作树的感知
- 分离模式
- 零配置启动<p>我和我的同事们在我们的工作流程中频繁使用它，我认为它已经准备好公开使用。<p>我们支持 MacOS 和 Linux。<p>我将致力于一些更有用的功能，比如 Docker Compose/Procfile 兼容性和隧道功能，以便你可以通过易读的 URL 远程访问你的开发环境。<p>试试看，如果有什么不太对劲的地方，请提出问题或请求功能！<p><a href="https://github.com/logscore/roxy" rel="nofollow">https://github.com/logscore/roxy</a>
返回首页
最新
创建这个工具是因为处理大量文档集的用户没有免费的工具能够干净地进行批量处理。Tesseract是免费的，并且可以在本地运行。对于需要更高准确度的任务——如Google Vision、Gemini或任何OpenRouter模型——用户需要自带API密钥。没有订阅费用，也没有使用费用的加价。
可以导出为TXT、JSON、XML或PDF格式。AI引擎支持自定义提示，因此您可以在一步中进行翻译、提取表单字段或获取结构化输出。
应用地址：<a href="https://onlineocrfree.qzz.io" rel="nofollow">https://onlineocrfree.qzz.io</a>
源代码：<a href="https://github.com/naimurhasan/online-ocr-free" rel="nofollow">https://github.com/naimurhasan/online-ocr-free</a>
请分享 - 视频、博客文章、推文等。谢谢。
我是一名计算机科学学生，正在考虑在学习期间构建和维护一个小型服务或工具。理想情况下，它能带来一些额外收入，以帮助支付学费。
我还没有找到合适的想法，也许你们中的某个人有具体的想法或者知道如何获得灵感。
我并不是在寻找一个价值百万美元的创业点子（已经有很多人在做这件事），而是希望找到一些小而真实的痛点，能够转化为简单的收费解决方案。
提前谢谢大家！
我已经需要一台新的MacBook一段时间了，今天随着新款M5的发布，我决定下手购买。<p>我一直在想：为本地大语言模型（LLM）使用投资大量内存是否合理？有没有人用他们的MacBook Pro来做这个？使用体验如何？
嘿，HN——我是Memobase的开发者。
时机：Anthropic刚刚在昨天为Claude推出了记忆导入功能。你可以导出你的ChatGPT记忆并将其转移过来。这是朝着正确方向迈出的一步，但这仍然是将数据从一个孤岛转移到另一个孤岛。你并不真正拥有这些记忆。
我所看到的问题是：目前没有标准的AI记忆协议。你不能说“这是我的MCP服务器，可以在每个会话中使用它来存储记忆。”每个平台都在构建自己的封闭生态。号码可携带性需要监管，电子邮件互操作性需要SMTP。AI记忆也需要类似的东西。
Memobase是什么：一个通用的、与AI无关的记忆层。它构建一个结构化的个人资料——你的偏好、上下文、项目历史——任何连接的AI工具都可以读取这些信息。它不被锁定在ChatGPT、Claude或任何单一平台内。
技术方法：
- 基于个人资料的记忆，而不是原始对话记录。紧凑且快速（低于100毫秒的查找时间）。
- 你拥有你的数据。完全可见、可编辑、可删除、可导出。即将推出自托管选项。
- 正在朝着开放协议的方向努力，以便任何工具都可以接入——不仅仅是我们的集成。
目前的状态：核心记忆和主要工具的集成正在进行开放测试。尚不完善的地方：代理并不是在没有提示的情况下始终使用它，协议规范仍在正式化中，我们需要更多工具采用它，以便真正发挥作用。
我很想听听：
- 你希望你的AI记忆存储在任何单一平台之外，还是更喜欢每个工具自己处理？
- 这个协议需要是什么样子，才能让你进行开发？
- 对于我们的技术方法的反馈——我们选择了基于个人资料的RAG而不是知识图谱等，乐意深入讨论。