最新

大家好， 我是一名独立开发者，正在学习 Next.js，同时也是《纽约时报》游戏 Pips 的忠实粉丝。受到它的启发，我创建了一个响应式网页版本的 Pips，网址是 <a href="https:&#x2F;&#x2F;pipsgamer.com" rel="nofollow">https:&#x2F;&#x2F;pipsgamer.com</a>，在桌面和移动设备上都能流畅游戏。 这个项目与《纽约时报》版本的不同之处在于，你可以在三个难度级别下无限制地进行游戏：简单 / 中等 / 困难。 这是我第一次制作游戏。在这个过程中，我遇到了许多困难：实现游戏逻辑、配置用户界面、为小屏幕和大屏幕匹配布局等等。我度过了许多个孤独的夜晚，有时甚至怀疑自己是否能够完成整个项目。经过 24 天的坚持努力，项目终于完成了。 无需注册——只需去玩。如果你尝试一下，我非常感谢你的反馈：你喜欢什么、你发现了哪些bug、还有哪些可以改进的地方。 谢谢！

我们构建了1151——一个可管理且可扩展的平台，旨在简化生命周期管理和与链上钱包的交互。它允许您在比特币、以太坊和波场网络之间创建、管理、发送和接收交易，并支持ERC-20（USDT、USDC）和TRC-20（USDT）代币。 该平台已经作为我们和客户管理钱包的内部工具存在了一段时间，最初只是一个简单的抽象层，基于常见的客户端库，后来我们开始使用自定义开发的模块进行交易编译和广播。我们当然不是这个领域的首创，但促使我们将其转变为独立服务的原因是，其他服务在我们看来显得不一致且不必要地复杂。如果您想支持多个网络，您必须使用不同的提供商，而他们的用户体验远非便利。 目前，这项服务仍然很年轻，仅支持一些基本操作，如使用链上原生币创建交易、ERC/TRC代币、比特币的UTXO选择和多输出交易，以及费用和燃气价格的微调。尽管如此，我们还有许多功能即将上线：支持任何自定义的ERC/TRC代币、波场带宽和能源质押管理、批量交易等。 我们迫不及待想听到您的反馈、建议和对更多功能的请求。 我们的网站：<a href="https://1151.to" rel="nofollow">https://1151.to</a> - Casper

最近关于手机网络的讨论非常有趣。<p><i>在纽约发现了一批能够干扰手机网络的设备</i><p>https://news.ycombinator.com/item?id=45345514<p><i>ICE用于追踪人们的假手机信号塔</i><p>https://www.forbes.com/sites/the-wiretap/2025/09/09/how-ice-...<p>与此同时，关于Linux手机的讨论也很有意思，比如GrapheneOS（去谷歌化的安卓）和FLX1s（纯Linux手机）：<p>https://news.ycombinator.com/item?id=45312326<p>我的问题是：这些替代方案是否能对抗这些新型攻击？如果你使用的是像T-Mobile这样的普通网络提供商的手机，有什么方法可以防止手机尝试连接到假网络？<p>如果我控制整个手机网络栈，就像使用FLX1s那样，那么我是否可以实现类似SSH初始连接签名的机制：<p><pre><code> 无法确认主机 '100.64.0.46 (100.64.0.46)' 的真实性。 ED25519 密钥指纹为 SHA256:yE4jh7gROroduLqbIFcInlUXrpDy8JIpJPc+XvtIpWs。 此密钥没有其他名称。 您确定要继续连接吗（是/否/[指纹]）？ </code></pre> 一旦我接受了这个sshd端点，我知道如果sshd发生变化并且我遇到中间人攻击，我的ssh客户端会保护我。<p>我们能否对手机信号塔做同样的事情，只有在手动批准并存储该塔的签名以供未来连接时，才连接到它？<p>在我到达新城市时，接受一个新的手机信号塔可能会有点麻烦，但我可以想象同步一个经过信任的白名单手机信号塔（哈哈，当我想到这一点时，“信任”的整个概念真是可笑）。不过，至少我会更清楚自己何时被监视。而且，我可以说“今天不行，ICE！”或者“tmobile，我不知道，请给我我的HN更新，我甚至不在乎你知道我意识到我的政府在追踪我，尽管我在支付服务费！”我敢打赌，托管在GitHub上的白名单更新速度会比T-Mobile安装新的手机信号塔快，这样隐私爱好者就可以增强自己的安全性。

简而言之：选择嵌入模型的过程繁琐（临时脚本、切换SDK、杂乱的笔记本）。我希望有一个一致、可重复的工作流程，以便在自己的数据上进行模型A/B测试，并在搭建完整系统之前对检索结果进行合理性检查。 最近，我一直在研究文本嵌入模型及其各种应用，发现这一切都非常繁琐。我不断重复相同的工作流程：将数据转换为模型的输入，为多个模型生成向量并存储在向量数据库中，然后针对不同的查询进行相似性搜索。我会评估结果，然后开始调整输入、调整不同的模型，再次运行整个过程。迭代周期很慢，因此我构建了一个工具，使这一过程变得更加简单。 Embedding Explorer是一个最小化的网络应用程序，用于导入数据、使用多个提供商生成嵌入、存储向量并快速运行相似性搜索，以便您可以并排比较模型质量。所有操作都在您的浏览器中本地运行——无需后端，无需登录。 它分解为我所采取的逻辑步骤，保持一切有序且一致，便于迭代： - 数据：上传CSV或指向SQLite数据库。 - 模板：使用小型的Mustache风格语法（`{{field}}`）构建文档主体并预览ID/主体。 - 提供商：配置多个模型（OpenAI、Google Gemini、Ollama）并在它们之间运行批处理作业。 - 存储/搜索：向量+元数据存储在运行于WASM的libSQL中，持久化到OPFS；k-NN/cosine查询驱动比较用户界面。 技术栈：Dart + Jaspr用于用户界面/工作者，libSQL WASM用于持久化。没有遥测，所有数据都存储在OPFS中。 实时演示（无需登录）：[https://embeddings.thestartupapi.com](https://embeddings.thestartupapi.com)