最新

嗨，HN。 我们刚刚发布了 ThorVG 1.0，这标志着该引擎的成熟里程碑。早期版本专注于功能增长；而此次发布则强调稳定性、后端一致性以及跨平台（包括网页）的渲染行为一致性。 ThorVG 是一个开源的、可嵌入的 C++ 2D 矢量图形引擎，适用于 SVG 风格的图形和 Lottie 动画。 【1.0 版本的意义】 这一版本更关注引擎的准备情况，而非新功能的增加： - 改进了渲染性能和引擎优化 - 提高了混合精度和文本布局行为 - 现已正式支持 WebGL 后端 - WebGPU 后端已提升至生产就绪状态 - 为浏览器环境引入了轻量级的 WebCanvas 路径 - 更广泛地覆盖了 Lottie 规范，以支持更复杂的动画 - 新增了交互支持，包括边界框查询和命中检测 - 提供了更可预测的 API 行为，以便于集成 ThorVG 旨在作为一个小型渲染层，适用于引擎、用户界面系统、嵌入式设备和对大小及确定性性能有要求的工具。 发布说明： [https://www.thorvg.org/post/thorvg-v1-0-a-new-generation-released](https://www.thorvg.org/post/thorvg-v1-0-a-new-generation-released) 欢迎提出技术问题。

GeoCards 是一款干净、互动的地图（基于 MapLibre 和 OpenFreeMap 构建），您可以点击几乎任何文本标签——城市、公园、道路——它会在侧边栏中提取相关的维基百科摘要和照片。这非常适合“沙发旅行”或仅仅是了解您正在浏览地点的历史。

我正在构建Nucleus，因为大多数“代理安全”仍然只是政策层面的：一个配置文件上写着“不要做坏事”，而代理仍然可以做这些事情。 Nucleus是一个开源实验，它将一个小型的、组合式的权限模型与运行时强制执行相结合：*副作用只能通过一个强制工具代理访问*，并且是在Firecracker微虚拟机内。这个封装是*非升级的*：它只能收紧或终止，绝不会默默放松。 目前有效的功能包括： * MCP工具代理，具有*读取/写入/运行*（在微虚拟机内强制执行） * 默认拒绝出口 + DNS白名单 + Linux上的iptables漂移检测（失败关闭） * 强制执行时间和预算上限 * 哈希链审计日志 + HMAC批准令牌（范围限定，过期）用于受限操作 目前缺失的部分（直言不讳）： * web/搜索工具在模型中存在，但尚未与MCP连接 * 远程追加审计存储 + 验证仍在规划中 * 早期/粗略；目标是“安全地运行在敏感代码库上”，而不是“替代你的本地终端” 大部分代码是使用Anthropic工具编写的；我一直依赖测试/模糊测试/属性测试来保持代码的可靠性。 希望能收到关于以下方面的反馈：（1）除了致命三合一之外，还有哪些危险的能力组合，（2）你希望首先关闭哪些强制执行的漏洞，（3）你会如何评估这个与仅限网关的方法相比。

我之前看到Remotion Claude技能的发布，老实说，尽管一些结果让我感到惊讶，但我最终没有尝试使用Claude代码，因为我知道我需要设置Remotion、打包工具等。如果我已经要做这些，我想不如把它变成一个网站，让任何人都可以写消息并生成视频，而不需要任何前置条件。 我也知道Claude代码并不是每个人都有，设置Remotion也很麻烦。从这整个经历中我学到的一个重要教训是，即使有技能，Opus在设计任务上其实并不是那么出色。我现在使用Gemini来进行Framecall，甚至在某些情况下，Flash（快速模式）产生的结果有时比Opus更好，这让人感到惊讶，考虑到成本差异。 我还了解到，动态视频与编写优质代码或使用Claude代码作为气氛编码器与了解所使用框架的人之间存在相同的“问题”。如果你只是说“制作一个关于X的漂亮视频”，最终结果是否优秀通常是个赌注，就像你说“用Claude代码给我做一个X应用”一样。你需要对设计有敏锐的眼光，并掌握一些术语，以明确你想要实现的目标。 K2.5、ZLM和大多数开源模型在制作视频方面表现得相当糟糕，即使有技能，所以我最终没有将它们作为选项添加。 定价的原因是，结果显示每个动画需要2-5千个以上的代码输出，再加上1-2千个用于Remotion技能的输入，这样的成本确实不低。我本来希望能把这个作为一个免费的产品提供，因为我本来就是为了好玩而做的，但没办法。

我构建了一个用于监控 BullMQ 的终端用户界面仪表板。 问题是：每次需要调试队列时，我都必须设置 bull-board —— 安装多个软件包，集成到 Express/Fastify 中，为每个队列包装适配器，配置路由。这对于生产环境的仪表板来说没问题，但当你只想快速检查作业时就显得过于复杂。 bullmq-dash 是一个直接连接到 Redis 的终端用户界面。它可以自动发现所有 BullMQ 队列（无需手动注册），显示按状态分类的作业数量，允许你检查作业数据/堆栈跟踪，查看调度器/可重复作业，并跟踪入队/出队速率。采用键盘驱动（类似 vim 的导航）。 使用场景：本地调试、SSH 会话、快速生产检查——在任何你想查看队列而不需要启动网页仪表板的地方。

目前，代理技能是静态的 SKILL.md 包，只有在将它们预先安装到每个代理或工具中时才能使用，并且并非所有代理都支持这些技能。代理无法在遇到任务时即时发现和学习技能。 我创建了 Skyll 来改变这一现状。Skyll 是一个开源项目，旨在让 AI 代理能够自主发现和学习技能。 Skyll 的功能包括： - 爬取并索引来自多个来源（如 Github、skills.sh 等）的技能，使其可以根据意图和内容进行查询，而不仅仅是根据名称或标签。 - 根据相关性和受欢迎程度对技能进行评分。 - 通过 REST API 或 MCP 服务器提供完整的 SKILL.md 内容（及其引用）。 - 允许代理在运行时获取技能，而无需手动安装。 Skyll 完全开源。我们还在构建一个社区注册表，以便任何人都可以添加技能并使其对所有代理可用。非常欢迎任何反馈！ 仓库： [https://github.com/assafelovic/skyll](https://github.com/assafelovic/skyll) 主页： [https://skyll.app](https://skyll.app) 文档： [https://skyll.app/docs](https://skyll.app/docs)