嘿，HN，
stripe-no-webhooks 是一个开源库，可以将您的 Stripe 支付数据同步到您自己的 Postgres 数据库：
<https://github.com/pretzelai/stripe-no-webhooks>
这里有一个演示视频：<https://youtu.be/cyEgW7wElcs>
它在您的 Stripe 账户中创建一个 webhook 端点，将 webhook 转发到您的后端，在那里一个 webhook 监听器将所有数据存储到一个新的 <i>stripe.*</i> 模式中。您可以在 TypeScript 中定义您的计划，运行同步命令，库会处理创建 Stripe 产品和价格、处理 webhook 并保持您的数据库同步。我们还允许您为现有账户回填 Stripe 数据。
它支持预付费使用积分、账户钱包和基于使用量的计费。它还允许您生成一个可以自定义的定价表组件。您可以使用库提供的简单 API 访问用户信息：
```javascript
billing.subscriptions.get({ userId });
billing.credits.consume({ userId, key: "api_calls", amount: 1 });
billing.usage.record({ userId, key: "ai_model_tokens_input", amount: 4726 });
```
实际上，如果您不想，您不必再处理 Stripe 仪表板或 Stripe API/SDK。这个库为 Stripe 提供了一个良好的抽象，应该覆盖大多数订阅支付用例。
让我们通过一个快速示例来看看它是如何工作的。假设您有一个像 Cursor（IDE）曾经使用的计费计划：每月 20 美元，您可以获得 500 次 API 完成 + 2000 次标签完成，您可以购买额外的 API 积分，任何额外的使用量将按超额计费。
您在 TypeScript 中定义您的计划：
```javascript
{
name: "Pro",
description: "Cursor Pro plan",
price: [{ amount: 2000, currency: "usd", interval: "month" }],
features: {
api_completion: {
pricePerCredit: 1, // 每单位 1 美分
trackUsage: true, // 启用使用计费
credits: { allocation: 500 },
displayName: "API Completions",
},
tab_completion: {
credits: { allocation: 2000 },
displayName: "Tab Completions",
},
},
}
```
然后在命令行中，您运行 `init` 命令，这将创建数据库表和一些 API 处理程序。运行 `sync` 将计划同步到您的 Stripe 账户并创建一个 webhook 端点。当订阅创建时，库会自动将 500 次 API 完成积分和 2000 次标签完成积分授予用户。续订和升级/降级的处理也很合理。
消费代码看起来像这样：
```javascript
await billing.credits.consume({
userId: user.id,
key: "api_completion",
amount: 1,
});
```
如果他们想允许用户手动充值：
```javascript
await billing.credits.topUp({
userId: user.id,
key: "api_completion",
amount: 500, // 购买 500 积分，收费 5.00 美元
});
```
同样，我们还有钱包和使用情况的 API。
在 Stripe 上自己实现这些功能将会是非常繁琐的工作。您需要在自己的数据库中跟踪所有这些权限，并处理续订、到期、临时授予等。这绝对是可行的，尤其是在 AI 编码的帮助下，但您可能最终会构建出一些脆弱且难以维护的东西。
这只是库功能的高层概述。它还支持座位级积分、货币钱包（具有微分精度）、自动充值、强大的故障恢复、税收收集、发票和开箱即用的定价表。
我为测试编写了一个小玩具应用：<https://snw-test.vercel.app>
没有验证，所以请随意使用虚拟邮箱注册，然后使用测试卡订阅计划：4242 4242 4242 4242，任何未来的到期日期，任何三位数的 CVV。
截图：<https://imgur.com/a/demo-screenshot-Rh6Ucqx>
欢迎尝试！如果您最终使用这个库，请在仓库中报告任何错误。如果您遇到问题或想聊天，我很乐意提供帮助 - 我的联系方式在我的 HN 个人资料中。
返回首页
24小时热榜
在过去几周，世界模型首次开始显得真实。你可以看到连贯的环境、长时间的展开，以及越来越令人信服的视觉效果。同时，这些系统大多数难以运行，难以集成，并且在规模与交互性之间进行了权衡。
我们创立Overworld是因为我们更关注构建可以实际栖息的世界，而不是制作令人印象深刻的视频。这意味着低延迟、持续控制，以及每次你采取行动时系统都会做出响应，而不是每次只在提示时响应。
上周，我们发布了Waypoint 1，这是一个实时扩散世界模型的研究预览，能够在本地运行。下周，我们将发布Waypoint 1.1 Small，旨在能够在现代消费级GPU上运行，并且易于构建和修改。
Waypoint是从零开始构建的，而不是从大型视频模型微调而来。我们在控制频率、稀疏注意力和快速推理方面进行了大量优化，以便系统能够维持持久的世界状态，并以游戏级帧率响应输入。我们的目标是创造一些开发者今天就能集成的东西，而不仅仅是作为演示观看。
我们认为，一旦世界模型遵循类似于大型语言模型（LLMs）的路径：本地执行、开放工具和快速的社区驱动迭代，这个领域将会快速发展。Genie和类似系统展示了在大规模下的可能性。我们的重点是让这个未来变得本地化和可接触。
我们在最近的博客文章中详细讨论了“沉浸差距”，为什么交互性比单纯的视觉效果更重要，以及我们如何优化模型。
代码、演示和发布详情请访问：https://over.world/blog/the-immersion-gap
我编写了一种轻量级的脚本语言，可以与C语言一起运行。具体来说，它是一个C库，通过C函数调用来运行，并且可以回调你自己的C函数。编译后大小约为250KB。除了C标准库之外没有其他依赖。
主要语言特性：
* 使用别名而不是指针，因此内存安全
* 数组支持N维并且可调整大小
* 可以运行脚本或其自己的“shell”
* 错误捕获
* 方法、继承等
* 可定制的语法
我无法列举出任何一个由人工智能提出的软件应用或软件功能。一个都没有。以Excel为例，人工智能不仅没有完全取代Excel，还未能替代其任何功能。人工智能仅仅作为一种附加功能以智能聊天机器人的形式被添加进来。这种趋势在整个行业中普遍存在，这也是为什么人工智能未能从根本上改变我们现有软件应用的原因。
现在你可能会问：那人工智能原生应用呢？事实证明，它们大多数本质上是现有软件的克隆，只是在上面加了一个聊天机器人。由于人工智能本身容易出错，任何利用它的应用程序都必须提供所有必要的控制选项，以便覆盖其所有决策。因此，你最终得到的是一个传统软件应用加上人工智能。
人工智能曾承诺要转变甚至取代软件应用，但它所做的只是用一个不可靠的聊天机器人来增强这些应用。所有旧的字段和按钮仍然存在，但现在多了一个可以输入文本的字段，希望能有所作为。
用于安全运行LLM生成代码的WASM沙箱。<p>代理拥有类似bash的命令行界面，只能调用您提供的工具，并遵循您定义的限制。没有Docker，没有子进程，没有SaaS——只需通过pip安装amla-sandbox。
我今天再次看到提到ICElist，所以我想再试着访问一下（最初由于流量过大而无法访问）。
它是一个媒体维基网站（太棒了！）。但是我想看看它实际包含哪些信息，以及我如何能从远处进行贡献。
我从代理人页面开始。此时维基上有1574名代理人，我随机选择了大约十个进行点击。每一个页面上除了一个链接到该人的LinkedIn个人资料外，几乎没有其他信息，显然是他们自我认同的地方。可以理解，但并不算特别有趣。许多代理人确实有一些不寻常的名字，这使得在网上挖掘更多细节成为可能。
事件部分更有趣。有377个事件，包含合理的细节和描述。确实是一个值得跟踪的好东西，因为这些事件很容易被遗忘或忽视。
未识别页面也有些有趣，因为它们包含大约50名未识别代理人的照片，但关于事件甚至地点的信息并不完整。有些甚至不明显是代理人，这让我对某些提交的内容产生了质疑。
车辆部分的数据可能是最完整的，因为有1142辆车辆的车牌号码。通过更新ICElist上观察到的事件中的车牌信息，是提供有价值信息的一种低风险方式。特别是如果ICE涉及换牌，这种行为是非法的。
抵制部分也很有趣，因为它包含了各种公司如何支持ICE的具体信息。虽然个人很难或几乎不可能通过抵制产生影响，甚至记住所有那些卑鄙公司的名字，但在你即将签订商业协议时，检查一下这些信息是很有用的。
还有其他人浏览过这个网站并有一些想法吗？
人工智能不仅仅是提高生产力：它创造了*过度效率*。<p>个人和小团队现在能够比现有组织的设计更快地生成决策、选项和倡议，而这些组织本身并未准备好去合法化、协调或吸收这些内容。瓶颈已经从执行转移到了治理。<p>当过剩的生产能力积累而没有吸收层时，组织并不会逐渐适应。历史上，它们往往会冻结：更加严格的规则、集中化、禁令和脱钩。<p>我们在新冠疫情期间看到了类似的反应：当系统无法在地方吸收冲击时，它们便会在全球范围内关闭。<p>似乎被讨论得不够充分的是<i>吸收</i>：不是“我们能多快生产”，而是<i>一个组织能够在不进行防御性关闭的情况下，代谢多少决策、选项和变更</i>。<p>有两个机制似乎相关但理论化不足：(1) 小规模的本地过程变更，重新分配协调和决策的负担；(2) 持续的技能和角色转变，随着人们围绕仍需决策、维护和合法化的事项重新定位。<p>我一直在尝试将其视为一种“导电”问题，即人类的决策和合法性如何与世代、人工智能和人类并行流动。<p>如果你见过组织在这方面表现良好（或失败得很惨），我很想知道：究竟是什么让系统能够吸收人工智能驱动的过度效率，而不回归到控制、排名、裁员或关闭的状态？
大家好，
在寒假期间，我花了一些时间制作了这个Apple II模拟器。我之前做过一个C64的模拟器，但偶然间发现了Apple II，决定这个项目会很有趣。
我花了相当多的时间在Disk II的实现上——这部分内容相当复杂，因为软件对控制器固件的操作有很直接的控制。处理复制保护机制以及相关的时序问题有点挑战性。
你可以在网上试用一个WASM版本，请务必去看看！
[https://emu.chrismoos.com/](https://emu.chrismoos.com/)