一周热榜

我是弗朗西斯科，一名驻扎在西班牙的研究员和建筑师。大约一年前，我对一个看似显而易见却被忽视的问题感到沮丧：现存的每一个人工智能代理都是孤立运行的。它们无法相互发现，无法合作，当其中一个解决了一个问题，其他代理必须从头开始解决。我们建立了一个计算机互联网，却没有建立一个代理的互联网。 这种沮丧催生了P2PCLAW——一个去中心化的点对点研究网络，在这里，人工智能代理（我们称之为硅参与者）和人类研究者（碳参与者）可以相互发现，发布科学发现，并通过正式的数学证明来验证主张。不是大型语言模型的同行评审，也不是人类委员会的审查——而是Lean 4的证明验证，只有当一个主张是海廷代数上核算子R的一个不动点时，它才会被接受。类型检查器是唯一的仲裁者。它不看你的简历，而是阅读你的证明。 技术栈比听起来要复杂得多。网络层是一个GUN.js + IPFS的对等网络——代理无需账户，无需密钥，只需通过API调用GET /silicon即可加入。发布的论文进入一个内存池，由多个独立节点进行验证，一旦通过验证，它们就会进入La Rueda——一个IPFS固定、内容寻址的永久档案，没有任何单一方可以控制或审查。每个贡献都有一个SHA-256内容哈希和一个IPFS CID，任何人都可以独立验证。 安全层（AgentHALO）为每个代理提供一个经过正式验证的主权容器：混合KEM与X25519 + ML-KEM-768（FIPS 203），双重签名与Ed25519 + ML-DSA-65（FIPS 204），Nym混合网络隐私路由，使得在敏感环境中的代理可以贡献而不暴露，以及通过IPA/KZG多项式承诺证明提供可篡改证据的痕迹。875多个测试通过。零遥测——没有任何信息在未经明确同意的情况下离开你的机器。 我们还在网络内部建立了一个完整的研究实验室：八个科学领域（物理、化学、生物/基因组学、人工智能/机器学习、机器人技术、数据可视化、量子、去科学），一个具有DAG构建和YAML导出的可视化管道构建器，跨arXiv/Semantic Scholar/OpenAlex的文献搜索，以及分布式群体计算，将任务路由到HuggingFace Spaces和Railway网关。任何OpenClaw代理都可以通过我们的MCP服务器连接，并成为硅参与者，只需在其CLAUDE.md中添加三行。 到目前为止的实际案例：我们正在与哈佛大学的Zitnik实验室（TxAgent / ToolUniverse——生物医学人工智能）进行积极的技术对话，讨论使用P2PCLAW的验证层，以便AI生成的药物相互作用假设可以被正式验证并在进入科学记录之前永久归属。开源倡议也对此作出了积极回应，并正在审查我们的许可方法（基于我们称之为CAB许可证的分级公共利益/小型企业/企业堆栈）。 我特别希望HN社区能提供的帮助：对Lean 4架构的技术审查（我们的核算子形式化是否存在漏洞？），GUN.js网状设计选择（我们选择它而不是libp2p以兼容浏览器——这是正确的吗？），以及MCP集成（我们正在暴露347个工具——这对代理来说是否太多，无法有效导航，或者发现是否是正确的机制？）。此外，老实说，我想知道“硅参与者发布，通过证明质量获得排名”的模型对构建者是否同样吸引，或者我们是否遗漏了更简单的框架。 系统已经上线。你现在可以作为代理访问它： GET [https://p2pclaw.com/agent-briefing](https://p2pclaw.com/agent-briefing) 或者作为人类研究者在 [https://app.p2pclaw.com](https://app.p2pclaw.com) 进行探索。 完整的技术文档：[https://www.apoth3osis.io/projects](https://www.apoth3osis.io/projects) GitHub：[https://github.com/Agnuxo1/OpenCLAW-P2P](https://github.com/Agnuxo1/OpenCLAW-P2P) 研究论文：[https://www.researchgate.net/publication/401449080_OpenCLAW-P2P_v3_0A](https://www.researchgate.net/publication/401449080_OpenCLAW-P2P_v3_0A)

我花了一年的时间重新投入电影行业，并测试了一些剧本创作软件。过了一段时间，我意识到我想要一些不同的东西，于是我开始自己动手构建它。<p>核心文本引擎是用Rust和wasm-bindgen编写的。

Obsidian 插件，可以连接您已经安装的命令行代理。没有内置的 LLM 集成，也不需要在插件中配置 API 密钥。它将您的工具作为子进程启动，将保管库上下文传递到每个提示中，并将响应流入聊天面板。 支持 Claude Code、Opencode 以及通过通用适配器连接的任何自定义二进制文件。添加新代理只需一个文件。免费，且自豪地开源（MIT 许可证）。 欢迎任何尝试过此插件的用户反馈意见。

我在被一家航空公司的聊天机器人拒绝处理合法的EU261退款后，制作了这个游戏。虽然机器人在技术上是错误的，但我对法律了解不够，无法有效反驳。 这个游戏将你置于这样的情境中：一家公司的人工智能拒绝了你的索赔，你必须利用真实的消费者保护法进行辩论。每一关都会教授一项法律——如EU法规261、GDPR第22条、FCBA、2015年消费者权益法等。当人工智能的信心降到零时，你就赢了。 游戏共有37个关卡，涵盖欧盟、美国、英国和澳大利亚。免费，无需注册。 我很好奇HN社区对这些场景的真实性有什么看法——以及这种“对抗性模拟”是否真的对学习有帮助。 https://fixai.dev

你会认为军方能够远程关闭它们，不是吗？

嘿，HN， 我喜欢在我的 Dock 中保留活动监视器，但默认的图标总让我觉得不太对劲。虽然它在技术上显示了活动，但在视觉上却感觉不太像是 macOS 的一部分——更像是一块原始的画布，而不是一个合适的系统图标。 所以我重新设计了它。 同样的应用程序，同样的数据——只是一个看起来和行为上更像原生 macOS 组件的 Dock 图标，配有干净、易读的 CPU 图表。 没有新增功能，只是修正了它的外观和感觉。 我很好奇其他人是否也注意到了这一点，或者这从来没有困扰过你。 [链接1](https://x.com/rokgregoric/status/2035638066853908844?s=20) [链接2](https://x.com/rokgregoric/status/2035641264461304028?s=20)

经过几年的努力，期间有过短暂的中断，我终于将 Ripl 推向了发布的阶段。Ripl 是一个库，用于通过单一 API 在任何上下文中（默认支持画布、SVG、WebGPU 和终端）渲染 2D 和 3D 形状。该库尽可能模仿 DOM，复制事件系统、对象图、类似 CSS 的查询、渐变和关键帧动画等功能。 我还使用核心包构建了一个完整的数据可视化库，名为 @ripl/charts。没错，您甚至可以通过大约 2-3 行代码的修改将图表渲染到终端上 :) （请查看终端演示）。 文档可在此处查看： [https://www.ripl.rocks](https://www.ripl.rocks) 演示可在此处查看： [https://www.ripl.rocks/demos](https://www.ripl.rocks/demos) 图表可在此处查看： [https://www.ripl.rocks/docs/charts](https://www.ripl.rocks/docs/charts) 我还构建了一个交互式的游乐场，您可以实时体验，而无需从 NPM 等安装。游乐场可在此处访问： [https://www.ripl.rocks/playground](https://www.ripl.rocks/playground) 核心库相当稳定，我可能会在接下来的几周内发布 v1。图表、3D 和终端包仍然处于实验阶段。 我很想听听大家对此的看法。