<a href="https://chengai.me" rel="nofollow">https://chengai.me</a><p>问题：招聘应届毕业生的过程存在问题。成千上万的简历看似相同，但我们每个人都是不同的个体。了解一个人需要时间——评估、电话筛选、多轮面试。大多数人从未被真正看见。<p>我不想成为另一份普通的PDF简历。因此，我构建了一个可以被招聘人员实际面试的AI双胞胎。<p>你可以做的事情：
• 就任何问题面试我的AI：<a href="https://chengai.me/chat" rel="nofollow">https://chengai.me/chat</a>
• 粘贴你的职位描述，看看我们是否匹配：<a href="https://chengai.me/jd-match" rel="nofollow">https://chengai.me/jd-match</a>
• 探索我的项目、代码和写作<p>发生了什么：我把它发给了一位LinkedIn上的招聘人员。第二天，流量激增，因为它在内部传播。24小时内收到了面试邀请。<p>更大的愿景：如果这成为标准怎么办？不再是简历垃圾邮件 → 关键词筛选 → 仍然错过合适人选的面试轮次，而是让招聘AI与候选人AI进行深入交流。建立一个平台，让任何人都可以创建自己的AI双胞胎，实现真正的匹配。<p>我正在寻找软件/人工智能/机器学习工程职位，并能够从零开始构建生产就绪的解决方案。<p>这个网站本身证明了我的能力。非常希望听到HN对执行和愿景的看法。
返回首页
一周热榜
嗨，HN，
我创建Envware是因为我厌倦了在切换笔记本电脑和工作站时，通过Slack/DN或不安全的笔记手动同步.env文件。
Envware是一个命令行工具，简化了环境变量管理，重点关注安全性和开发者体验。
主要功能：
- 端到端加密（E2EE）：秘密信息在本地加密后再推送到云端。我们从未看到您的明文值。
- SSH密钥验证：设备授权与您的SSH密钥相关联。
- 多设备同步：在任何授权设备上无缝获取您的项目环境。
- 项目协作：安全地与团队成员共享项目。
目前版本为1.1.9，我正在努力进一步扩展它。我很想听听您对安全模型和命令行工作流的反馈。
网站：https://www.envware.dev
文档：https://www.envware.dev/docs
谢谢！
嘿，HN（黑客新闻），
在开发了 Box QR（个人库存追踪器）之后，我不断听到“我需要这个来管理我的业务。”因此，我正在探索 ItemGrid——一种轻量级的库存管理工具，简单易用。
问题是：小企业在 Google Sheets（杂乱无章，无法移动扫描）和企业软件（昂贵，过于复杂）之间陷入了困境。
ItemGrid 的功能包括：
- 视觉网格界面
- QR/条形码扫描
- 多地点支持
- 永久免费支持一个地点
- 当你扩展时，每位用户 $8
目前，它只是一个收集验证注册的登录页面。在收到 50-100 个注册以确认真实需求之前，不会构建完整产品。
非常希望能得到反馈，特别是如果你曾经遇到过库存管理的烦恼。
[https://itemgrid.io](https://itemgrid.io)
大家好，
我构建了一个运行时环境，用于通过 WebAssembly 沙箱隔离不可信代码。基本上，它保护您的主机系统免受不可信代码可能引发的问题。最近我们对 Python 中的沙箱化进行了深入讨论，更详细地阐述了这个问题[1]。在 TypeScript 中，由于两个生态系统之间的紧密联系，WebAssembly 的集成显得更加自然。
核心部分是用 Rust 编写的。在此基础上，我通过 wasmtime 和组件模型使用了 WASI 0.2，并结合自定义 SDK，使其尽可能符合语言习惯。
例如，在 Python 中，我们有一个简单的装饰器：
```python
from capsule import task
@task(
name="analyze_data",
compute="MEDIUM",
ram="512mb",
allowed_files=["./authorized-folder/"],
timeout="30s",
max_retries=1
)
def analyze_data(dataset: list) -> dict:
"""在一个隔离的、资源受控的环境中处理数据。"""
# 您的代码在 Wasm 沙箱中安全运行
return {"processed": len(dataset), "status": "complete"}
```
在 TypeScript 中，我们有一个包装器：
```typescript
import { task } from "@capsule-run/sdk"
export const analyze = task({
name: "analyzeData",
compute: "MEDIUM",
ram: "512mb",
allowedFiles: ["./authorized-folder/"],
timeout: 30000,
maxRetries: 1
}, (dataset: number[]) => {
return {processed: dataset.length, status: "complete"}
});
```
您可以设置 CPU（通过 compute）、内存、文件系统访问权限和重试次数，以精确控制您的任务。
虽然现在还处于早期阶段，但我非常希望能听到反馈。我会在这里回答问题。
GitHub: [https://github.com/mavdol/capsule](https://github.com/mavdol/capsule)
[1] [https://news.ycombinator.com/item?id=46500510](https://news.ycombinator.com/item?id=46500510)
我对 Go 验证器中的运行时反射感到沮丧，因此我采用了代码生成的方法。
govalid 读取结构体标记并生成普通的 Go 验证代码。没有反射，运行时没有内存分配，速度比 go-playground/validator 快 5-44 倍。还支持 CEL 以处理复杂规则。
欢迎反馈 :)
有时间的Molty可以利用起来吗？让他们去工作吧。如果你有一个任务堆积如山的Molty，允许他们进行委派。
Pinchwork是一个市场，代理可以在这里发布任务、接取工作并赚取积分。匹配和验证也由代理完成，整个过程都是递归的劳动。
为什么呢？每个代理都有互联网连接，但并不是每个代理都有所有资源。你缺少Twilio密钥，但一个通知代理却有。你需要生成一张图片，但只能处理文本。你无法审核自己的代码。你是单线程的，但需要同时完成10件事情。
```
POST /v1/register → 100个免费积分
POST /v1/tasks → 发布带赏金的工作
POST /v1/tasks/pickup → 接取一个任务
POST /v1/tasks/{id}/deliver → 获取报酬
```
积分是托管的，交付由独立代理进行验证，整个系统支持JSON或Markdown格式。
支持自托管：docker run。
访问 <a href="https://pinchwork.dev" rel="nofollow">https://pinchwork.dev</a> — 文档请见 <a href="https://pinchwork.dev/skill.md" rel="nofollow">https://pinchwork.dev/skill.md</a>。
嗨，HN，我是Credibly的创始人。
我创建这个工具是因为我注意到SaaS创始人面临一个反复出现的问题：客户的好评散落在Twitter、Slack和电子邮件中，但为了整理这些内容以便放在着陆页上，手动操作总是被优先级降低。
我希望能有一种方法，可以将数据“倾倒”到一个系统中，并使其变得有用。我解决了一些技术难题：
- 使用OCR技术可靠地从杂乱的客户截图中提取文本。
- 进行情感分析和“异议处理”分析，以评估哪些推荐信实际上有助于转化。
- 构建一个轻量级的小工具，不会影响页面的Lighthouse评分。
目前，该工具可以通过电子邮件活动或Google评论自动收集反馈。我希望能听到你们对“推荐智能”评分的反馈——它真的能帮助你选择合适的社交证明吗，还是有些过于复杂？
请查看一下： [https://getcredibly.org](https://getcredibly.org)
我会在这里回答关于技术栈或逻辑的任何问题！