信息流
Ask HN: What's your current AI agentic setup?
Ask HN:你当前的 AI 智能体配置是怎样的?
我很好奇 HN 上的人日常如何使用 AI,于是列了一组我觉得可能有意思的问题。当然不必每个问题都回答,我只是想大致了解人们如何使用 AI。1)你个人付费订阅了哪些 AI 服务?(Claude、ChatGPT/Codex、Cursor 等)——哪些档位?——你是否从同一家提供商购买了多个订阅(例如两个 Claude 账号)?2)你是否在使用这些订阅之外的模型(或改用其他模型)?例如按量付费 API、OpenRouter,或本地托管模型。——哪些模型和提供商?3)你使用哪些编码 harness 和界面?是坚持默认 CLI 或 IDE 集成,还是使用 OpenCode、Pi、Aider、Muse Code 或自建 harness 等替代方案?——是什么促使你切换 harness(如果你切换过)?4)你是否使用任何智能体编排或 swarm 工具?——例如 Munder Difflin、Gas Town、Ruflo,或自定义工具。5)你是否使用更广泛的智能体平台,如 OpenClaw / Hermes Agent / Grok bot / Dots / Muse?——如果使用,主要用例是什么?----- 我知道我的工作流与一年前相比已有很大不同,所以如果能记录下今天人们在使用什么以及为什么使用,会很有意思。
Launch HN: Kino AI (YC S23) – AI media manager and video editor
Launch HN: Kino AI (YC S23) – AI 媒体管理器与视频编辑器
HN 的大家好!我是 Kino(https://kino.ai)的 Luke。Kino 让你可以和你的 agent 以及团队成员一起制作出色的视频。素材与资产存储、功能丰富的视频编辑器,以及供团队成员查看的审阅链接,全都打包在一起。你的同事和 Codex / Claude Code 可以在同一个时间线上协作,审阅备注和素材都集中在一处。基础概览见 https://kino.ai/walkthrough-video,我们的发布视频(完全用 Kino 制作!)见 https://kino.ai/launch-video。Opus 5.5 现在可以编辑视频并制作出色的动态图形。但使用原始的 agent harness 时,你需要用文字或在临时搭建的一次性 UI 中描述细微的编辑,你无法引用跨设备共享的素材,而来自队友的反馈则是以 Slack 截图的形式出现。Kino 是代码优先的。所有剪辑、所有动态图形、所有时间线项目的拖拽、所有队友评论以及所有 3D 场景都以代码表达,构建在 Remotion 之上。这一点很难做对,因为我们实际上是在为 React 构建一个所见即所得编辑器,然后再把它变成视频编辑器。在制作发布视频时,我让带 Kino 的 Claude 去找一张 macOS Leopard 安装盘,并据此为我们整个视频重新换肤。Kino 还完全支持协作和实时同步,因此你能看到队友的光标,并确切知道他们当前正在观看时间线的哪个部分。在制作发布视频时,我有 5 个以上的 agent 同时编辑时间线,而我的朋友 Donald 则让他的 swarm 在往下几分钟的位置上工作。
Local privilege escalation vulnerabilities in Linux
Linux 中的本地权限提升漏洞
A thousand fewer paths to root
Show HN: I built a tool that prices a prebuilt PC part by part
Show HN:我做了个工具,能逐件给预装电脑估价
我曾因为估算价值太耗时,错过了一台本可用于项目的超棒电脑。用户粘贴一条商品信息,就能收到价值评级、带日期的组件估价和可分享的报告。AI 负责读取商品信息,但评级由我自建的价格引擎决定(每天更新)。项目自筹资金,现已可用。希望获得关于评分、界面以及它是否有用的反馈。https://www.youtube.com/watch?v=Tpft--x3WlI
Guerrilla Bike Lanes: San Francisco Makes Illicit Infrastructure Permanent
游击自行车道:San Francisco 将非法基础设施永久化
Guerrilla Bike Lanes: San Francisco Makes Illicit Infrastructure Permanent (2016)
Coffee's new status symbol is a machine without plastic
咖啡界的新身份象征:一台不含塑料的机器
A wave of plastic-free coffee pods and machines
Insects Don't Swarm at LED Lights
昆虫不会在LED灯下成群聚集
Insects don't swarm at LED lights
Tell HN: Gemini trains on chat history, even for subscribers (personal accounts)
Tell HN:Gemini 会在聊天历史记录上进行训练,即使是订阅用户(个人账户)
如果你拥有个人 Google AI 订阅,你在 Gemini 中保存的所有聊天历史记录都可能被用于训练,而且除非关闭聊天历史记录或使用临时聊天会话,否则无法选择退出。这些聊天记录甚至可能被人工审核员查看。尽管 Google 声称在人工审核时会将其与你的账户断开,但他们明确警告不要输入机密信息。https://support.google.com/gemini/answer/16836988 “如果你的 Keep Activity 设置处于开启状态,[Gemini 应用活动] 会被用于改善所有人的 Google 服务,包括训练生成式 AI 模型。” https://support.google.com/gemini/answer/13594961?hl=en#human_review “一部分聊天会由人工审核员审核” https://support.google.com/gemini/answer/13594961?hl=en#pn_retain_data “由人工审核员审核的聊天 [...] 在你删除活动时不会被删除。相反,它们会被保留最多三年。” https://support.google.com/gemini/answer/13594961?hl=en#pn_data_usage “请不要输入你不希望审核员看到或 Google 用于改善我们服务(包括机器学习技术)的机密信息。” 要禁止他们利用你的聊天会话进行训练,你需要在 Gemini 设置中关闭“Keep Activity”。关闭它意味着 72 小时后你将丢失所有聊天会话。我得知得太晚了,原以为付费订阅 = 不会变成产品。显然,付费还不够。Than
Residential Proxies Detected on White House Network
白宫网络检测到住宅代理
Residential proxies detected on White House network
Show HN: Gauge – Open-Source CLI to recursively improve your docs
Show HN: Gauge – 递归改进你的文档的开源 CLI
大家好,我是 Gauge 的 Evan。我们正在开源我们的 CLI,用于为编码代理递归改进文档。该 CLI 包含本地执行后端,因此你无需账号即可试用。讲解视频见:https://youtu.be/zhLUlIKB1Mg 该 CLI 支持一个爬山循环: - 为编码代理设置需要用到你文档的任务,例如“设置 Gauge CI 检查” - 运行这些任务 - 分析会话记录中的摩擦或失败 - 创建文档变体以解决问题 - 注入文档变体后重新运行任务(透明地在同一主机名下) - 重复,直到得到一个能解决问题的变体 同一循环也支持对 Skills、CLI 和其他面向 agent 的表面进行爬山优化。我们两年前开始构建开源开发者工具(如 Tach https://github.com/tach-org/tach ),随后转向 AI 搜索优化,现在专注于这两个领域的交叉点。我们已经在与优秀的开发者工具公司合作,而他们是最早问我们如何针对 Claude Code 和 Codex 进行优化的人。我们意识到这最终会是每家公司都需要做的事。我们的 CLI 为 docs/devrel/eng 团队提供基础能力,用于衡量、分析并改进编码代理使用其产品的方式。设计归结为两个组件:VM 和网络网关。这些 VM 很直接,我们希望代理在其环境中拥有高权限,以便它们能代表开发者的编码 a
Ask HN: What your experience with the monthly "who wants to be hired" thread?
Ask HN:你对每月“who wants to be hired”帖子的体验如何?
我最近在本月的“who wants to be hired”帖子下留了言,但到目前为止只收到了垃圾信息。有人通过这个方式成功过吗?还是说它只是让你订阅垃圾邮件和自动化营销的一种方式?
Nvidia DGX Spark encrypted firmware slows inference speed to 35% on Linux
Nvidia DGX Spark 的加密固件使 Linux 上的推理速度降至 35%
Nvidia RTX Spark encrypted firmware slows inference speed to 35% on Linux