## CoLoop：利用人工智能打造客户至上 CoLoop 是一家快速发展的初创公司，旨在赋能每一家企业，使其拥有亚马逊级别的客户洞察力。他们正在构建一个“客户背景层”，利用代理人工智能，为更快速、更明智的决策提供即时访问关键客户信息的途径。 CoLoop 成立于 2020 年，由大学生创立。他们从最初的产品成功后调整方向的过程中吸取了宝贵的经验，巩固了对客户研究重要性的认识。他们现在正在寻找具有强大人工智能/工程背景的经验丰富的**前创始人**，来负责产品的整个生命周期——从创意到迭代，无需传统的产品管理。 CoLoop 珍视自主性、快速迭代和对可衡量影响的承诺。他们提供扁平化的组织结构，优先考虑学习和分享，甚至承诺支持最终启动自己事业的员工。理想的候选人应该具备部署复杂人工智能系统的经验，对人工智能增强工程有深刻见解，并渴望为专注于解决难题的团队做出贡献。
每日HackerNews RSS
Hacker News 新闻 | 过去 | 评论 | 提问 | 展示 | 招聘 | 提交 登录
CoLoop (YC S21) 正在伦敦招聘前技术创始人 (workatastartup.com)
29分钟前 | 隐藏
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请YC | 联系
搜索：
## Flirt 开发更新 – 原生后端进展与未来计划 本次更新详细介绍了代码审查工具 Flirt 的开发进展，紧随首次公告之后。12 月/1 月的主要目标 – “Git 原生”后端的详细功能规格和实现 – 已经基本达成，尽管该后端尚未完全实现所有功能。通过 Git 远程存储和交换审查信息的核心功能已经正常运作。 开发过程包括分析 GitHub、邮件列表和 Gerrit，重点关注逐提交审查，并避免在合并的差异上进行评论。关键决策包括支持行内的评论范围、提交消息评论（针对 GitHub 等平台提供变通方案）以及线程回复。标记文件为已查看等功能最初优先级较低，而解决线程 – 提供本地/共享切换以防止作者干扰 – 是高优先级事项。 原生后端使用一个自定义引用指向包含审查数据的提交，避免了与 `git-notes` 相关的潜在数据丢失风险。这使得审查者能够看到代码演变并了解评论上下文。 未来的工作包括强大的线程处理和一个新颖的“线程迁移”功能，允许评论随着代码更改而移动，确保在修订期间不会丢失上下文。虽然原生后端前景可观，但完成它以及实现 GitHub/邮件列表后端正被证明具有挑战性，可能会推迟三月份的里程碑。
黑客新闻 新 | 过去 | 评论 | 提问 | 展示 | 招聘 | 提交 登录
Flirt: 原生后端 (buenzli.dev)
8 分，由 senekor 1小时前发布 | 隐藏 | 过去 | 收藏 | 讨论
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请YC | 联系
搜索：
史蒂夫·乔布斯2005年在斯坦福大学的毕业典礼上发表了一篇出人意料地具有影响力的演讲，目前已被观看超过1.2亿次，甚至激励勒布朗·詹姆斯和他的骑士队在NBA中实现逆转。 这篇演讲由一位大学辍学生发表，没有侧重于技术方面的建议，而是以爱、失去和真实性等普遍的人类经验为中心。 乔布斯亲自撰写了这篇演讲，抵制了苹果公关团队的意见，尽管最初对在著名大学发表演讲感到焦虑——学生们实际上更喜欢乔恩·斯图尔特作为演讲者！ 他借鉴了个人故事，将其框架为“我生命中的三个故事”，以强调过有意义的生活并拥抱自己独特的视角。 这篇演讲的力量在于它的简单和诚实，这反映了乔布斯对技术“人文主义”的信念，也是坚持自我重要性的证明，即使时间有限。
黑客新闻 新 | 过去 | 评论 | 提问 | 展示 | 招聘 | 提交 登录
保持饥渴，保持愚蠢 (2005) (stevejobsarchive.com)
5 分，作者 walterbell 1 小时前 | 隐藏 | 过去 | 收藏 | 讨论
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系
搜索：
## 冬季风暴生存：快速指南
为重大冬季风暴做好准备至关重要。在风暴来临*之前*储备好电池、手电筒、不易腐烂的食物、保暖衣物和水。请记住，电力恢复并不总是立竿见影的——短暂的电力恢复并不能保证电力会一直恢复。
风暴期间，优先考虑安全。及时铲雪，因为随着时间推移，雪会变得更重。体力有帮助，但毅力同样重要。清除屋顶上的积雪以防止损坏，并且*切勿*在室内使用发电机。
节约资源。了解你的家庭系统如何运作（查阅手册！），并为水和供暖制定备用计划——丙烷系统可能仍然依赖电力。通过分层穿衣和准备专门的“雪裤”来保持干燥。
不要低估准备的价值——一个储备充足的家（甚至可能受益于过去的夏季项目！）可以带来很大的不同。虽然闲暇时间似乎非常适合爱好，但它往往被风暴生存的现实所掩盖。最终，掌握基本技能并适应情况，例如认识到何时优先考虑逃生，是关键。
黑客新闻 新 | 过去 | 评论 | 提问 | 展示 | 招聘 | 提交 登录
住在雪地里你会学到的教训 (eukaryotewritesblog.com)
9 分，来自 surprisetalk 2 小时前 | 隐藏 | 过去 | 收藏 | 讨论
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请YC | 联系
搜索：
今天，我们推出了一种更简单的方式，让人们可以请求从搜索中移除未经同意的露骨图片。此更新完善了搜索中为这类有害内容受害者提供的各种保护措施。以下是新功能： 快速直接的移除流程：要使用此工具，请点击图片上的三个点，选择“移除结果”，然后选择“它显示了我的性爱图片”。 一次提交多张图片：您不再需要单独举报每张图片。这个新工具允许您选择并提交来自搜索结果的多张图片的移除请求，只需填写一份简单的表格即可。
更简单的从搜索结果中移除露骨图片 (blog.google)
8 分，来自 gnabgib 1小时前 | 隐藏 | 过去 | 收藏 | 1 条评论
mmh0000 3分钟前 [–]
在阅读文章之前：这正是我不想要的！
阅读文章之后：哦，某个实习生更新了一个十年前的举报工具… 真不错。他们添加了“一次提交多张图片”这个高科技功能。太棒了！我们真的生活在未来。
回复
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请YC | 联系
搜索：
这个模拟器演示了如何平衡机器学习训练流水线的数据流，以避免瓶颈。该流水线包含三个阶段：将数据加载到CPU内存，将其传输到GPU内存（VRAM），以及GPU执行计算。 每个阶段都有速度（吞吐量），队列具有有限的容量。关键在于，性能并非关于最大化*一个*方面，而是平衡*所有*阶段。 增加预取大小会使用更多的CPU内存，而更大的VRAM队列可以平滑数据流，但会增加VRAM的使用。更快的加载/传输只有在后续阶段能够跟上时才有效。更大的批次大小会增加整个流水线的内存压力。 本质上，如果队列已满，则减少对该阶段的输入或增加下游的处理速度。稳定的性能需要一个平衡的流水线，考虑到数据加载、传输和计算——这是理解训练瓶颈的关键一阶模型。
黑客新闻 新 | 过去 | 评论 | 提问 | 展示 | 招聘 | 提交 登录
Show HN: 模型训练内存模拟器 (czheo.github.io)
3 分，czheo 发表于 1 小时前 | 隐藏 | 过去 | 收藏 | 讨论
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系
搜索：
## YouTube 收入超越流媒体竞争对手
谷歌最近透露，YouTube 在 2025 年的收入超过 600 亿美元，超过了 Netflix 的 450 亿美元——这是谷歌自 2006 年收购 YouTube 以来首次公开披露 YouTube 的年度收入。该数字包括广告收入和付费订阅，如 YouTube Premium，后者目前在谷歌服务中拥有超过 3.25 亿订阅用户。
尽管 2025 年第四季度广告收入略有下降，但谷歌强调了 YouTube 的整体增长，这得益于无广告观看和订阅用户的后台播放等功能。YouTube 正在日益成为数字生活的重要组成部分，超过 70% 的国际消费者每周都在使用它。
该平台正在超越“猫咪视频”，成为电视领域的参与者——甚至从 2029 年开始举办奥斯卡颁奖典礼。然而，创作者们对谷歌的 AI 概述对他们内容流量的影响表示担忧，引发了欧洲和英国监管机构的调查。谷歌仍然致力于大力投资 AI，尽管存在这些担忧。
## YouTube巨额收入
一份最新报告显示，YouTube的收入达到600亿美元，超过了Netflix的450亿美元。这个数字包括广告和付费订阅。
Hacker News上的讨论集中在将YouTube与Netflix进行比较是否合理，一些人质疑YouTube的运营成本，因为它依赖用户生成的内容。另一些人指出，谷歌为YouTube支付的收购价格现在看起来非常精明。
虽然收入数据是公开的，但运营大规模YouTube的实际成本仍然未知，引发了人们对理解该平台盈利能力超出表面数据的兴趣。总体情绪倾向于认可YouTube是谷歌一项非常成功的收购。
## 从标准件到定制设计：物理与数字世界 历史上，物理制造和软件开发都依赖于“标准件”，因为设计成本高昂。在物理世界中，这意味着螺栓和梁；在软件中，则是库和框架。这两种方法都需要将你的设计*适应*现有组件，从而产生额外的代码和继承的复杂性。 3D打印大大降低了制造成本，使得过去过于昂贵的定制夹具和固定装置成为可能。现在，LLM（大型语言模型）正在为软件设计做同样的事情——以低廉且快速的方式生成代码。然而，与3D打印不同，LLM生成的代码不会牺牲质量；它在功能上与手工编写的代码相同。 这改变了依赖关系的计算方式。问题从“是否有为此库？”转变为“这个问题是否足够复杂，以*证明*需要依赖？” 随着定制解决方案变得容易获得，简单的包装器和过于主观的库的吸引力降低。 虽然设计现在更便宜了，但并非免费。重点转移到*理解*问题本身，而不是编码的机制。这有望带来更小、更集中的代码库——软件精确地针对其目的定制，就像没有标准组件建造的3D打印火箭一样高效。
一篇最近在Hacker News上被重点讨论的文章认为，由于现成的工具和技术，软件设计现在变得显著更便宜。然而，讨论很快转向了什么*构成*真正的软件设计。
一位评论员认为，真正的软件设计只有在产品经受住20多年的考验后才能被证明，强调了长期维护和灵活性——这些通常在快速构建的解决方案中缺乏的品质。他们还批评了过度依赖人工智能工具（“氛围编码员”）的开发者，认为他们并没有真正*设计*软件。
另一位用户反驳说这种观点过于严厉，承认现在实现高质量、灵活的设计变得容易，但质疑使用人工智能是否会将角色从设计师转变为提示词编写者。核心争论在于速度和可访问性是否等同于真正持久的软件设计。
《电脑纪元》节目指南 < 返回 搜索结果
黑客新闻 新 | 过去 | 评论 | 提问 | 展示 | 招聘 | 提交 登录
计算机编年史：人工智能 (1984-1998) (computerchronicles.tv)
4 分，LeoPanthera 1小时前 | 隐藏 | 过去 | 收藏 | 1 条评论
brudgers 17分钟前 [–]
几天前的Show HN，https://news.ycombinator.com/item?id=46758648 回复
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请YC | 联系
搜索：
经过13年运行自托管Git服务器（更早之前使用CVS），作者决定关闭它，原因是人工智能爬虫持续不断的滥用。这些爬虫用低效的请求淹没了服务器，特别是cgit Web前端，导致性能问题，最终导致停止服务的决定。 虽然令人沮丧，但作者选择不与爬虫进行持续的斗争。幸运的是，大多数仓库已经在GitLab和GitHub等平台上有了镜像，现在这些平台是代码的主要位置。链接已更新以指向这些平台。 作者仍然维护一个自托管的Web服务器，用于静态博客（使用Jekyll构建），希望其静态特性能更好地抵抗爬取。然而，即使这个服务器也经历了一次短暂的宕机，原因是爬虫生成的404错误导致日志文件耗尽，需要进行配置修复。
最近一篇Hacker News上的帖子引发了关于网络抓取激增的讨论，一些人将其归因于人工智能。原作者详细描述了被这些抓取程序压垮的情况，导致其网站出现大量404错误。
评论者质疑人工智能是否真的负责，认为编写不良的传统抓取程序或更复杂的攻击，绕过标准的机器人检测方法，更有可能是罪魁祸首。 存在关于为什么这个问题会成为头条新闻的争论，以及对互联网因这种活动而变成“数字沙漠”的担忧。
有人提出了Cloudflare等解决方案，但许多用户报告其效果有限，即使*使用*此类服务，也因为抓取技术日益复杂，并且可能存在经济利益驱动。 一些人批评Cloudflare试图将针对这些抓取程序的保护措施货币化是一种“骗局”。 一个关键点是缺乏公开可用的日志来分析抓取程序的行为并确认其来源。