Caddy
PulseAugur coverage of Caddy — every cluster mentioning Caddy across labs, papers, and developer communities, ranked by signal.
7 天有情绪数据
-
在 Oracle Cloud 上使用自定义域名自托管 Qwen3.8-27B LLM
本指南详细介绍了如何在 Oracle Cloud VM 上自托管 Qwen3.8-27B-Uncensored LLM，提供兼容 OpenAI 的 API 和网页聊天界面。该过程包括使用 llama.cpp 设置模型，配置 Caddy 以实现 HTTPS 和域名集成，以及解决 Cloudflare 代理设置和 Let's Encrypt 速率限制等常见问题。该指南强调使用超出 Oracle 免费套餐的强大 VM 以获得足够的性能，并指…
-
AI代理现可通过短信访问，减少对应用程序的依赖
越来越多的AI代理现在可以通过短信访问，无需单独下载应用程序。这些代理可以通过理解上下文并连接到现有服务来执行诸如日程安排、研究和在线购物等任务。值得注意的例子包括Instinct，它最近获得了10亿美元的融资，以及Ask Proxy，它旨在主动预测用户需求，并提供个人和商业版本。
-
vLLM 安全漏洞暴露敏感端点，尽管使用了 API 密钥
用于部署大型语言模型的 vLLM 框架存在安全漏洞，即使在使用 API 密钥的情况下，某些敏感端点仍然可访问。这些暴露的路由包括推理、分词和服务器控制功能，可能允许未经授权的访问和操作。为缓解此问题，文章建议实施反向代理，例如 Caddy 或 nginx，以严格仅允许必要的 API 端点，并强制执行身份验证，从而保护 vLLM 服务器。
-
AI代理现已驻留短信，绕过应用 · 跟踪4个来源
新一代AI代理正直接集成到短信平台中，允许用户像与人交流一样与它们互动。Caddy、Comma、Fambot和Folk等服务可以在无需单独应用程序的情况下管理日历、研究主题和完成任务。该领域的知名参与者Instinct最近以100亿美元的估值获得了10亿美元的融资，凸显了该AI领域日益增长的投资和兴趣。
-
AI 代理框架 Drobek 的自托管指南已更新至 v0.5.0
Drobek（一款 AI 应用程序框架）的自托管指南已更新至 0.5.0 版本。本次发布着重于使用户能够在专用服务器上运行自己的 AI 代理，管理前端编译、后端服务以及电子邮件发送、备份和更新等关键基础设施。设置需要一台运行 Docker、Compose v2、Git、OpenSSL 和 Task v3 的 Linux amd64 服务器，并使用 PostgreSQL、Redis 和 Caddy 作为技术栈。配置涉及设置 DNS 记录…
-
AI助手进驻短信，绕过应用 · 追踪4个来源
一波新的AI助手正在兴起，它们直接在短信平台（如SMS、WhatsApp和iMessage）内运行，无需独立的应用程序。这些助手可以通过集成现有服务来执行诸如安排日程、管理日历、发送电子邮件和进行研究等任务。值得注意的例子包括Instinct，该公司最近以100亿美元的估值获得了10亿美元的融资；Caddy，适用于iPhone和Android用户；以及Fambot，专为家庭组织设计。Folk也提供类似的功能，并专注于执行多步任务。
-
Caddy Web服务器更新，新增LLM和语言功能
Caddy Web服务器已更新，加入了新功能和改进。此次更新侧重于增强其能力，特别是在语言处理和大型模型集成方面。还重点介绍了其与FastCGI实现相关的具体技术细节。
-
AI系统增强弱模型以应对现实世界任务
一种使较弱或本地运行的AI模型在现实世界任务中更可靠的新方法，侧重于围绕模型构建一个健壮的系统，而不是仅仅依赖于更强大的模型。这个系统被称为“系统”（harness），它将模型的输出与实际结果进行验证，例如检查代码编辑是否成功应用或项目测试是否通过。通过从不信任模型自我报告的成功，而是将失败反馈回循环进行纠正，即使是能力较弱的模型也能有效地执行复杂任务。
-
LLM被用于创建Caddy DNSBL插件
作者利用大型语言模型（LLM）为Caddy Web服务器开发了一个DNSBL插件。该插件旨在通过集成基于DNS的阻止列表功能来增强Caddy的功能，允许用户过滤不需要的网络流量。
-
用户报告称AI爬虫机器人与渗透测试机器人难以区分
区分AI爬虫机器人和渗透测试机器人变得越来越困难。一位用户报告称，一个新注册的域名产生了大量的机器人流量，该域名很快被大量不存在的URL探测。这些活动由一个Go应用程序在Caddy反向代理后管理，并使用Umami进行跟踪。
-
开发者为 3100 万条股票数据记录构建了 AI 可访问的 SQL 服务器
一位开发者创建了 Shibui Finance，一个 MCP 服务器，为 Claude 等 AI 模型提供对海量美国股市信息数据集的直接 SQL 访问。该系统从商业 API、SEC EDGAR 文件和 FRED 等各种来源摄取数据，通过 PostgreSQL 和 dbt 进行处理，然后导出到 DuckDB。这种架构允许高效查询 3100 万条价格记录、季度财务数据、技术指标和 SEC 文件数据，通过预先计算指标将查询时间从几分钟缩短到几毫秒。
-
博文详述如何通过排名和嵌入来改进 PKM 服务器搜索
一篇技术博文详述了如何改进个人知识管理 (PKM) 服务器上的搜索功能，特别是解决了排名和嵌入问题。作者首先通过收集所有搜索结果，根据相关性（例如，标题匹配、词干匹配）进行评分，然后排序并选择前五名来解决排名错误。第二个，也是更重要的问题，涉及使用 Ollama 和 NumPy 实现本地嵌入，以更好地理解查询上下文，这对于仅靠子字符串匹配无法解决的查询至关重要。该过程包括拉取嵌入模型、分块文档以及缓存嵌入以加快检索速度，最终带来更准确的搜索结果。
-
3B LLM 微调后，零成本生产 API
作者详细介绍了其 de-swarm 项目的第二阶段，重点是将微调后的 3B 文本到 SQL 模型转化为生产就绪的 API。此阶段涉及创建一个与 Ollama 接口的 FastAPI 网关，使模型能够在低成本 VPS 上高效运行。该 API 成功地为 SaaS 模式生成了复杂的 SQL 查询，证明了其处理多表连接和推断用户意图以进行准确数据检索的能力。
-
完美部署了误读的产品需求，凸显了流程与规格的冲突
一位开发者讲述了一个项目，其中一个新网站 learn.intentsolutions.io 的完美执行部署，最终被认为是“错误的产品”。团队一丝不苟地遵循了最佳实践，包括干净的 CI/CD 管道、安全的 SSH 密钥以及特定的 Tailscale OIDC 配置，从而在一个小时内实现了无缝的上线运行。然而，核心问题在于对产品需求的误解，直到部署后才意识到，这凸显了高效的流程如何会放大上游的错误。
-
开发者为AI驱动的服务器运维实施7点安全模型
一位开发者详细介绍了一个七点安全模型，该模型旨在规范AI工具在服务器运维中的使用。该模型在构建任何具体工具之前就已实施，包括硬性写入禁止列表、破坏性操作的默认试运行模式、参数验证以及基于密钥的SSH身份验证等措施。该系统还利用主机注册表来强制执行访问控制，指定每个主机允许执行的命令和文件路径，从而防止模型执行潜在的有害操作。