24小时热榜

技术产品经理的角色……很难定义，但我们都曾与优秀的产品经理和不优秀的产品经理合作过——通常在与他们合作几周后，就能很快判断出他们在这个 spectrum 上的位置。然而，我发现很难描述它们之间的区别。

我将微软的TRELLIS.2（4B参数图像到3D模型）移植到了Apple Silicon上，通过PyTorch MPS运行。原版需要CUDA以及flash_attn、nvdiffrast和自定义稀疏卷积内核，而这些在Mac上都无法使用。 我用纯PyTorch的替代方案替换了CUDA特定的操作：包括一个聚集-散布的稀疏3D卷积、用于稀疏变换器的SDPA注意力机制，以及一个基于Python的网格提取，替代了CUDA的哈希映射操作。总的修改涉及大约几百行代码，分布在9个文件中。 在M4 Pro（24GB）上，从单张照片生成约40万个顶点网格，耗时大约3.5分钟。虽然速度不及H100（只需几秒），但它可以离线运行，无需依赖云服务。 <a href="https://github.com/shivampkumar/trellis-mac" rel="nofollow">https://github.com/shivampkumar/trellis-mac</a>

我在工作中每次需要推出一个人工智能功能时，总是碰到同样的障碍。看似一周的工作，实际上却变成了选择模型、设置向量数据库、管理嵌入、连接聊天记录、处理重试——这些都不是实际的功能。因此，我创建了Modular。你只需注册一个返回应用数据的函数，然后通过ai.run()调用一次性功能，或通过ai.chat()进行状态保持的对话。其他所有内容——上下文管理、嵌入、会话历史、模型路由、重试——都由系统处理。从第一天起就是MCP原生的。兼容Claude、GPT-4o和Gemini。现在还处于早期阶段——在构建完整的SDK之前收集反馈。如果其他人也遇到过同样的障碍，或者你认为我解决的问题不对，我很想听听你的想法。