最新

大家好，Arkain团队在这里。 今天我们推出了Arkain的测试版，这是一款基于AI的云IDE。 我们希望分享我们所构建的内容，并获得社区的真实反馈。 --- # 我们解决的问题 你有多少次发现自己在为一个新项目设置相同的模板？伟大的想法往往需要数周才能启动——这并不是因为核心逻辑的复杂性，而是因为环境设置。React前端配置、Express后端搭建、数据库模式设计、部署管道……等你完成设置时，势头已经丧失。 团队开发加剧了这些问题。不同的本地环境、版本冲突和依赖管理造成的摩擦，使得开发者无法专注于真正重要的事情。我们都经历过——花费更多时间调试环境问题，而不是构建功能。 # 我们的解决方案 我们的目标很简单：消除减缓开发的生产力障碍。 Arkain是一个基于网页的IDE，让你只需几次点击即可配置开发环境，并从自然语言描述中生成完整的应用程序。我们希望开发者将时间花在构思、功能设计和用户体验上，而不是重复的设置任务。 # 主要特点 - *从自然语言生成端到端应用程序*：与现有的AI编码工具不同，Arkain专注于创建完整的可部署应用程序，而不仅仅是代码片段或前端生成。 - *上下文感知的AI代理*：AI保持项目上下文，因此你无需在每次请求时重新解释你的架构。 - *以安全为首的云基础设施*：基于零客户端架构构建，采用SBOM和容器化，兼顾安全性和性能。 - *模板社区*：分享和发现经过验证的解决方案，以加速开发。 # 当前局限性 作为测试版，我们有几个需要改进的地方： - 复杂的业务逻辑仍需手动调整 - 某些框架组合尚未完全优化 - 大规模项目需要性能调优 # 我们希望得到的反馈 - 哪些类型的项目最能从这种方法中受益？ - 你在现有开发工作流中看到哪些摩擦点？ - 对于企业采用——你有哪些安全/治理方面的顾虑？ # 社区驱动的发展 我们致力于与社区共同成长。我们希望对我们所学和所建保持透明，并将逐步开源我们最有用的模板。我们计划首先推出基于RAG的AI聊天机器人和反馈仪表板模板。 如果你有任何问题、想法或改进建议，请随时与我们联系。我们尤其希望听到你在日常工作中面临的任何开发工作流挑战。 期待在评论中看到你的想法和经验。 *你可以在这里免费试用Arkain：* ([https://arkain.io](https://arkain.io))

简要概述 - 我的联合创始人Collin和我构建了一个AI版本的Digi-Key，旨在帮助PCB设计师查找和使用零件，具有更大的目录、现代化的优化工具，以及能够真正为你解读数据手册的AI。 *问题* 现代电路板设计充满了令人厌烦的繁琐任务，其中一个小错误可能会导致项目失败并造成数千美元的损失。在我们看来，最糟糕的就是阅读数据手册，这占据了任何项目初期的25%时间： 1⃣ 首先，你需要在目录中艰难地寻找可用的零件，使用的搜索工具仍然停留在黑暗时代。如今的供应链中有大约8000万个独特的组件，但我们用来查找它们的工具只是我们祖父母收到的纸质目录的数字化版本。 2⃣ 在设计过程中，你需要花费大量时间在每个子电路的10到100页的PDF文档之间翻阅，希望不要错过某个脚注中的微小规格，这可能会毁掉你的设计。 3⃣ 当需求不可避免地变化时，天哪，你还得弄清楚哪些子系统受到影响！ *我们构建的产品* Zenode是一个AI驱动的电子元件搜索引擎，真正帮助工程师查找和理解组件。我们的核心功能包括： 1⃣ 最大且最全面的零件目录 → 我们合并了来自主要分销商和制造商的数十个现有零件目录和文档。 2⃣ 发现搜索 → 自然语言查询，快速找到类别、设置过滤器并对结果进行排名。 3⃣ 现代参数过滤器 → 从头开始重建，摆脱行业普遍存在的字符串值，构建真正有效的数值范围。 4⃣ 互动文档 → AI限制在单个零件的数据手册/手册中。提问时，快速获取带有高亮来源的答案以便参考。 5⃣ 深度挖掘 → 同时搜索数十个零件（“目前可用的最低功耗加速度计是什么？”而不是逐个查找）。 *我们的收获* 1⃣ 过去两年中最困难的部分是将3TB杂乱无章、不一致的数据整理成可用的信息。我们必须教会AI如何处理手绘图形，规范不同的单位变量和名称，以及处理同一零件不同数据手册版本之间的矛盾信息。这真是一场噩梦。 2⃣ 我们最初构建了定制的PDF解析器和AI提取器，曾在大约3个月内处于行业领先地位，直到通用AI超越了它们。因此，我们停止了重复造轮子，而是加倍关注数据质量。 3⃣ 杀手级功能并不是AI对单个零件的搜索，而是我们从用户那里反复听到他们希望AI能够跨多个零件进行阅读，这也是我们推出深度挖掘的原因！ *优势与不足* 速度：在几秒钟内快速浏览1000页的微控制器数据手册。 广度：将4000万个以上的零件来源统一到一个目录中，包含的不仅仅是数据手册，还有应用说明、勘误表等。 比较：深度挖掘允许你同时查询多个零件，而不仅仅是逐个查询。 定价/可用性：目前信息过时（暂时我们希望大家查看现有的聚合网站，如Octopart）。 准确性：足够好，能够匹配我一般的技能；尚未达到Collin的水平，但我们正在进行调优，这将迅速改善！ *试用一下* 今天已经上线（zenode.ai）。注册一个免费账户，如果在注册时在“你从哪里听说我们的”字段中填写“Hacker News”，我们将赠送你1000个额外积分（等我们完成构建后，大约在本周内）。 *我们希望得到的反馈* 1⃣ 深度挖掘结果是否应该自动成为可以进一步细化的过滤器？ 2⃣ 你希望能够标记首选零件/排除其他零件吗？ 3⃣ “BOM上的深度挖掘”（对来自不同类别的已知组件列表进行替代发现和可制造性检查）是杀手级功能吗？