最新

自从去年11月辞去软件工程师的工作，因为我的老板推动不负责任地使用人工智能，我花了大量时间试图弄清楚人工智能在未来经济中的实际位置。<p>多亏了一些出色的Substack作者[0,1]，以及代理工程正在重新发现我们关于人类委托的所有知识，我终于有了突破：一致性是无法扩展的。<p>大量的精力已经被并将继续被投入到试图克服这一简单但可能是普遍适用的法则中。<p>这一法则还保证了总会有工作在扩展那些一致的事物，以及将那些已经扩展的事物进行一致化。<p>0: https://thestrategiclinguist.substack.com/p/the-rule-that-never-was-what-7-38 1: https://abiawomosu.substack.com/p/so-they-built-an-ai-that-undresses

嗨，HN，我是Giovanni，Userware的创始人。我们开发了XAML.io，这是一个免费的基于浏览器的IDE，支持C#和XAML，能够通过WebAssembly完全在客户端编译和运行.NET项目，无需服务器端构建步骤。 上面的链接打开了一个使用Newtonsoft.Json的示例项目。点击“运行”即可在浏览器中编译并执行它。您可以编辑代码，添加NuGet包，并通过URL分享您的项目。 v0.6的新功能包括： - 支持NuGet包（任何与Blazor WebAssembly兼容的库） - 通过URL分享代码，支持类似GitHub的分叉和归属 - XAML自动补全，AI错误修复，分屏编辑视图 可视化设计器是我们的特色：提供100多个拖放控件用于构建用户界面。但即使您完全忽略设计器，只编写C#代码，NuGet和分享功能也能正常工作。 XAML.io目前处于技术预览阶段。它基于OpenSilver（[https://opensilver.net](https://opensilver.net)），这是一个完全从头实现的WPF API（子集），使用现代.NET、WebAssembly和浏览器DOM。它是开源的，开发已超过12年（2013年以CSHTML5开始，2020年更名为OpenSilver）。 限制：每个解决方案仅限一个项目，目前没有C# IntelliSense（即将推出），没有调试器，WPF兼容性改进正在进行中，推荐使用桌面浏览器。 完整细节和截图请查看：[https://blog.xaml.io/post/xaml-io-v0-6](https://blog.xaml.io/post/xaml-io-v0-6) 欢迎提问有关架构、WebAssembly编译流程或其他任何问题。

batchling 是一个 Python 网关，旨在连接提供商原生的 GenAI 批处理 API，因此您现有的调用可以以批量定价的费率运行，而不是标准的实时定价。 作为一名 AI 开发者，我在进行 AI 基准测试时发现了批处理 API：我希望节省 50% 的成本，因为我可以接受 24 小时的服务水平协议（SLA）。 我发现了一个严峻的工程现实： - 没有标准：每个批处理 API 的流程不同，批处理生命周期也从未相同。 - 框架转变：作为开发者，从同步/异步执行切换到延迟执行（提交、轮询、下载）感觉不太自然，需要编写自定义代码并存储文件。 正是在这个时候，我注意到没有开源项目提供解决这个问题的方案，于是我自己动手构建了它。 批处理 API 并不新鲜，但它们缺乏认知和采用。问题从来不是批处理 API 本身，而是它的集成和开发者体验。 batchling 正在弥补这一差距，为每个人提供以开发者为中心的批处理 API 体验，并为兼容请求解锁规模和成本节约。 batchling 的使用设计得尽可能无缝：只需将现有的异步代码包装到异步上下文管理器中（唯一的库入口点），即可自动批量处理请求。用户甚至可以进一步利用命令行界面（CLI）包装整个函数，而无需添加一行代码。 在底层，batchling： - 在上下文管理器的范围内拦截请求 - 将其转换为批处理格式 - 管理整个批处理生命周期（提交、轮询、下载） - 在请求处理完成后将其返回，以便脚本可以无缝继续执行。 batchling v0.1.0a1 附带了以下功能： - 支持大型批处理提供商（Anthropic、Doubleword、Gemini、Groq、Mistral、OpenAI、Together、XAI） - 广泛的 AI 框架集成（Instructor、Langchain LiteLLM、Pydantic AI、Pydantic Evals 等） - 请求缓存：避免重新计算您已经拥有响应的请求的批处理。 - Python SDK（只需更改 2 行代码）和 Typer CLI（无需代码更改） - 丰富的文档，包含示例，帮助您在几分钟内入门并运行第一个批处理。 我相信，这在任何通过 API 消耗令牌的 AI 组织、研究实验室或个人的采用和可及性方面都是一个颠覆性的变化。 我希望能从 AI 开发者那里获得反馈，并通过与技术社区的交流获得新的想法。该库欢迎贡献，无论是问题、文档修复还是拉取请求（PR）。

deff 是一个交互式的 Rust TUI，用于并排查看 git 差异，支持语法高亮和新增/删除行的着色。它支持键盘/鼠标导航、Vim 风格的移动、差异内搜索（/、n、N）、每个文件的审核切换，以及基于上游和显式的 --base/--head 比较。它还可以包含未提交和未跟踪的文件（--include-uncommitted），让你在提交之前可以审查工作区的内容。 期待收到一些反馈！

嗨，HN， 我想分享一个我一直在构建的热情项目：PROMETHEUS AGI。 我对大多数大型语言模型（LLM）/检索增强生成（RAG）应用程序仅仅进行文本摘要感到沮丧。我想看看一个自主群体是否能够进行跨领域推理，从而发明新的物理解决方案（重点关注联合国可持续发展目标）。 技术栈： - Neo4j Aura（免费版已达到151,000个节点/400,000条边） - 数据获取：Google BigQuery（专利） + OpenAlex API - 大型语言模型：Ollama（Llama 3）用于零成本本地实体提取，Claude 3.5通过MCP进行深度推理。 - 用户界面：Streamlit（数字双胞胎仪表板） + React/Vite（着陆页）。 工作原理： 该群体将问题（例如，水过滤器中的生物污垢）映射到不同领域的孤立技术（例如，材料科学 + 纳米生物学），并寻找“缺失链接”——在专利数据库中尚不存在的组合。目前，该管道已自主草拟了261个以上的概念蓝图（如项目HYDRA，一个零功耗水净化器）。 我们目前正在寻找领域专家（工程师、材料科学家）来验证这些AI生成的蓝图并构建物理原型，同时也在寻求资金以将图谱扩展到超过100万个节点。 仪表板：https://project-prometheus-5mqgfvovduuufpp2hypxqo.streamlit.app/ 着陆页/演示文稿：https://prometheus-agi.tech 我非常希望听到你对架构、Neo4j模式设计或多代理方法的坦诚反馈！