如果你曾经感到沮丧，明明知道自己需要什么样的帮助——无论是合伙人、导师、风险投资人还是专家，却苦于不知道该联系谁，你并不孤单。
在DiscoverMinds，我们也经历过这样的困境。无尽的联系人列表、无人回复的冷邮件，以及不合时宜的尴尬介绍，都会扼杀你的进展。因此，我们创造了一个解决方案，帮助你打破噪音，建立有意义的联系。
以下是它的工作原理：
- 无缝整合你在LinkedIn、Gmail、Outlook、Slack等平台上的联系人——不再需要在不同的应用之间跳转。
- 自然搜索（例如“在班加罗尔有初创公司经验的增长营销人员”或“对美国金融科技感兴趣的种子投资者”），获得精准的人选推荐。
- 生成个性化的温暖介绍信息，真正打开机会之门——节省时间，建立信任。
- 不再猜测，也不再发送让人感觉机械的冷邮件。
- 另外，隐私得到了保障：你的数据始终属于你，未经你明确同意不会被分享。
无论你是寻找完美合伙人的创始人、寻找人才的招聘人员，还是寻找有前景初创公司的风险投资人，DiscoverMinds都能帮助你更快地找到并联系到合适的人。
准备好看看它的实际效果了吗？试试DiscoverMinds：https://lnkd.in/dy_JYYbZ
我们很想听听Hacker News社区的看法！
返回首页
最新
嗨，HN，manyminiapps是全球首个大规模多人在线迷你应用构建器（MMOMA）。
*它的功能是什么：*
你加载页面，输入一个提示，2分钟内就能得到一个迷你应用。无需注册，你可以实时查看大家正在创建的内容！
每个迷你应用都有自己的数据库和后端，因此你可以构建可分享的应用并保存数据。
*有什么不同：*
市面上有很多应用构建器承诺可以让你为他人构建生产级软件。但我们认为，真正的生产软件往往需要很长时间才能做好。即使你不需要编程，仍然有很多工作要做。
如果我们反转这个承诺呢？不是“你为软件公司编写代码”，而是“你为自己构建有趣的软件”。
如果你正确地切入问题，今天的LLM（大语言模型）已经能够提供个人软件。manyminiapps旨在作为一个实验来证明这一点。
你可能会问：你真的需要个人软件吗？我们并不完全确定，但这绝对是一个有趣的问题。到目前为止，使用manyminiapps的体验令人惊喜！我们原以为朋友们只会尝试构建常见的待办事项应用，但实际上我们发现他们在构建婚礼策划工具、和弦进程助手、灵感列表和复古游戏。
*它是如何工作的：*
我们没有为每个应用启动虚拟机或单独实例，而是在一个大型Postgres实例上构建了一个多租户图数据库。
所有数据库都位于一个表下，采用EAV（实体-属性-值）表。这使得创建一个“应用”就像创建一行数据一样轻便。
如果你之前听说过EAV表，你可能知道大多数Postgres专家会告诉你<i>不要</i>使用它们。Postgres需要知道统计信息，以便制定高效的查询计划。但当你使用EAV表时，Postgres就无法获得良好的统计信息。这通常是个坏主意。
但我们认为解决这个问题以获得多租户关系数据库是值得的。为了解决这个问题，我们开始在一个自定义表中保存自己的统计信息。我们使用计数-最小草图来跟踪每个应用的列的统计信息。当用户写查询时，我们确定要使用的索引，并使用pg_hint_plan告诉Postgres该怎么做。
*到目前为止我们学到了什么：*
我们尝试了GPT 5、Claude Opus和Claude Sonnet作为LLM提供者。
在这些模型中，GPT 5最能遵循指示。即使你给它一个完全无意义的提示（比如“absda”），它也会遵循系统提示为你创建一个应用。但GPT 5也是“最懒惰”的。生成的应用往往感觉过于简单，界面细节较少。
Claude Opus和Sonnet在遵循指示方面表现得不太好。即使我们告诉它们只返回代码，它们也想返回Markdown块。但在解析这些块后，生成的应用感觉好多了。
令我们惊讶的是，我们没有发现Opus和Sonnet在质量上有差异。两个模型都表现良好，可能Sonnet更能紧密遵循指示。
为了获得良好的结果，我们对提示进行了迭代。最初我们尝试逐条指示，但发现带有完整示例的提示效果更佳。以下是我们最终的结果：
<a href="https://gist.github.com/stopachka/a6b07e1e6daeb85fa7c9555d8f665bf5" rel="nofollow">https://gist.github.com/stopachka/a6b07e1e6daeb85fa7c9555d8f...</a>
让我们知道你的想法，希望你玩得开心 : )
通过斜杠命令（如Claude Code或Cursor）实现可重用提示的想法非常好。但在实际使用中，我发现自己在不同工具之间切换——Claude Code、Cursor、Codex、Gemini等。<p>我懒得为每个工具维护一个单独的/命令文件。难道一个更通用的提示库（例如Raycast片段）不会更实用吗？<p>想听听其他人的看法——你们是否经常使用这些斜杠命令，还是更喜欢集中管理的提示/片段系统？
我在科技行业作为软件工程师工作了很长一段时间，现在我意识到这让我感到痛苦。从表面上看，我似乎应该拥有一份非常成功的职业：高薪的远程工作，资深/员工级别，专业知识相对广泛但偏向后端，通常有不错的同事和经理等等。然而，实际上，我的情况却很糟糕！我在所有职位上的任期都相对较短，因为我总是选择那些我的经理或同事在我之前就开始辞职的工作；由于工作压力引发的健康问题，我的储蓄已经耗尽，因此我无法承担在工作之间长时间的空档；无论是合同工还是全职员工，我最终遇到的雇主似乎总是对工程提出几乎不可能的要求，破坏了团队的士气；还有很多其他问题。我看心理治疗师，也看了几位医生来处理我遇到的健康问题，但我觉得无论多少治疗和药物都无法解决根本问题。
我觉得自己是个失败者，因为我无法应对这份本应是最有特权的职业之一。如果我能接受50-60%的薪水削减，以换取减轻压力或更好的工作与生活平衡，我想我会毫不犹豫地接受，但我甚至不知道现在是否还有这样的工作。
我该如何摆脱这种状况？做软件工程师对我来说是否已经不再合适？
我做了一个关于稳定币的艺术项目。希望你喜欢！
大家好，HN的朋友们，这里是Henry和Roman，我们正在开发Cactus（<a href="https://cactuscompute.com">https://cactuscompute.com</a>），一个专为手机设计的AI推理引擎。
我们看到设备端AI正在快速发展，这有很好的理由：设备端AI将延迟从超过1秒减少到低于100毫秒，默认保证隐私，能够离线工作，并且在大规模使用时不会产生巨额的API费用。
此外，工具和智能设计使得小模型在基准测试之外表现出色。这一点得到了其他论文的证实，例如<a href="https://arxiv.org/abs/2506.02153">https://arxiv.org/abs/2506.02153</a>，我们也看到像DeepMind这样的模型公司正在积极推出小型模型，如Gemma3的270m和308m。我们发现Qwen3的600m在工具调用方面表现非常出色。
然而，在实时推理中，瓶颈变得明显，这对于可穿戴设备和世界模型至关重要。一些框架已经尝试解决这个问题，但在我之前的工作中，它们在生产环境中的表现与研究和实验环境相比存在困难：
- 它们针对现代设备进行了优化，但目前70%的手机属于中低端预算。
- 应用程序包的臃肿和电池消耗是用户的严重关切。
- 手机GPU的电池消耗不可接受，NPUs更受欢迎，但目前只有少数手机配备了这些。
- 一些是平台特定的，需要为不同的操作系统提供不同的模型和工作流程。
在Cactus，我们从零开始编写了内核和推理引擎，以便在任何手机上本地运行AI。
Cactus专为移动设备及其限制而设计。每一个设计选择，如能效、加速器支持、量化水平、支持的模型、权重格式和上下文管理，都是基于这一点做出的。我们还为应用开发者提供了极简的SDK，以便他们用2-5行代码构建智能工作流。
当我们启动这个项目时，我们在Show HN上发布了一条帖子以获取社区的反馈（<a href="https://news.ycombinator.com/item?id=44524544">https://news.ycombinator.com/item?id=44524544</a>）。根据大家的反馈，我们从底层构建了Cactus，以解决这些问题，并推出了Cactus Kernels、Cactus Graph和Cactus Engine，所有这些都专为手机和小型设备设计。
CPU基准测试显示，Qwen3-600m-INT8在Pixel 6a / Galaxy S21 / iPhone 11 Pro上运行速度为16-20个token/秒，在Pixel 9 / Galaxy S25 / iPhone 16上为50-70个token/秒。首次token的响应时间根据提示大小低至50毫秒。在NPUs上，我们看到Qwen3-4B-INT4的运行速度为21个token/秒。
我们是开源的（<a href="https://github.com/cactus-compute/cactus">https://github.com/cactus-compute/cactus</a>）。Cactus对爱好者和个人项目免费使用，但商业用途需要付费许可证。
我们在App Store上有一个演示应用，链接为<a href="https://apps.apple.com/gb/app/cactus-chat/id6744444212">https://apps.apple.com/gb/app/cactus-chat/id6744444212</a>，在Google Play上也有，链接为<a href="https://play.google.com/store/apps/details?id=com.rshemetsubuser.myapp">https://play.google.com/store/apps/details?id=com.rshemetsubuser.myapp</a>。
此外，还有许多应用在生产中使用Cactus，包括AnythingLLM（<a href="https://anythingllm.com/mobile">https://anythingllm.com/mobile</a>）和KinAI（<a href="https://mykin.ai/">https://mykin.ai/</a>）。它们每周在生产中运行超过50万次推理任务。
虽然Cactus可以用于所有Apple设备，包括Macbook，但对于计算机/AMD/Intel/Nvidia等，建议使用HuggingFace、Llama.cpp、Ollama、vLLM、MLX。这些都是为这些平台构建的，支持x86，并且都非常出色！
再次感谢，请分享您的想法，我们非常希望了解您的看法。
嗨，朋友们，我非常兴奋地向大家介绍 KSON，它刚刚进入公开测试阶段！
在任何人阅读或编辑 YAML/JSON/TOML 的地方，KSON 都可以作为更有效的数据接口。如果你是这样的用户，我们邀请你参与这个测试。
**简而言之**：请查看网站 [1]，在在线游乐场 [2] 中玩耍，安装适合你编程语言的库 [3]，在你喜欢的编辑器中编辑 [4]，讨论并提供反馈 [5]，为项目做贡献 [6]。
（关于这个项目的个人感想：我热爱软件。由文字构成的机器！真是奇妙。KSON 本身作为一组既构建机器又解释机器的文字，表达了我对软件及其与我们关系的许多热情想法。我投入了很多心血，希望能让这种表达既优雅又可靠。我希望这些能够清晰地传达出来，并期待与任何感兴趣的人进一步讨论。）
KSON 想要传达的一个关键点是：让我们保留 YAML 和 JSON 作为“配置用户界面”的所有优点，同时让这些接口变得更具工具性、稳健性和趣味性。以下是我们实现这一目标的一些方式：
- KSON 是 JSON 的经过验证的超集，原生支持 JSON Schema，能够干净地转换为 YAML（保留注释！），并且很可能在你需要的地方都可以使用——当前支持的平台包括 JS/TS、Python、Rust、JVM 和 Kotlin 多平台。
- KSON 也广泛应用于开发工具，支持 VS Code、Jetbrains IDE 以及任何可以插入 LSP 的地方。
- KSON 完全开源，采用 Apache-2.0 许可证，欢迎你来了解它的构成并尝试如何构建它的机器。我们投入了大量的关心、工艺、关注和快乐，使 KSON 项目对开发者来说易于理解和接近。希望能在这里见到你。
PS：这是一个适合 HN 的版本，官方公告请见 <a href="https://kson.org/docs/blog/2025/09/17/introducing-kson/">https://kson.org/docs/blog/2025/09/17/introducing-kson/</a>。
[1]: <a href="https://kson.org/">https://kson.org/</a>
[2]: <a href="https://kson.org/playground/">https://kson.org/playground/</a>
[3]: <a href="https://kson.org/docs/install/#languages">https://kson.org/docs/install/#languages</a>
[4]: <a href="https://kson.org/docs/install/#editor-support">https://kson.org/docs/install/#editor-support</a>
[5]: <a href="https://kson-org.zulipchat.com/">https://kson-org.zulipchat.com/</a>
[6]: <a href="https://github.com/kson-org/kson">https://github.com/kson-org/kson</a>
每次我路过这些新的科技广告牌时，总是想要仔细阅读，但又无法集中注意力；或者想拍张照片分享给朋友，但因为开车而无法做到。因此，我想把这些广告牌整理到一个地方，以便以后欣赏，并和朋友们分享旧金山是多么疯狂。