最新

嗨，HN， 我最近在一个名为 Kontra 的小项目上工作，并刚刚发布了它。 Kontra 是一个数据质量测量引擎。您可以在 YAML 或 Python 中定义规则，然后将其应用于 Parquet、CSV 或数据库表，最终获得违规计数和抽样的失败行。 我们的主要目标是避免不必要的工作。Kontra 不会将所有规则视为相同，而是区分执行路径。有些检查仅通过 Parquet 元数据就能得到答案，而其他检查则会推送到 SQL 中，只有在确实需要的规则才会进行完整的内存扫描。不同的规则有不同的保证，Kontra 明确说明这一点，而不是将其隐藏。 在底层，它使用 DuckDB 进行文件的 SQL 推送，并使用 Polars 进行内存中的执行。它还支持对数据集进行分析，从观察到的数据中草拟起始规则，以及对随时间变化的验证运行进行差异比较。规则可以携带用户定义的上下文，运行后可以进行注释，而不会影响验证行为。 它既可以作为命令行工具使用，也可以作为 Python 库。 欢迎提出问题或反馈。

jSciPy 是一个开源的 Java 信号处理和科学计算库，灵感来源于 SciPy。<p>它专注于快速傅里叶变换（FFT）、滤波器、功率谱密度（PSD）、短时傅里叶变换（STFT）、离散余弦变换（DCT）以及与 Android 的兼容性，旨在填补 JVM 和 Android 上对数字信号处理（DSP）重负载的需求。

大约五天前，我记得看到的是438,000，现在变成了391,000。发生了什么事，少了大约47,000？<p>https://catalog.data.gov/dataset/<p>这是个bug吗？

我最近和一位工程师进行了交谈，他在1981年使用Apple II优化了百得（Black & Decker）的装配线。他描述了他们如何以小数秒为单位测量原子级的手部动作（伸手、抓取、定位），以平衡装配线。但他提出了一个让我印象深刻的区别： 在那个时候，目标是流畅性（Flow），这本质上需要系统中留有一些余地。而今天，他认为现代管理的目标是利用率（Utilization），即消除每一个微秒的停机时间。 他的名言是：“我们删除了‘等待’，但我们忘记了等待是人类唯一可以喘息的时间。” 我感觉在软件工程中也看到了这种模式。我们将开发者的闲置时间视为需要通过JIRA工单消除的缺陷，而不是思考所需的必要余地。 问HN：对于那些在行业中工作超过20年的人，你们同意吗？

我是一个创始人，正在探索一个以本地优先为基础的个人人工智能系统，该系统围绕多智能体架构和设备内智能构建。<p>这不是一个云聊天机器人或托管的大型语言模型封装。我们的重点是构建一个与用户同在的助手——理解个人背景，基于本地数据进行推理，并能够自主行动，而无需将私人信息导出到设备外。<p>我希望与那些喜欢用Rust构建人工智能系统的高级工程师联系，他们能够从编排和状态的角度思考，并对正确性、性能和隐私有深刻的关注。<p>优先考虑位于旧金山湾区的工程师，因为我相信早期的面对面合作非常重要。<p>出于隐私原因，我以匿名方式发布此信息——很乐意在一对一的对话中分享更多。<p>—— 创始人，旧金山湾区 联系方式：localai-founder@proton.me

我为处理敏感文档（PDF/TXT）的专业人士构建了一个本地AI工具。 - 运行在Ollama（llama3.2）上 - 数据100%保留在您的设备上 — 完全离线 - 自动语言检测（法语/英语/德语） - 开源核心（MIT许可证） - 轻量级、快速且注重隐私 非常适合律师、会计师、审计师以及在欧洲注重隐私的团队。 GitHub: [https://github.com/erabytse/docudeeper](https://github.com/erabytse/docudeeper) 演示:  欢迎反馈！

在周末，我进行了一项小实验，看看我能多快从构思到实现一个可工作的最小可行产品（MVP），使用人工智能辅助开发工具。<p>结果是一个简单的网页应用程序，它生成简短的个性化睡前故事，并用我自己的声音进行讲述。代码库在某些地方故意保持粗糙，但应用程序可以正常工作，并且在实际环境中可用。<p>让我感到最惊讶的是，能够在一个真实的、已部署的系统上轻松迭代，而不被早期的架构决策所束缚。<p>技术栈：FastAPI、Supabase、Fly.io、Vercel<br>工具：Cursor、Lovable、Claude、ChatGPT<p>我很好奇这里的其他人是如何进行人工智能辅助开发的，以及在将事物固化为生产环境之前，你们是如何划定界限的。<p>链接：<a href="https:&#x2F;&#x2F;sleepli.app" rel="nofollow">https:&#x2F;&#x2F;sleepli.app</a>