最新

大家好， 我正在进行一个名为 L88 的项目——一个本地的 RAG 系统，最初我主要关注的是用户界面/用户体验，因此检索和模型架构仍需进一步完善。 代码库： [https://github.com/Hundred-Trillion/L88-Full](https://github.com/Hundred-Trillion/L88-Full) 我在 8GB 的显存和强大的 CPU（128GB 内存）上运行这个项目。嵌入和预处理在 CPU 上进行，而主要模型则在 GPU 上运行。我遇到的一个限制是，由于计算能力的限制，我的评估器和生成器最终使用的是同一个模型，这违背了评估的目的。 我非常希望能得到以下方面的反馈： - 针对小显存 RAG 的更好架构建议 - 有效拆分评估器/生成器角色 - 改进 LangGraph 流程 - 你注意到的任何错误或设计问题 - 优化本地硬件系统的方法 我今年 18 岁，仍在学习关于合适 LLM 架构的知识，因此任何技术上的批评或建议都将帮助我作为开发者成长。如果你查看代码库或留下反馈，我将非常感激——我正在努力通过实际项目建立坚实的基础和声誉。 谢谢！

严肃的问题。<p>在政府或高度监管的企业之外，微软在2026年的核心价值主张是什么？<p>感觉很多采用都是继承来的——合同、合规、企业信任、现有组织的惯性。这不一定是技术偏好。<p>如果你今天从零开始，没有任何遗留问题，没有E5合同，没有沉没成本——有多少团队会真正选择完整的微软技术栈，而不是最佳工具组合？<p>想知道这里的人在全新建设中实际选择了什么。

嗨，HN，我是Taemin。我创建了LookTake，这是一个社交平台，用户可以分享美容、时尚和发型造型，任何人都可以使用AI将这些造型“取用”到自己的照片上。 我曾在韩国的一家游戏公司从事AI研究，专注于图形、视觉和图像生成。我在那里的内部图像生成服务中发挥了重要作用。在阅读生成式AI论文时，我接触到了虚拟试妆的研究，并意识到：人们最终会通过在自己身上看到产品来购物，而不仅仅是浏览模特的照片。我开始在周末进行实验。早期的结果虽然粗糙，但足够有希望，以至于我辞去了工作。 核心技术挑战是：当你使用图像生成模型将某人的造型转移到另一个人身上时，要么会失去你的身份，要么会丢失风格细节。你要求它转移特定的妆容，但它却给你一个完全不同的面孔，或者服装的图案和质感消失，或者发型显得平坦。仅依靠提示的方法并不够精确。 因此，我构建了一个多阶段的流程——物体检测、修复和其他几个步骤——以在准确转移风格细节的同时保留你的身份。 与预设滤镜或品牌目录试妆不同，用户可以从自己日常照片中分享风格，社区中的任何人都可以轻松尝试这些造型。它适用于三个类别：美容（妆容转移）、时尚（服装试穿）和发型（风格和颜色）。 大约一个月前，我在美国和韩国推出了这个平台。现在仍处于早期阶段，还有很多需要改进——希望能得到诚实的反馈。试妆的质量是否让人信服？ 演示链接： [https://youtube.com/shorts/mDLkiV3D4rI](https://youtube.com/shorts/mDLkiV3D4rI) iOS下载： [https://apps.apple.com/app/looktake-share-style-with-ai/id6752278266](https://apps.apple.com/app/looktake-share-style-with-ai/id6752278266) Android下载： [https://play.google.com/store/apps/details?id=io.looktake.app](https://play.google.com/store/apps/details?id=io.looktake.app)

我正在构建一个以聊天为主的社区应用，使用Bluesky的AT协议进行身份验证。 当前架构： - Electron客户端 - Spring Boot后端（单体架构） - 服务器/频道使用REST - 计划基于WebSocket的消息传递 作为一个独立开发者，我正在努力在简洁性和未来可扩展性之间找到平衡。 在什么情况下你会引入： - 单独的WebSocket网关 - 发布/订阅（Redis等） - 或者在一个Spring应用中保持所有功能，直到它崩溃？ 我很好奇其他人在早期是如何处理实时聊天系统的。 项目背景： [https://github.com/JohannaWeb/ProjectFalcon](https://github.com/JohannaWeb/ProjectFalcon)

我在2026年暴风雪期间的这个周末，花时间为这个网站 PostHotty.com 编写代码。如果你有任何问题，请随时问我，我很乐意回答。