最新

显然这看起来有些可疑，很可能是个骗局，为什么会出现在首页呢？

我们是来自 BitBoard 的 Connor 和 Ambar（<a href="https://bitboard.work">https://bitboard.work</a>）。BitBoard 是一个智能分析工作空间。我们为您提供基础设施和可视化层，以便利用人工智能分析数据。 今天，我们推出了可以让您和您的代理一起工作的仪表板。您可以将您的编码代理或 AI 聊天工具连接到 BitBoard，并构建实时报告。这里有一个演示：<a href="https://www.youtube.com/watch?v=HPl0K565a7c" rel="nofollow">https://www.youtube.com/watch?v=HPl0K565a7c</a>。 AI 工具将数据分析视为短暂的过程，这使得报告或协作变得困难。传统的商业智能（BI）工具并不是为 AI 用户设计的，因此它们只能附加聊天机器人，无法为您的代理提供有意义的控制。如今，软件可以比传统 BI 更清晰地呈现商业信息，但无论是传统 BI 还是聊天机器人都无法处理这些需求。 我们的原始产品是用于医疗保健行政任务的 AI 代理（<a href="https://news.ycombinator.com/item?id=44237769">https://news.ycombinator.com/item?id=44237769</a>），但客户不断将我们引向他们的数据分析问题：分散在不同来源的查询、到处漂浮的电子表格。我们不断构建工具来解决这些问题，最终这些工具逐渐演变成我们的产品。 我们遇到了几个问题。代理由于缺乏对业务的上下文而做出错误推断。它们无法被信任来做出决策，因为没有任何东西来检查它们的工作。而一个代理或一个人所发现的任何内容对其他人来说都是不可见的。在 BitBoard 中，人类和代理使用相同的数据原语进行交互，但获得的是为各自工作设计的工具。 我们正在构建仪表板，以改善人类的阅读体验。这些仪表板逐步利用智能——从代码或 SQL 查询开始，最终形成完整的嵌入式应用。人类和代理需要就数据的解释方法达成一致，因此我们允许双方共同贡献标准来源、实体和度量（使用您喜欢的语义模型或我们的模型）。每个答案都有来源，且相同参数的相同调用返回相同的结果。 展望未来，这些共享的原语使得长期运行的代理能够在企业内部运作，我们也在构建这些代理。代理需要一个可衡量的目标和验证其工作的方式。BitBoard 为其提供了这两者。代理会处理诸如指标漂移或漏斗泄漏的问题，并找出接下来的解决方案。它的工作成果将成为数据集、仪表板和团队可以观察和审核的追踪记录。 在技术上，我们正在构建一个协作引擎，能够为人类和 AI 提供同构更新，进行列式分析（我们使用 DuckDB 和 Apache Arrow），建立基础和验证基础设施，并支持长期运行的任务与代理容器和追踪记录。对于智能工作，我们非常喜欢应用大语言模型（LLM）的判断来发现问题，然后生成确定性软件来自动化这些问题。 欢迎您在 <a href="https://app.bitboard.work">https://app.bitboard.work</a> 尝试一下。（我们需要您的电子邮件以便为您设置账户）。 我们对在大语言模型时代数据分析和科学的变革感到兴奋，欢迎您分享您的想法！

我对Ultimate Guitar越来越感到沮丧，直到我决定尝试自己制作一个版本。令我惊喜的是，我发现了Freetar（<a href="https://github.com/kmille/freetar" rel="nofollow">https://github.com/kmille/freetar</a>），这是Ultimate Guitar的一个替代前端。当我将其作为渐进式网络应用（PWA）添加到手机上时，这立刻解决了我99%的问题。 由于我已经坐下来准备构建一些东西，我便制作了一个简单的Chrome扩展程序，用于将我所有的收藏迁移到Freetar。 希望这能为其他人免去Ultimate Guitar带来的烦恼。 免责声明：我与Freetar没有任何关联。