我对人们使用蛋白质补充剂的经历很感兴趣，尤其是乳清蛋白。你们有定期使用吗？如果有，是出于什么原因开始的？
另外，对于那些不举重或不进行高强度锻炼的人，你们仍然会服用吗？你们在能量水平、恢复或整体健康方面有注意到什么好处吗？
很想听听不同的看法！
返回首页
最新
嘿，HN！<p>我们意识到，大型语言模型（LLMs）在生成像 React 这样超流行的库的代码方面表现出色。但在使用不太流行或新发布的库时，它们的表现就不尽如人意，这迫使我们依赖于已有的工具，阻碍了创新。<p>目前已经有一个为 LLMs 创建文档的标准（llmstxt.org），但根据我的经验，现有的实现效果并不理想。`llms.txt` 作为可用页面的良好索引，但在许多情况下，它们链接到的是 HTML 页面。这对于 LLMs 来说解析起来是个浪费（例如，Hono 的 [最佳实践](<a href="https://hono.dev/docs/guides/best-practices" rel="nofollow">https://hono.dev/docs/guides/best-practices</a>）页面大约有 37,000 个 tokens，而其核心内容的 Markdown 仅约 1,000 个 tokens）。<p>为了解决这个问题，我们构建了 Atlas Docs，这是一个服务加上 MCP 服务器，为各种库提供干净、适合 LLMs 的文档。<p>在后台，它从文档网站抓取页面，将其处理成标准化的干净 Markdown，并存储到数据库中。它使用现有的 `llms.txt`，标准化链接，并且至关重要的是，如果库没有提供索引，它会<i>生成一个干净的 `llms.txt` 索引</i>。<p>MCP 服务器通过 [模型上下文协议](<a href="https://modelcontextprotocol.io/" rel="nofollow">https://modelcontextprotocol.io/</a>) 公开处理后的文档。这使得 LLMs 可以列出、搜索和查询文档，并以干净的 Markdown 格式检索相关页面。<p>这为 LLMs 提供了生成更好代码所需的结构化、简明的上下文，根据我们目前有限的测试，这确实提高了与不太流行的库合作的成功率。<p>如果你在编程中使用 LLMs，试试看吧！你可以找到与任何支持 MCP 的客户端（如 Cursor、Windsurf、Cline、Claude Desktop 等）一起安装的说明。<p>我们正在积极添加更多库。如果你希望看到哪些库得到支持，请告诉我！
我们探索了将物理交互（翻转设备）与简约用户界面（可能是生成式的）相结合，以创建关注数字健康的上下文感知界面，而无需新设备。当前处于概念阶段，正在构建原型，并分享以获取反馈和使用案例。
嗨，HN，我是一名独立开发者，今天我推出了FeedMe，这是一款旨在帮助你重新掌控注意力的RSS阅读器。我非常希望能听到你们的反馈！
我发现自己在YouTube和X等平台的算法推荐中感到不堪重负，失去了对真正重要内容的关注。我怀念那些我能控制信息摄入的日子。FeedMe就是我的解决方案：一款让你重新掌控信息的RSS阅读器。
对于那些仍然重视RSS力量的人，FeedMe允许你订阅任何RSS源（文章、播客、YouTube频道/播放列表、子版块、新闻通讯，甚至是Hacker News）。你可以轻松搜索、过滤，标记已读/未读项目，并且可以静音某些源，以暂时隐藏干扰，按自己的节奏追赶进度。它还包括一个黑暗模式，方便舒适阅读，并且所有用户都可以进行设备同步。
静音功能对我来说是一个改变游戏规则的特性，让我能够专注于重要的内容，而不必担心取消订阅后可能错过的东西。这是关于从噪音中重新夺回注意力。
FeedMe最初是一个个人项目，旨在学习新的技术栈（我每年都会重建一次），但它逐渐成为了一个真正改善我生活的工具。现在我想与那些感到被算法推荐淹没的人分享它。
欢迎提出问题或批评。感谢你们的关注！
<a href="https://feedme.digital" rel="nofollow">https://feedme.digital</a>