返回首页
最新
我开发了DeepShot，这是一个利用滚动统计数据、历史表现和近期势头来预测NBA比赛的机器学习模型，所有数据都以简洁、互动的网页应用形式展示。
与简单的平均值或投注赔率不同，DeepShot使用指数加权移动平均（EWMA）来捕捉近期状态和势头，突显出球队之间的关键统计差异，让你了解模型为何偏向某一方。
该模型由Python、XGBoost、Pandas、Scikit-learn和NiceGUI驱动，可以在任何操作系统上本地运行，并仅依赖于来自篮球参考网站的免费公共数据。
如果你对体育分析、机器学习感兴趣，或者只是想知道算法是否能超越拉斯维加斯的预测，欢迎查看并告诉我你的想法：
<a href="https://github.com/saccofrancesco/deepshot" rel="nofollow">https://github.com/saccofrancesco/deepshot</a>
我一直在使用 ChatGPT 的 Codex，并在了解了一些它的独特之处后，形成了一套我很满意的工作流程，用于构建 next.js 应用（以及一些遗留的 WordPress 任务）。不过，我几乎从未听到有人提到 Codex。似乎几乎每个人都在使用 Claude Code。
话虽如此，我真的很想知道那些同时使用过这两者的人。你们觉得其中一个相比另一个有明显的优势吗？我在想是否有什么重要的方面我错过了，值得考虑将 Claude 作为替代方案。
我们是两位开发者，曾两次遭遇大型语言模型（LLM）成本问题，因此构建了LangSpend来解决这个问题。
首先：我们无法确定在我们的SaaS中哪些功能运行成本高，或者哪些客户给我们带来了最高的成本。这使得我们无法合理定价或发现费用失控的情况。
其次：在构建我们想法的原型时，我们在Claude 4（AWS Bedrock）上消耗了80%的1,000美元AWS信用额度，仅用了两个月，但我们对哪些实验在消耗预算完全没有可视化的了解。
因此，我们开发了LangSpend——一个简单的SDK，它封装了您的LLM调用，并按客户和功能跟踪成本。
它的工作原理：
- 封装您的LLM调用，并为其添加客户/功能元数据标签。
- 仪表板实时显示谁在消耗多少成本。
- 目前支持Node.js和Python SDK。
虽然还处于早期阶段，但已经解决了我们的一个问题。欢迎试用，并告诉我它是否对您也有帮助。
- [LangSpend官网](https://langspend.com)
- [文档](https://langspend.com/docs)
- [Discord社区](https://discord.gg/Kh9RJ5td)