最新

更改内容如下：<p>1) 更快的代理：现在在一个进程中创建多个TCP和UDP服务器实例（适用于Linux和Android）<p>2) 更好的数据包解析：DNS流量变得更加详细和稳健<p>3) 增加了更多的自动配置优化，并能够忽略某些端口<p>4) 许可证变更：从MIT迁移到GPLv3

免费获取来自全球领先科技公司的云积分、人工智能积分和开发者工具。

我创建了一个开源的Kubernetes操作器，用于自动化MLOps工作流中Jupyter Notebook的验证。它被称为Jupyter Notebook验证器操作器，旨在在Notebook进入生产环境之前捕捉潜在问题。 该操作器在隔离的Pod中运行Notebook，并能够将其与在KServe、OpenShift AI和vLLM等平台上部署的机器学习模型进行验证。它还通过将Notebook输出与“黄金”版本进行比较来进行回归测试。 我们的目标是提高Notebook在生产环境中的可靠性和可重复性。该操作器是使用Go语言和Operator SDK构建的。 我们正在寻找贡献者。欢迎参与开发更智能的错误报告、可观察性仪表板以及支持更多平台等功能。 GitHub: [https://github.com/tosin2013/jupyter-notebook-validator-operator](https://github.com/tosin2013/jupyter-notebook-validator-operator)

你好！希望以下内容足够不同以引起你的兴趣： 1) 我使用抽象语法树（Abstract Syntax Trees）让大型语言模型（LLM）修改现有代码。与Codex、Gemini CLI、Cursor等相比，它能够进行更有针对性的修改。如果你想了解更多，我写了一篇博客文章介绍我是如何做到的：<a href="https://codeplusequalsai.com/static/blog/prompting_llms_to_modify_existing_code_using_asts.html" rel="nofollow">https://codeplusequalsai.com/static/blog/prompting_llms_to_modify_existing_code_using_asts.html</a> 2) 我对令牌（tokens）进行双重收费。这创造了一个利润空间，当你发布应用时，可以从这额外的令牌利润中获利。一个对用户收费0.20美元的API调用，分解后是0.10美元给LLM提供商，0.08美元给你，0.02美元给我。我试图通过让收入在用户使用你的应用时自动产生，从而减少验证想法的摩擦。 3) 我建立了一个“市场”（Marketplace），你可以浏览人们创建的网络应用：<a href="https://codeplusequalsai.com/marketplace" rel="nofollow">https://codeplusequalsai.com/marketplace</a> 我想在AI世界中重新带回一种老派的网络氛围，让人们更容易创造东西，也能发现别人构建的小网站。我想知道是否可以通过将收入模型嵌入到你的网络应用中，来解决“微支付”（micropayments）这一从未真正起飞的想法。 4) 我设想未来的大规模软件开发将更加注重撰写清晰的任务单；我们都曾经历过撰写不佳的任务单、不明确的用例和模糊的需求。这个网站是我对未来用户体验的初步设想，在未来，撰写任务单可能会花费更多时间，尤其是在编码方面。 你觉得怎么样？ -- 一些关于幕后技术的快速细节：这个系统运行在3台Linode服务器上：1台应用服务器（Python/Flask），1台数据库服务器（Postgres），1台“Docker服务器”，用于托管你的网络应用。制作这个系统最困难的部分是让LLM编写AST代码，并设置运行它的基础设施。我有一个封闭的Docker环境，里面有Python和Node，一旦LLM响应代码修改请求，我们就在这个Docker中运行一个脚本以获取新的输出。例如，要修改一个HTML文件，它会运行一个Python脚本，将原始文件内容作为字符串输入LLM输出，LLM使用BeautifulSoup根据用户的请求对HTML文件进行修改。每种语言的定制程度都很高，目前我支持Python、JavaScript、HTML、CSS，并正在测试React/TypeScript（取得了适度的成功！）