最新

嘿，HN！<p>localtunnel 的服务器需要为每个客户端分配随机端口。这在 Fly.io 或严格的防火墙后是无法实现的。<p>我们用 TypeScript 重新编写了它，并在单个端口上添加了多路复用功能。它是开源的，且可以完全自托管。<p>如果你不想自托管，可以使用位于 *.pipenet.dev 的公共实例。<p>这个项目是在 Glama 为我们的 MCP Inspector 构建的，但它是一个通用的隧道，与我们的基础设施没有任何关联。<p><a href="https://github.com/punkpeye/pipenet" rel="nofollow">https://github.com/punkpeye/pipenet</a>

当你想到康懋达（Commodore）电脑时，可能会联想到C64、Amiga，或者80年代家庭计算机的黄金时代。大多数人并不知道，康懋达最显著的遗产其实是《侠盗猎车手》（Grand Theft Auto）。<p>这里的联系是：<p>* 许多最终参与制作《侠盗猎车手》的开发者，都是在康懋达的机器上磨练技术，学习如何优化代码、模拟人工智能以及挑战硬件极限。<p>* 他们在Amiga上早期的热门游戏《小绿人》（Lemmings）为团队提供了资金、技能和信心，使他们敢于进行更大的创意冒险。<p>* 这种经验直接促成了《侠盗猎车手》的创作，这个系列现在每年赚取数十亿美元，并主导着全球的游戏文化。<p>这是很多人都知道的事情吗？

我在 json.jobby-time.com 上创建了一系列基于浏览器的 JSON 工具： - 格式化器与验证器 - JSON 转 TypeScript 接口 - JSON 转 CSV - JSON 差异比较 - 路径查找器（点击任意值以获取其 JSONPath） 所有操作均在客户端进行，数据不会离开您的浏览器。 该工具使用 React + Vite + Tailwind 构建，欢迎反馈。

大家好！<p>我创建了Gitizi，这是一个开源的可执行提示库。由于大型语言模型（LLM）的工作流程始于执行提示，我想围绕这个基本单元为生成性人工智能构建一些东西。<p>就像是一个简化版的Github，用于提示。<p>我查看了不同的提示库，但它们仅限于复制粘贴。因此，我建立了一个平台，可以运行和编排提示。<p>我认为这很方便，因为不同的LLM在不同任务上的表现各异——用户可以在多个模型之间链接工作流程。<p>我创建了一种基于Laravel Blade的简单标记语言，用于定义提示块及其执行方式。<p>我计划在工作流程中实现MCP工具，但不想在没有外部反馈的情况下过度开发。<p>非常希望能收到关于用户体验的反馈，以及哪些功能能使其对你的工作流程更有用。<p>欢迎提问！