最新

我创建了IndoorCo2map.com及其配套的（开源，MIT许可证）应用程序，旨在建立一个关于公共可接入建筑和公共交通中二氧化碳（CO2）水平的大型免费数据集，使用便携式CO2监测仪进行测量。 我们大约90%的时间都待在室内，但关于封闭空间空气质量的数据几乎没有。CO2在大多数地方是房间内呼出空气量的一个很好的代理，这与感染风险相关。高CO2水平还可能增加病毒的气溶胶稳定性，因此高水平的CO2也有直接的影响。除了感染风险，高CO2水平还可能降低认知能力（在暴露期间，而非永久性）并引起头晕、头痛等症状。 目前大多数现有研究规模较小，主要集中在家庭、医院或学校。在测试阶段，社区已经进行了超过10000次测量（每次测量时间在5到120分钟之间），据我所知，这已经使其成为同类数据集中规模最大的。目前，大多数用户来自德语地区，这与我本人是德国人以及我的社交网络主要是德语用户有关。 该应用程序不需要用户注册，并且可以与大多数常见的便携式CO2监测仪（如Aranet4、Airvalent、Inkbird-IAM-T1、Airspot Health）配合使用。对于其中一些设备，我不得不逆向工程蓝牙消息，更糟糕的是，Airvalent的数据并不是字节对齐的。 该应用程序使用C# MAUI构建，并能够跨平台编译到Android和Apple。我选择它是因为C#是我最熟悉的语言，同时也因为它可以在不拥有Mac的情况下部署到本地iPhone。后端使用队列服务器、无服务器函数（同样是C#）和PostgreSQL数据库，全部托管在AWS上。网站使用了maplibre、deck.gl和chart.js——我对网站开发并不熟悉，因此只是尽量保持简单。扩展到其他室内空气质量指标，如PM2.5，将是微不足道的，但目前拥有移动传感器的人数太少，无法值得投入精力。

大家好！我是Karan，Logchef的创始人（<a href="https://logchef.app" rel="nofollow">https://logchef.app</a>），这是一款专为探索存储在ClickHouse中的日志而构建的开源日志查看器。 这个工具直接源于我在日常工作中管理大量日志的经验。和许多组织一样，我们将日志工作负载迁移到ClickHouse以提高性能，但发现生态系统缺乏专门的用户界面工具来有效浏览和分析这些日志。 我们曾使用Metabase，虽然它在一般商业智能方面表现出色，但并不是为日志探索工作流程设计的。常见的问题包括： - 繁琐的临时查询：编写/修改原始ClickHouse SQL进行快速检查既慢又容易出错，尤其是在发生事故时。 - 可视化与原始日志之间的脱节：可视化趋势（如错误计数）后，再深入查看具体的原始日志通常需要单独的复杂查询，并且需要处理行限制。缺乏直观的“切片和切块”功能。 - 用户界面摩擦：选择精确的时间范围（如“过去90分钟”）、轻松查看周围日志上下文或处理被截断的列等简单操作增加了不必要的摩擦。 调试会话的时间比预期的要长。因此，在过去的3到4个月里，我构建了Logchef来解决这个问题。 Logchef的核心理念： - 专为ClickHouse日志而设计：从零开始为ClickHouse上的日志探索特定任务而设计，专注于速度和直观的工作流程。 - 与模式无关：Logchef不强制使用OTEL或任何其他模式。它可以直接连接到现有的ClickHouse日志表（只需要一个时间戳列）。带上你自己的模式！ - 专注于查看/查询：Logchef故意不处理日志收集/摄取。它与Vector、Fluentbit等优秀工具互补，专注于数据进入ClickHouse后的探索层。 - 简单的搜索语法：包括简单的查询语法（例如，`status=200 and path~"/api/"`），在后台转换为高效的ClickHouse SQL，并与Monaco编辑器集成。 技术栈：Go后端，SQLite用于元数据，Vue.js + shadcn/ui + Tailwind CSS前端。 你可以在这里尝试一个实时的公共演示：<a href="https://demo.logchef.app" rel="nofollow">https://demo.logchef.app</a>（它预填充了使用Vector生成的示例数据，因此你可以直接开始使用。使用Dex进行OIDC认证 - 凭据在登录页面上）。 接下来要做的事情和参与方式： Logchef已经在Zerodha内部使用，我正在推动今年发布v1.0。路线图包括警报、实时日志尾部和增强的仪表板等功能。 它是开源的（AGPLv3），我希望能吸引更多人关注，并建立一个社区。 查看代码库：<a href="https://github.com/mr-karan/logchef">https://github.com/mr-karan/logchef</a> 我非常希望听到你的反馈，无论是积极的还是消极的。请在GitHub上提交建议或错误报告！ 非常感谢，HN！

嗨，HN， <p>简而言之，Mirror AI 是一个跨平台的桌面<i>行动导向的语言模型（LLM）</i>。 它不仅仅是回复文本，还可以执行终端命令、移动文件、调用 API、发送电子邮件/消息、安排日历事件、查询数据库等，并且可以在一个请求中将这些步骤串联起来。</p> <p>我为什么要开发它 聊天机器人在回答问题方面表现出色，但在“好吧，现在去做吧”的时刻却停滞不前。 我在 ChatGPT 和我的终端/IDE/Gmail 之间复制粘贴的次数太多了，因此在红眼航班上，我开发了一个桥接工具，让 LLM 在权限层下执行任务。朋友们对此表示需求，功能逐渐增加，于是就有了现在的这个项目。</p> <p>它今天能做什么 - 文件与终端 – 读取/写入/重命名/压缩/执行文件，运行终端命令 - 生产力 – 草拟并发送 Gmail，创建 Google 日历事件，读取/写入 Notion，发布到 Slack/Discord/WhatsApp（通过 Beeper） - 开发与运维 – 查询 Postgres/Mongo，与 GitHub 互动，调用 AWS，curl 任何 REST 端点 - 搜索与生成 AI – 网络搜索（Perplexity），总结 PDF，生成图像/视频，保持长期记忆 - 通过 MCP（模块化命令协议）扩展以添加自己的技能 - 还有更多功能</p> <p>在添加了一些集成后，示例提示（复制粘贴）：</p> <pre><code> 在 Reddit 上搜索关于 LangChain 流媒体的讨论，总结一下，给我发邮件总结，并在明天的日历中预留 30 分钟。 或者 调查我的 AWS 账户，告诉我如何轻松省钱。还检查我的 MongoDB，并提出一些优化建议。 </code></pre> <p>它是如何工作的 - 桌面应用程序（macOS、Windows、Linux），使用 TS 编写 - 无 SaaS 后端：一切都在本地运行；外部调用仅连接到您配置的模型提供者（OpenAI、Claude、本地 Ollama 等） - 安全性：每个风险操作都需要用户的批准</p> <p>状态与路线图 - 免费的 alpha 版本下载：<a href="https://themirrorai.com" rel="nofollow">https://themirrorai.com</a>（请自备 API 密钥） - 计划在未来几个月内开源核心功能，如果有足够的兴趣 - 接下来：改进工作记忆、基于事件的触发器以实现自主响应，以及扩展集成。</p> <p>请求 请多多尝试，测试一些奇怪的边缘案例，寻找安全漏洞，并告诉我哪些地方不满意或希望它能做什么。我会在评论区查看大家的反馈。</p> <p>谢谢！ Sat</p>

是的，这个东西没有存在的理由，只是觉得好笑。