最新

我最近推出了 https://locas.dev，这是一个使用人工智能来回答房地产和商业中最关键问题的副项目：“这个地点适合我想做的事情吗？” **功能介绍** Locas.dev 接受一个输入——一个自然语言问题，例如： “芝加哥市中心是购买土地的好地方吗？” “迈阿密海滩适合开餐厅吗？” 然后，它会获取现实世界的地理标记数据，如学校评分、医院、警察局、餐厅、空气质量、交通节点、绿地，甚至花粉水平——使用自定义构建的 LLM + 规则引擎进行处理，并以结构化、可解释的方式进行回应。 每个答案包括： - 在服务、设施、交通、环境和竞争等维度上的评分 - 指向附近地标的 Google Maps 链接 - 以人类可读的方式呈现的优缺点分析 - 清晰的总结和最终判决 **技术栈** - 使用 Python、LangChain 和自定义向量查找引擎构建 - 基于 LLM 的推理，具有确定性的安全层 - 使用 Google Maps、OpenStreetMap 和公共数据集进行基础数据支持 - 完全无状态——每次分析仅需一个 GET 请求 **我为什么要构建它** 作为一名从事人工智能和教育工作的人，我经常面临选择“合适地点”的挑战，无论是用于项目、中心还是合作伙伴关系。现有的解决方案要么过于手动，要么基于地图，或者缺乏叙事推理。我希望能有一个像人类研究者或顾问那样思考地点的工具——但能够按需在几秒钟内提供结果。 **试用** 主页上有几个公开演示——欢迎您用自己的问题进行测试。 → https://locas.dev 非常希望听到来自 HN 朋友们的反馈！我特别想了解： - 您看到的潜在用例 - 您希望下一个推出的功能（例如，评分您自己的地址、邻里比较、投资建议） - 集成（Slack、Notion 等） 感谢您的阅读！ – Azhar

也许学生应该为在一个后工作社会中过上有意义的生活做好准备？

大家好，HN的朋友们，这里是Anders和Tom——我们正在构建一个由视觉大语言模型（LLM）驱动的端到端测试框架，以替代传统的网页测试。 我们知道关于不同浏览器代理的讨论很多。如果你尝试过其中的任何一种，你就会知道它们既慢又贵，而且不稳定。这就是我们专门为运行测试用例而构建代理的原因，并对此进行了优化： - 采用纯视觉而不是容易出错的“标记集合”系统（例如，你在浏览器中看到的那些彩色框）。 - 使用微型视觉语言模型（Moondream），而不是OpenAI/Anthropic的计算机，以实现显著更快和更便宜的执行。 - 使用两个代理：一个用于规划和调整测试用例，另一个用于快速且一致地执行它们。 我们的想法是，规划者构建一个总体计划，执行者则执行该计划。我们可以保存这个计划，并仅用执行者重新运行，以实现快速、便宜和一致的测试。当出现问题时，可以返回到规划者代理进行调整。 这个项目完全开源。我们非常希望更多的人试用，并告诉我们如何改进它。 代码库链接：[https://github.com/magnitudedev/magnitude](https://github.com/magnitudedev/magnitude)

嗨，HN， 我和我的朋友开发了一款AI工具，可以检测您收件箱中的紧急消息，并通过Telegram机器人发送通知。为了让您更方便快捷地回复邮件，Telegram通知中包含了建议的回复和推荐的操作。这是一个非常简单且实用的工具，我每天都在使用。如果您想成为我们的首位用户，请告诉我，这个工具是免费的，安装也非常快速。