最新

你好，机器人爱好者们！ 我们正在构建 Ajime（[https://ajime.io](https://ajime.io)），旨在提供零配置和管道构建的体验。Ajime 是一个适用于边缘计算和机器人技术的 CI/CD 拖放式工具。只需链接你的 GitHub 仓库，我们将处理 CUDA 就绪容器的构建和部署，管理你的云端/本地数据库和计算资源（同时提供快速托管），并在云端提供安全的设备连接。就像搭建乐高一样简单。 无论你是要部署到 NVIDIA Jetson、Raspberry PI 还是其他任何基于 Linux 的系统单板计算机，Ajime 都能自动化整个管道——从 LLM 生成的 Dockerfile 和传感器驱动程序，到 NVIDIA Isaac Sim 验证。我们目前处于私人测试阶段，正在寻找工程师来帮助我们解决机器人 DevOps 中的“依赖地狱”问题。请查看演示并在 ajime.io 加入候补名单。

Grantvera 在 Google Sheets 上增加了细粒度的权限控制。<p>拥有者可以选择一个共享范围。在该共享范围内，拥有者可以明确选择哪些单元格是可编辑的，哪些是只读的，并且可以为可编辑单元格设置输入类型以进行验证。<p>受让人无法直接访问原始电子表格，而是通过一个受控的网页用户界面进行交互。每次写入都会在服务器端根据定义的可编辑单元格集进行验证，只有被允许的单元格才能通过 Google Sheets API 更新。<p>- 与 Google Drive 和 Sheets 的 OAuth 集成。 - 不存储电子表格内容。 - 所有写入操作在拥有者的授权上下文中执行。<p>电子表格仍然是唯一的真实来源。Grantvera 作为其上方的受限访问层。<p>欢迎反馈。<p><a href="https:&#x2F;&#x2F;grantvera.com" rel="nofollow">https:&#x2F;&#x2F;grantvera.com</a>

大家好。 简历和履历表存在一个根本问题：任何人都可以写任何内容。作为一个正在找工作的工程师，我一直在思考是否有更好的方法来区分真实的经验和创意写作，毕竟我是一名工程师，而不是创意作者。 我在考虑将类似于X的社区笔记模型应用于技能验证。这个想法是：工程师可以对彼此的简历进行“事实核查”——这不是正式的推荐，而是一个众包验证层，您可以像获得X的勾选标记一样获得技能的勾选标记。如果有人声称自己是Kubernetes的专家，那么与他们合作过的其他工程师（或审查过他们的开源贡献的人）可以验证或质疑这一点。此外，企业的面试过程往往重复繁琐，为什么我不能只进行一次面试，然后就被“全面面试”其他所有公司呢？ 我整理了一个粗略的原型来说明这个概念：https://skillverdict.com/ 我正在思考的一些问题（请随时提出更多问题）： 这个对工程师来说有多大帮助？ 这会产生一系列新的问题吗？（系统操控、偏见、积怨） 它能否超越个人网络进行扩展？ 公司是否会信任社区来源的验证？ 我很好奇你们对这个机制本身的看法，而不是原型。这样的机制会减少招聘中的摩擦，还是只会增加另一层噪音？

我昨天发布了这个内容，并继续进行开发。原帖收到了关于希望有更多特定领域角色的良好反馈，而不仅仅是通用的分析师/反对者原型。因此，我添加了这些角色。目前有35个角色，按照实际的专业结构进行组织： - 律所团队 — 诉讼律师 + 企业顾问 + 合规官 + 初级助理，由高级合伙人综合 - 医院团队 — 全科医生 + 专科医生 + 药剂师 + 医学伦理学家，由医学主任综合 - 编辑团队 — 记者 + 编辑 + 法律审查员 + SEO负责人，由主编综合 - 企业团队 — 首席财务官 + 首席技术官 + 首席营销官 + 法务，由首席执行官综合 - 初创团队 — 创始人 + 工程师 + 设计师 + 增长负责人，由投资者综合 - 咨询团队 — 战略 + 运营 + 财务 + 风险，由高级合伙人综合 每个角色都有一个针对其职能思维方式的特定系统提示——首席财务官谈论EBITDA和烧钱率，初级助理标记出合伙人遗漏的条款。 在版本2中还新增了： - 每次运行的温度滑块（精准 → 平衡 → 创意） - 后续问题 — 委员会会将之前的完整裁决作为上下文 - 中途终止运行并保留部分结果 - 导出MD/PDF - 将委员会配置以JSON格式导入/导出 - 每次完成会话后进行Webhook（与Zapier、n8n、Make兼容） 仍然没有后端。仍然完全在浏览器中运行。API密钥永远不会离开您的设备。 GitHub: [https://github.com/prijak/Ai-council](https://github.com/prijak/Ai-council) 实时链接: [https://council.gameinghub.com/](https://council.gameinghub.com/) 我真的很好奇：有没有人发现多模型审议在特定领域实际有用，还是它主要只是产生更长的错误答案？

嗨，HN，我是pmxt的维护者。 随着Polymarket最近收购DomeAPI，将其基础设施内部化，开发者在构建跨市场套利机器人、跟踪大户钱包或在预测市场中运行量化模型时，突然面临了一个空白。如果您在Polymarket、Kalshi或Limitless之间进行交易，您需要一个统一的API，以避免被锁定在单一交易所的生态系统中。 pmxt正是为了填补这个空白而出现的。