最新

大家好，我是Madjid。 从我十几岁的时候起，我就有两个最爱的事情：工程和弹钢琴。最终，我成为了一名软件工程师。毕业后，我意识到朝九晚五的工作并不适合我。唯一的解决办法就是自己开发软件。但我不知道该创造什么，也不知道为谁去开发。 经过几个月的挣扎（因为每个好故事都需要一些波折），我看到了一句名言：“如果你想开发能帮助他人的软件，就从你自己遇到的问题开始。” 这让我想起了我大学时期教钢琴的经历。组织课程、安排时间和兼顾学业是一件麻烦事，我从未找到一个能简化这一过程的工具。 我进行了调研，惊讶地发现即使到了2025年，教练们仍然依赖像Calendly和Linktree这样的工具，而这些工具并不理想。于是，我决定开发一个工具，帮助教练节省时间，消除手动排课、无尽的消息沟通和支付麻烦。 我对此非常认真，因为我知道这是一个真实的问题。经过三个月的努力，我终于推出了这个工具： - 自定义作品集以展示课程 - 一次性和定期课程的预订系统 - 允许学生在预订时付款 - 用户友好的界面管理预订 - 关键指标的概览 - 新预订和取消的电子邮件通知 现在是个快乐的结局。在推出测试版后，我们获得了一些满意的用户。令人惊讶的是，尽管这个工具只是一个网站构建器和预订系统，他们的预订量都增加了。 我们的一位测试用户给我发来了这样的反馈：“在设置好我的网站并在社交媒体上分享后，我立刻开始获得更多的预订，仿佛人们之前并不知道我提供这个教练服务。” 经过研究，我意识到教练们主要是在社交媒体上分享他们的作品集。许多潜在客户避免预订，仅仅是因为打电话让他们觉得麻烦。听起来很奇怪，但这确实是真实的。 正是因为在线预订更方便，他们才决定进行预订。

我挑战自己在一个星期天重现Perplexity.ai的核心体验，这个被称为“谷歌杀手”的公司估值达到90亿美元，使用的是OpenAI最新的网络搜索能力和一个简洁的前端。<p>结果是：notperplexity.ai<p>在技术层面上，它将OpenAI的新响应API与网络搜索工具结合在一起。有时它很有用，但大多数时候只是一个借口，让我看看基础技术的发展程度。这确实引发了一个问题，即像Perplexity这样的点解决方案如何能够继续成长。

嗨，HN！ AI产品排名让您可以搜索主题和产品，并查看OpenAI、Anthropic和Perplexity如何对它们进行排名。您还可以查看每个排名的引用来源。 我们对AI如何决定推荐产品很感兴趣，尤其是在它们积极搜索网络的情况下。现在我们可以通过API检索引用来源，我们可以更深入地了解各种模型使用了哪些来源。 这变得越来越重要——Guillermo Rauch表示，ChatGPT现在约占Vercel注册用户的5%，在过去六个月中增长了5倍。 看到模型从一些相对奇怪的来源获取信息真是令人着迷；一个假设是，大多数高质量来源已经选择退出训练数据，留下了相当独特的长尾引用。例如，搜索汽车品牌时，引用来源包括Lux Mag和针对雪佛兰电池的集体诉讼。 我们希望您能试一试，并告诉我您的想法！您还想看到哪些其他数据？ [1] [https://x.com/rauchg/status/1898122330653835656](https://x.com/rauchg/status/1898122330653835656) [2] [https://productrank.ai/topic/car-brands](https://productrank.ai/topic/car-brands)

我相信很多人都对此有所了解，但在找到（或构建）一个在PyTorch中有效的模型与将其部署到应用程序之间，存在着一个棘手的鸿沟，尤其是在面向消费者的应用程序中。 我一直对以良好的开发者体验解决这个问题非常感兴趣。随着时间的推移，我逐渐意识到，最有影响力的事情是找到一种方法，将现有的Python代码转化为一个自包含的本地二进制文件——换句话说，就是一个Python编译器。 我对一个成功的尝试已经相当熟悉：当苹果在iPhone 5s上引入armv8时，他们迅速要求所有应用程序支持64位。Unity——我从11岁开始编程的地方——因此遭遇了麻烦，因为他们使用Mono来运行开发者的C#代码，而Mono不支持64位ARM。最终，Unity构建了IL2CPP，它将C#中间语言转译为C++，然后进行交叉编译。到目前为止，这可能是我认为Unity所取得的最惊人的技术成就。 我开始着手构建类似的东西，但这次是从Python出发。考虑到该语言的动态特性，这个问题相当困难。关键的突破是PyTorch 2.0的发布，他们开创性地使用符号追踪来支持`torch.compile`。简而言之，他们向Python解释器注册了一个回调（使用CPython的帧评估API），用虚假的输入运行一个函数，并记录下函数中发生的所有事情的IR图。 一旦你有了IR图，就可以通过在程序中传播类型信息，将其逐步转化为C++/Rust代码（具体示例请见博客文章）。现在正是拥有这一基础设施的最佳时机，因为大型语言模型（LLMs）可以完成编写和验证所需操作的所有繁重工作。 无论如何，我想分享这个概念验证并收集反馈。使用Function非常简单，只需用`@compile`装饰一个模块级函数，然后使用CLI进行编译：`fxn compile module.py`。 总结：在不需要学习Rust的情况下获得Rust的性能；）

嗨，HN， Postgres Pro 是一个开源的模型上下文协议（MCP）服务器，旨在支持开发过程的每个阶段。 它的功能远不止于生成和运行 SQL——它帮助确保您的应用程序和数据库能够良好运行。 特点： - 工业级的调优算法，类似于 MS SQL Server 中的算法 - “假设如何？”工具，用于评估 LLM 生成的索引建议 - 与 Cursor 等工具协作，修改 ORM 代码 - 通过限制模式确保安全的 SQL 执行 - 包含健康检查，以提前应对生产问题

我一直觉得，当有人能够通过合理的猜测做出可信的估算时，这非常酷。最近我了解到，这种方法有时被称为“费米估算”，以著名物理学家恩里科·费米的名字命名，这也是他著名的费米悖论所使用的技术。 你可以利用几个滑块和固定的量（例如每年的周数）构建一个粗略的逻辑链，目标是尽量接近真实答案的数量级。数学很简单；思考才是关键。 期待反馈。

Prose AI 不仅仅是语法检查工具——它提供更智能的结构、语气和流畅度建议。它不仅是一个工具，更是你写作的得力助手，帮助去除冗余，提升清晰度。