最新

嘿，HN， 我开发了一个名为 gogg 的开源工具，使用 Go 语言编写，用于下载和备份你的 GOG.com 游戏库。 它是跨平台的，具有以下功能： - 可脚本化的命令行界面（CLI）和易于使用的图形用户界面（GUI） - 支持多线程和可恢复的下载 - 针对平台、语言、DLC 等的过滤功能 - 通过哈希值和总大小计算进行文件验证 你可以在 GitHub 上找到这个项目： [https://github.com/habedi/gogg](https://github.com/habedi/gogg)

嗨，HN！我们是来自Hyprnote的Yujong、John、Duck和Sung（网址：<a href="https://hyprnote.com" rel="nofollow">https://hyprnote.com</a>）。我们正在构建一个开源、以隐私为首的AI笔记应用，完全在本地运行。可以把它想象成一个开源的Granola。没有Zoom机器人，没有云API，数据永远不会离开您的设备。 <p>源代码：<a href="https://github.com/fastrepl/hyprnote">https://github.com/fastrepl/hyprnote</a> 演示视频：<a href="https://hyprnote.com/demo" rel="nofollow">https://hyprnote.com/demo</a> <p>我们之所以创建Hyprnote，是因为一些朋友告诉我们，他们的公司由于数据安全问题禁止使用某些会议记录工具，或者他们对将数据发送到未知服务器感到不安。因此，他们不得不回到手动记笔记的方式——在会议中失去专注，事后浪费时间。 <p>我们问自己：能否构建一个同样有用但完全本地化的工具？ <p>Hyprnote是一个桌面应用程序，可以在本地转录和总结会议。它同时捕捉您的麦克风输入和系统音频，因此您无需邀请机器人。它会根据您所做的笔记生成总结。所有功能默认运行在本地AI模型上，使用Whisper和HyprLLM。HyprLLM是我们从Qwen3 1.7B微调的概念验证模型。我们了解到，总结会议是一项非常复杂的任务，模型的原始智能（或权重）并不是那么重要。我们将在完成模型的第二次迭代后发布更多关于评估和训练的细节（目前还不是很好，我们可以做得更好）。 <p>Whisper推理：<a href="https://github.com/fastrepl/hyprnote/blob/main/crates/whisper-local/src/model.rs">https://github.com/fastrepl/hyprnote/blob/main/crates/whisper-local/src/model.rs</a> <p>AEC推理：<a href="https://github.com/fastrepl/hyprnote/blob/main/crates/aec/src/lib.rs">https://github.com/fastrepl/hyprnote/blob/main/crates/aec/src/lib.rs</a> <p>LLM推理：<a href="https://github.com/fastrepl/hyprnote/blob/main/crates/llama/src/lib.rs">https://github.com/fastrepl/hyprnote/blob/main/crates/llama/src/lib.rs</a> <p>我们还了解到，对于一些用户来说，完全的数据可控性与隐私同样重要。因此，我们支持自定义端点，允许用户引入公司内部的LLM。对于需要集成、协作或管理员控制的团队，我们正在开发一个可选的服务器组件，可以自托管。最后，我们正在探索如何让Hyprnote像VSCode一样工作，以便您可以安装扩展并围绕会议构建自己的工作流程。 <p>我们相信，以本地模型为驱动的隐私优先工具，将会开启现实世界AI应用的下一个浪潮。 <p>我们在这里，期待您的反馈！

这是一款网络应用，利用人工智能将任何书籍转化为可玩的文字冒险游戏。你可以选择你喜欢的书籍，决定你的选择，从而影响故事的发展。你甚至可以“重混”类型，比如将《沙丘》改编为黑色侦探故事。 <p>注意：仍在开发中，欢迎提出建议。

对于那些曾在交易所工作或建立过交易所、永续合约交易平台及类似项目的人来说，起点是什么？大多数项目有相似的机制，你们参考了哪些项目？希望大家能分享一些他们认为有帮助的资源。

最近我一直在使用 cursor 来处理一些（大部分）繁琐的工作，发现它在两个方面特别有用：保持文档的新鲜度和发现测试覆盖的空白。例如，我会问它“这个函数最可能出现什么样的错误？”它会建议一些我之前没有想到的边缘情况。 不过，值得一提的是，它并不是（可能）魔法，有时会产生一些毫无意义的测试案例，因此仍然需要一些批判性思维。 我很好奇大家都在用什么方法来保持文档和测试的可维护性？你们是依赖人工智能，还是采用传统的方法？

几周前（确切地说是6周前），我开始了一个内容策展的过程。简单来说，我选择了150个我认为相关的新闻源，包括Hacker News，并定期下载新内容，使用轻量级的语言模型进行预筛选，过滤掉我不感兴趣的内容（比如亿万富翁的戏剧、政治、招聘、筹款、天体物理学、商业软件等），然后使用一个类似Tinder的新闻应用手动筛选，依据一些内部标准：比如开源软件、人类撰写的鼓舞人心的文字、不喜欢定价按钮等。 基本上，我每周大约要滑动2500次内容，然后再深入研究那些我一眼就感兴趣的内容，这意味着我花了大量时间却收获甚微。 有没有什么聪明（或愚蠢）的想法可以让我做得更好？我希望继续这个过程，但现在这样太耗时了，我很快就会感到无聊……当然，我可以用大型语言模型自动化选择，但这并不是重点，我喜欢人类挑选的内容（尽管如果我知道怎么做，我可能会从自动过滤生成的内容中受益）。 谢谢 :)

嗨，HN，Xorq 的 Hussain 和 Dan 在这里。 经过多年的努力，我们终于决定解决计算资源在笔记本中有效但在生产环境中失效的问题。数据有像 Iceberg 和 Delta 这样的标准，但计算仍然一团糟——被困在笔记本中，团队间重复劳动，或者嵌入到自定义的 Airflow DAG 中。我们认为 Xorq 是 Apache Iceberg 的缺失对应物，但针对计算。 在过去的一年里，我们构建了 Xorq，一个*计算目录*，帮助团队*重用、发布和观察*跨引擎的转换、特征、模型和管道。 Xorq 的构建基础包括： - *Arrow Flight* (`do_exchange`) 用于高速数据传输 - *Ibis* 用于跨引擎表达树，序列化为 YAML - 一个可移植的 UDF 引擎，将管道编译为 SQL 或 Python - `uv` 使 Python 环境完全可重现 Xorq 的特点包括： - 类 pandas 的声明式转换，基于 Ibis - 多引擎执行（例如，DuckDB、Snowflake） - 作为可移植 Flight 端点的 UDF - 通过 flight_udxf 操作符提供可服务的转换 - 内置缓存和血缘追踪 - 可比较的 YAML 工件，非常适合 CI/CD Xorq 的应用案例： 自从我们上次重大版本发布以来，看到第一个 Xorq 的应用案例在实际中出现令人兴奋。所有这些都具备*Python 的简洁性和 SQL 的规模性能*。 - 特征存储（<a href="https://www.xorq.dev/blog/featurestore-to-featurehouse" rel="nofollow">https://www.xorq.dev/blog/featurestore-to-featurehouse</a>） - 语义层（例如 <a href="https://github.com/boringdata/boring-semantic-layer">https://github.com/boringdata/boring-semantic-layer</a>） - MCP + ML 集成（<a href="https://docs.xorq.dev/vignettes/mcp_flight_server" rel="nofollow">https://docs.xorq.dev/vignettes/mcp_flight_server</a>） 我们是开源的，学习速度很快。希望能收到关于哪些功能有用或缺失的反馈。感谢您提前尝试！ 查看 Xorq CLI 工具的演示：<a href="https://asciinema.org/a/730484" rel="nofollow">https://asciinema.org/a/730484</a> --- 开始使用 - Github: <a href="https://github.com/xorq-labs/xorq">https://github.com/xorq-labs/xorq</a> - Xorq 文档: <a href="https://docs.xorq.dev/" rel="nofollow">https://docs.xorq.dev/</a> --- 抢先体验 - Xorq 计算目录 UI 控制台： 查看这个互动的 Claude 演示，展示如何可视化 Xorq 计算目录，以加速 AI 计算的组合、重用和故障排除：<a href="https://claude.ai/public/artifacts/d2f00d2a-a3f9-4032-884e-d22f620a0ccf?fullscreen=true" rel="nofollow">https://claude.ai/public/artifacts/d2f00d2a-a3f9-4032-884e-d...</a>