最新

你好！有没有人找到一个轻量级且响应迅速的文字处理器？我感觉自己已经使用同样臃肿的办公套件几十年了！（Libre/OpenOffice 或 MS）。我怀疑电子表格、类似 PowerPoint 的工具等的整合，削弱了文字处理器本该具备的简单性。 一个关键问题是能够打开 ODT 文件。我最近尝试过： - WPS：感觉臃肿，并且不支持 ODT - Abiword：停止支持 Windows - Atlantis：不支持 ODT

大家好！ 我开发了一个 TypeScript 语言服务插件，添加了对 .yaml 和 .yml 文件的原生支持，能够在 TypeScript 5 中实现完整的类型推断和自动补全。 我之所以制作这个插件，是因为我想将大型语言模型（LLM）的提示模板存储在源代码之外，但由于需要对每个换行符和引号进行转义，使用 JSON 变得不够实用，这降低了大文本的可读性。我想使用 YAML，但 TypeScript 默认不支持 YAML 文件的智能提示。这个插件解决了这个问题。 欢迎大家提供反馈或建议！该项目是开源的（MIT 许可证），欢迎贡献。

嗨，我是Sam，Mastra的联合创始人兼首席执行官，Mastra是一个TypeScript代理框架。我写了一本关于构建代理的书，想和HN的朋友们分享一下。 这本书叫做《构建AI代理的原则》。目前它有34章，148页，涵盖了大语言模型（LLMs）、提示、代理、工作流、RAG、评估、多代理、追踪、部署、MCP、工具使用以及其他一些主题。 这里的背景是，去年十月我们开始着手Mastra时，对AI工程几乎一无所知，只能在构建的过程中不断学习。 在一月份，我们开始参加当地的AI聚会。我们遇到了许多曾经和我们处于同样境地的人。我们不知不觉中从学生变成了老师。每当某个解释似乎能够被理解时，我们就会回家把它记录在我们的文档或博客中。 有一天，我的联合创始人Shane对我说，如果你写一本关于这些内容的书怎么样？ 我最初持怀疑态度，但尝试写了一个大纲后发现这很自然。因此，我花了接下来的几个周末，把我们的帖子整理成书的形式，并填补其中的空白。令人惊讶的是，这个过程很顺利。初版有92页，分为27个非常简短的章节。 我们原本打算把它命名为《AI工程的原则》，但一位创始人朋友说服我使用“代理”这个词，所以最终定名为《构建AI代理的原则》。 我们收到的第一个反应是惊讶。我们在之前参加的聚会上分发了这本书。 我们开始看到人们在社交媒体上发布书评。几位创始人朋友告诉我们，这本书改变了他们的代理架构或界面设计。一位从工程师转行的摄像师来到我们的办公室，拍摄了一部迷你纪录片。 人们经常问我们如何保持书籍的更新。我们其实并不太清楚。然后MCP和吉卜力工作室的事情发生了，我们知道需要更新书籍。 我在五月坐下来又写了一个周末，最终增加了50页。除了MCP和图像生成，还有很多关于网页浏览、工作流流媒体、代码生成、代理RAG的内容需要写。我们将书籍重新出版为第二版。 人们最常评论的一个地方是我引用了泄露的Bolt.new系统提示的部分摘录。这是许多人第一次看到生产级的提示。 这本书最近变得相当受欢迎。我们在AI聚会和会议上分发了数千本，甚至在LinkedIn（这个地方）上也引发了病毒式传播。 在实际操作方面，我是在Notion中写的书，然后粘贴到一个叫Vellum的桌面应用中，它可以生成ePub和PDF。亚马逊的KDP允许你上传这些文件并出版你的书（他们会为你打印）。拥有良好的持续集成/持续交付（CI/CD）流程很有帮助，文档和博客帖子作为内容管道中的中间产物也起到了作用。这意味着在写作时我可以从一个温暖的缓存中提取内容。这个过程感觉是O(n)而不是O(n log n)。 希望你们喜欢阅读，也请告诉我你们的想法！（你可能更想下载这本书，在你喜欢的阅读器中阅读，而不是使用GitHub的PDF阅读器） 我很快会开始第三版的写作，想知道哪些主题感觉缺失，如果有任何内容显得过时等等。

我是一名中级数据科学家，工作所在的公司项目进展非常缓慢。我花了很多时间在等待决策或批准上，而技术工作本身也并不具挑战性。我感觉自己的技能停滞不前，无法建立我想要的作品集或经验。 目前数据科学职位的就业市场相当糟糕（至少在我所在的德国是这样），所以换工作让我感到有风险。 对于那些经历过类似情况的人： - 当你的日常工作没有推动你进步时，你是如何保持学习和职业发展的？ - 有没有推荐的具体项目、开源贡献或副业技能值得关注？ 我正在努力平衡保持就业与维持职业发展的动力。非常希望能得到一些具体的建议，特别是来自那些经历过类似缓慢时期的人的意见。

我看到很多不同的博客文章，详细介绍了人们如何利用人工智能进行开发的各种方式。<p>有些人喜欢快速查询五个不同的提交以获取同一功能，然后去喝咖啡，最后再审查最佳提交。<p>另一些人则对“以工程师为中心”的工作流程情有独钟，这正是助手工具为他们提供的。<p>还有一些人则避免使用所有工具，因为他们曾因过度依赖人工智能而感到自己的技能退化。<p>此外，各种工具层出不穷，每周都有新工具发布。新的模型每一个都比前一个更便宜或更快，但也有相应的权衡。<p>那么，适合你的工作流程是什么呢？

你好， 我对人工智能代理的崛起既感到兴奋又感到恐惧。我们正在构建令人惊叹的工具，它们可以浏览网络，但我们却强迫它们在一个为人类眼睛设计的世界中导航。它们抓取屏幕并解析脆弱的DOM。 我们试图驯化它们，使其像人类一样行动。我认为这从根本上是错误的。目标不是让人工智能在人的水平上运作，而是释放它超越人类的潜力。 目前的道路是危险的。当来自OpenAI、谷歌等公司的代理开始大规模、高速浏览时，用户界面/用户体验等概念对它们将失去意义。整个网络模型都受到威胁。网站所有者正在失去对其网站使用方式的控制，而没有人提供真正的解决方案。W3C正在考虑这个问题，而我决定去构建它。 这就是我创建AURA（可供代理使用的资源声明）的原因。 这是一种开放协议，核心思想简单而强大：让网站所有者声明人工智能可以做什么和不能做什么。与其让代理猜测，不如网站提供一个简单的aura.json清单。 这将控制权还给网站所有者。这是从让人工智能抓取数据转变为被授予能力的过程。我们可以定义互动的规则。这使我们能够增加人工智能的能力，而不是让它们肆意妄为，而是给它们明确、结构化的路径可供遵循。 坦白说，我并不是一个硬核程序员；我更像是一个系统思考者。实际上，我广泛使用人工智能来帮助我编写AURA的参考实现。用这个工具来构建它自己的保护措施，感觉非常合适。 协议的核心、参考服务器和客户端都在GitHub上开源。你可以在5分钟内看到它的工作： 克隆并安装：git clone [https://github.com/osmandkitay/aura.git](https://github.com/osmandkitay/aura.git) && cd aura && pnpm install 运行服务器：pnpm --filter aura-reference-server dev 运行代理：（在新终端中）pnpm --filter aura-reference-client agent -- http://localhost:3000 "列出所有博客文章" 你会看到代理直接执行任务，没有涉及抓取或DOM解析。 GitHub仓库在这里：[https://github.com/osmandkitay/aura](https://github.com/osmandkitay/aura) 我不知道AURA是否会成为标准，但我相信提出这个问题并开始讨论是我的责任。这是未来网络的基础性问题，需要社区共同努力。 该项目采用MIT许可证。我全天候在这里回答问题并倾听你的反馈——特别是批评性的意见。让我们讨论一下。