返回首页
最新
嘿，HN！我们是Empromptu.ai，一款构建AI应用的工具（每个应用内都内置了RAG、模型和评估功能）。
演示链接： [https://app.storylane.io/share/rtneodkf5i1l](https://app.storylane.io/share/rtneodkf5i1l)
我们创建Empromptu是因为在使用其他AI构建工具时消耗了成千上万的积分，却遇到了同样的问题：看起来很酷的原型或演示在真实用户面前崩溃。
问题不在于构建过程，而在于准确性。大多数AI应用的可靠性停留在60%左右，这对于原型来说可以，但在生产环境中是不可用的。我们意识到这些工具并不是真正的“AI应用构建器”，而是恰好使用了AI的网站构建器。
我们想先解决最棘手的问题：让AI应用实际可靠地工作。
我们的方法集中在我们称之为动态优化的技术上。我们的系统不是将每个可能的场景塞入一个庞大的提示中（这会让大型语言模型感到困惑），而是根据上下文进行调整。例如，一个旅行聊天机器人会自动知道在提到洛杉矶时要提到LAX，而提到多伦多时要提到Pearson。这种方法的准确率稳定在90%左右，而行业标准仅为60%左右。
但仅有准确性还不够，因为我们还需要解决构建者的差距：
- 简单构建器（如Lovable、Bolt）：创建静态网站，而不是AI应用。
- 复杂的机器学习工具：需要专门的团队，而大多数初创公司并没有（如Arize、Voxel51）——我们也听到过技术和非技术创始人表示这些工具非常复杂。
- 缺失的部分：构建应用的工具，其中AI是嵌入的功能。
因此，我们构建了内置优化的AI代理。用户只需输入他们想要构建的内容，我们的代理就会处理完整的开发流程：创建嵌入模型、RAG和智能处理的应用。您可以通过Netlify、GitHub部署到自己的基础设施，或直接下载，因为您可以在本地运行它。
结果是：初创公司、独立开发者和企业可以在不雇佣专门的机器学习团队的情况下构建AI应用或AI功能。
候补名单： [https://empromptu.ai](https://empromptu.ai)
我们非常希望听到HN社区的反馈——特别是如果您遇到过类似的准确性问题或对技术方法的看法。
大家好！<p>在我的空闲时间，我一直在做一个小项目，想和大家分享一下。<p>FavBox 是一个以本地为主的实验性浏览器扩展，旨在帮助你更轻松地管理书签，而无需依赖云存储或第三方服务。
网络可及性测试工具种类繁多，但目前我所知道的没有任何工具能够同时满足以下所有条件：
* 提供我所编写代码所产生问题的即时、最新反馈；
* 让这些反馈变得非常难以忽视；
* 扫描渲染后的页面（而不是源代码）。
因此，我开发了 Accented，这是一个满足上述所有标准的开源工具。
您可以在这里了解更多关于它的功能以及它与其他方法的不同之处：<a href="https://accented.dev/blog/2025-07-16-introducing-accented/" rel="nofollow">https://accented.dev/blog/2025-07-16-introducing-accented/</a>
这里还有一个可以让您随意探索的游乐场，无需安装任何东西：<a href="https://stackblitz.com/edit/accented-playground-react-ts?file=src%2Fmain.tsx" rel="nofollow">https://stackblitz.com/edit/accented-playground-react-ts?fil...</a>
自从Mozilla宣布停用Pocket以来，我开始寻找替代方案，包括为个人使用构建一个轻量版。但我的研究没有得到什么结果。<p>你们有哪些选择，正在如何过渡呢？