最新

大家好！<p>我开发了Gemini Engineer，这是一个基于Gemini API的AI驱动命令行工具，专为软件开发者设计！<p>这个工具旨在通过AI辅助项目创建、文件管理和编码任务。目前仍在开发中，我非常希望能听到像你们这样的开发者的反馈。<p>请在GitHub上查看这个项目： <a href="https://github.com/ozanunal0/gemini-engineer">https://github.com/ozanunal0/gemini-engineer</a><p>请试用一下，并分享你的想法、建议或发现的任何bug。非常感谢！

我发现许多A/B测试工具要么对于简单需求过于复杂，要么将用户锁定在其生态系统中。如果你只是想要简单有效的A/B测试，而不想要冗余的功能，这可能会让人感到沮丧。 因此，我创建了Better-Experiments：一个旨在提升开发者体验和简化操作的开源A/B测试库。 其核心理念是让A/B测试的使用感觉像是使用功能标志，提供一个简洁的API。 目前版本为v0.1.1。我希望能获得大家的反馈： => 这个API在进行A/B测试时的使用体验如何？ => 你在现有A/B测试解决方案中遇到的最大痛点是什么？这个工具能解决哪些问题？ 自述文件中有一个路线图（更多存储适配器、统计显著性、简单的仪表盘UI）。 你会优先考虑哪些功能？ 我非常期待听到你的想法和经验！

我不想在浏览器中安装复杂的插件，因为它们会访问我的数据。我想自己构建一个，但我不知道从哪里开始。

几乎所有实现了指数级增长网络效应的约会应用都被Match Group收购，并随之变得糟糕透顶。这些应用的目的在于让你保持单身并不断花钱。我认为Bumble是唯一一个规模较大的独立应用，但他们也成功地让自己变得糟糕了。 那么，假设市场上确实存在对优质约会应用的需求，为什么还没有人开发出这样的应用呢？ 优质约会应用的定义：一个没有暗黑设计，能够让你找到约会和建立关系的应用。 一些想法： - 按照互联网的标准，市场已经非常成熟，人们没有动力去下载另一个应用。你永远无法从网络效应中获得足够的正反馈循环。 - 还没有人开发出一款好的应用。 - 大多数人由于某种原因与在线约会不兼容。也许他们更喜欢面对面约会。也许他们在外貌（或性格上）上不够吸引人，选择伴侣的能力差，自私自利，懒惰等等。因此，即使应用本身很好，用户也可能不合适，或许应用无法解决上述问题。

我在2013年开始了我的职业生涯。当时，我们在各种Python项目中使用ZeroMQ进行指标收集。Prometheus还不太流行，公司当时也没有使用它。<p>12年后，我正在一个项目中用ZeroMQ替换C++项目中的自定义发布/订阅层。现在还有其他你会使用的工具吗？

嘿，HN， 我制作了RAMsey——一个混乱的小桌面伴侣，它会“吞噬”你的文件，生成立方体，并在你与它互动时给予你成就。它就像Clippy、电子宠物Tamagotchi和数字熵的结合体。 它是用PyQt6构建的，支持动画移动、喂食行为和文件互动。你甚至可以把东西拖到它的嘴里，它会做出反应！ GitHub: [https://github.com/Githubuser1122bruh/RAMsey](https://github.com/Githubuser1122bruh/RAMsey) （演示视频和截图在README中） 我想制作一些有趣而搞笑的东西，让它驻留在你的桌面上，让你微笑——有点像2000年代初期那些奇怪的工具。非常欢迎反馈或功能建议！ 请在GitHub上给我留个星星！ 谢谢！

首篇经过同行评审的人工智能研究文章刚刚获得批准。人工智能的发展真是令人惊讶，竟然能够取代研究人员。 我最近在使用ChatGPT和Perplexity进行深度研究，撰写复杂的技术报告给我的老板。他非常喜欢这些报告，这大大减轻了我的工作负担，但我仍然对此有一些不满。这些工具都没有提供一个API，能够让我获得与应用程序相同质量的输出。 我希望能够对大型语言模型（LLMs）有更多的控制，能够与新推出的推理模型进行切换。 我不仅仅想要简单的提示→响应；我想要塑造推理的过程。包括提示的设计、过程的构建、模型应该经过多少层思考，以及LLM应该从互联网上提取哪些信息。 基本上，我想要以下几点功能： - 选择使用哪些LLM模型以及它们的组合方式 - 调整探索的深度或广度 - 指定报告格式：令牌数量、结构，甚至语气 - 显示在整个过程中使用的经过验证的来源 但我使用的大多数深度研究工具都不支持这些功能，或者存在一些奇怪的边缘案例。它们大多数是封闭系统/来源或面向最终用户的商业API，而不是开发者。 因此，我构建了Deep Research——一个完全可定制的开源深度研究框架。它旨在为希望全面控制研究过程的开发者提供便利，而无需从头开始构建一切。 它支持： - 多模型编排——可以插入自己的LLM或使用默认的（内置GPT-4.1） - 自定义深度和广度——可以将研究调节为浅层摘要或多层深度探讨 - 令牌级控制——定义输出的长度 - 透明引用——所有内容都可以追溯到其来源 - 内置网页搜索——集成JigsawStack的网页搜索，将检索与推理结合起来 它运行在Vercel的AI SDK之上，易于配置！ 这里有一篇完整的博客介绍： [https://jigsawstack.com/blog/introducing-jigsawstack-deep-research](https://jigsawstack.com/blog/introducing-jigsawstack-deep-research) 试试吧！期待听到其他黑客的反馈！有什么好的，坏的，或者令人担忧的地方。