最新

嘿，HN， 我正在构建Hector，一个基于Go的声明式AI代理平台，使用A2A协议。这个想法很简单：你只需在YAML中定义一切，而不是编写代码来构建代理。 想要创建一个代理？只需编写一个包含提示、推理策略和工具的YAML文件，完成了。无需Python，无需SDK，无需复杂的设置。这就像基础设施即代码，但用于AI代理。 有趣的是，由于它是基于A2A（代理对代理协议）构建的，代理之间可以无缝沟通。你可以将本地代理与远程代理混合使用，或者让来自不同系统的代理协同工作。这有点像AI代理的Docker。 我之所以构建这个，是因为我厌倦了当前代理框架的复杂性。大多数框架要求你编写大量的样板代码才能开始。使用Hector，你可以专注于逻辑，而不是底层实现。 它仍处于alpha阶段，但核心功能已经可以使用。我希望能从任何在代理系统或多代理协调方面工作的朋友那里获得反馈。你们在当前方法中看到哪些痛点？ 代码库： [https://github.com/kadirpekel/hector](https://github.com/kadirpekel/hector) 非常感谢任何想法或反馈！

我创建了 pythonexercise.com，这是一个简单的方式，可以通过在浏览器中解决短小的练习来练习 Python。<p>这个网站仍在不断完善中，我非常欢迎大家提供反馈，告诉我可以改进或添加什么。<p>谢谢！

我认为BEP29存在三个主要问题：<p>1. 在长距离网络上带宽利用率非常低（类似于经典的Reno）<p>2. 没有强制要求进行流量调节<p>3. 在部署主动队列管理（AQM）时，无法保持低优先级

我建立这个网站是为了展示我咖啡样品烘焙机的数据驱动模型。<p>经过大约20批次的烘焙后，我意识到虽然控制界面直观（加热、风扇和鼓转速），但物理原理却并不容易理解。我希望利用我历史的烘焙数据来创建和调整一个模型，以便进行烘焙规划、控制，并帮助我建立对烘焙过程的直觉。这个网站让你可以在一个虚拟、无风险的环境中与我的烘焙机进行互动！<p>这些模型是定制的机器学习模块，遵循烘焙机物理和咖啡豆物理（这不是基于GPT/变换器的）。涉及大量数学。<p>模型是基于大约十几次真实的烘焙数据进行训练的。默认的咖啡豆模型是埃塞俄比亚的古吉豆。<p>我的下一步是添加其他烘焙机以及练习控制/参考跟踪的功能。

<a href="https://github.com/facebook/openzl" rel="nofollow">https://github.com/facebook/openzl</a><p><a href="https://arxiv.org/abs/2510.03203" rel="nofollow">https://arxiv.org/abs/2510.03203</a><p><a href="https://openzl.org/" rel="nofollow">https://openzl.org/</a>