在决定针对哪些国际市场开展我的SaaS业务时，我经历了一番挣扎，因此构建了这个工具。<p>这是一个MCP服务器，可以连接到Claude、Cursor、ChatGPT Desktop、Windsurf以及任何兼容MCP的客户端。其背后使用了DataForSEO，提供来自172个国家的真实关键词数据，以及Claude进行市场分析。通过与您的AI工具的对话，您可以获得关键词机会、竞争数据和内容。<p>欢迎就MCP架构或DataForSEO集成方面的问题进行咨询。
返回首页
最新
我们将斯坦福大学的ACE（通过执行反馈学习的智能体）与反思语言模型模式相结合。不同于单次读取轨迹，LLM在沙箱中编写并运行Python代码，以程序化的方式探索这些轨迹，从而发现单次分析所遗漏的跨轨迹模式。该框架在τ2-bench上实现了2倍的一致性提升。
很多人都听说了谷歌计划阻止用户安装未由谷歌签名的APK文件的消息。但谷歌尚未改变主意。我在想这里是否有比我们更了解情况的人。如果这不是威胁，而是谷歌的真实计划，你们打算如何应对这种情况？
嗨，HN，
我开发了OpenGraviton，这是一个开源的AI推理引擎，旨在突破在消费级硬件上运行极大模型的限制。
该系统结合了多种技术，显著降低了内存和计算需求：
• 1.58位三元量化（{-1, 0, +1}），实现约10倍的压缩
• 动态稀疏性，结合Top-K剪枝和MoE路由
• 基于mmap的层流式加载，直接从NVMe SSD加载权重
• 预测解码以提高生成吞吐量
这些技术使得远超系统RAM的模型能够在本地运行。
在早期基准测试中，OpenGraviton将TinyLlama-1.1B的内存需求从约2.05GB（FP16）降低到约0.24GB，使用了三元量化。在140B规模的合成压力测试中，通常需要约280GB FP16的模型，在使用三元格式打包后，可以适应约35GB的内存。
该项目针对Apple Silicon进行了优化，目前使用自定义的Metal + C++张量解包。
基准测试、架构和详细信息：
[https://opengraviton.github.io](https://opengraviton.github.io)
GitHub：
[https://github.com/opengraviton](https://github.com/opengraviton)
大家好，我开发了一个名为 Outside In 的小型 iOS 应用（<a href="https://apps.apple.com/us/app/outside-in/id6759529344">https://apps.apple.com/us/app/outside-in/id6759529344</a>）。
这个想法很简单：你可以把一部闲置或旧的 iPhone 放在户外（如门廊、窗台或后院），而将另一部放在床边。户外的手机会捕捉外面的声音——如蟋蟀、雨声、风声，偶尔还有猫头鹰的叫声——并通过本地 Wi-Fi 将这些声音传输到室内的手机上。你可以将室内手机翻面放下，伴着这些声音入睡。
我之所以开发这个应用，是因为我和我的伴侣以前晚上会把窗户留一条缝，以便听到外面的声音，但外面的温度并不总是适合这样做。我希望能在不受天气影响的情况下，享受开窗时的声音。
一些技术细节：
这两部手机通过 Bonjour（NWListener/NWBrowser）相互发现，然后通过简单的 TCP 连接以长度前缀的格式流式传输 PCM 音频。音频为 48kHz 单声道 Float32。没有服务器，没有互联网，所有数据都保留在本地网络中。
应用中有一个语音抑制功能，利用苹果的 SoundAnalysis 框架在设备上检测人声并将其屏蔽。它使用一个滞后门控，关闭时的置信度阈值约为 55%，重新开启时约为 30%，并设有 3 秒的保持时间，以避免声音的抖动。增益的提升是按缓冲区呈指数级的，以避免点击声。效果出乎意料地好。人行道上的对话会被抑制，但你仍然能听到蟋蟀的声音。
室内手机使用加速度计检测其是否面朝下且静止（重力.z > 0.85 + 1.75 秒静止缓冲），然后逐渐增强音频。当你拿起手机时，音频会逐渐减弱。整个交互模型基本上是“放下它，忘记它”。
没有账户、没有云服务、没有分析、没有录音。零外部依赖。全部使用苹果的框架。免费，无广告，无内购等。我是为自己开发的，觉得其他人也可能会需要这个应用。
欢迎提问（不可避免会有人问“我为什么要在 X 城市听外面的声音？” :)）
嗨，HN — 我创建了SuperBuilder，这是一个开源平台，统一了代理编排、模型运行时、生成媒体和开发工具，使人们能够构建、运行和分享自主代理和AI应用程序。
<p>关键事实：
• 仓库：<a href="https://github.com/rupac4530-creator/super-builder-platform" rel="nofollow">https://github.com/rupac4530-creator/super-builder-platform</a>
• 31个集成适配器（LangChain、vLLM、Milvus、Diffusers、Blender、ROS2等）。
• 插件SDK + 示例，方便贡献者添加适配器。
• 一键命令Docker快速启动（详见README）和CI烟雾测试。
• 许可证：AGPL-3.0（保持衍生作品开放）。
<p>尝试一下：
1. 克隆仓库并按照README中的快速启动指南（Docker compose）进行操作。
2. 查看examples/以获取代理演示和集成示例。
<p>我希望从HN获得的反馈：
• 对架构、安全性和用户体验的诚实反馈。
• 对适配器的贡献者（标记为good-first-issue）和安全审查。
• 展示平台优势的演示流程创意。
<p>我会关注这个讨论线程，如果有人需要，我可以提供简短的操作指南（演示GIF、CLI命令或PR模板）。谢谢！
— Rupac
我正在寻找最佳的可观测性平台。我尝试过 DataDog、Better Stack 和 Site Qwality。它们似乎都差不多，有什么推荐吗？