返回首页
最新
大家好，
我想向大家展示我开发的这个应用，它是一个基于局域网的WebRTC婴儿监视器，可以通过WIFI将任何苹果设备连接在一起，这样你就可以把旧的iPad或iPhone变成婴儿监视器！
我对那些需要购买额外设备的可疑产品感到有些厌烦，这些产品可能会连接到中国的服务器，并在某个地方存储你的所有信息。
所以我想，如果没有服务器，我们可以直接使用现有的设备会怎么样呢？
我非常欢迎任何反馈！你需要两台苹果设备来测试，但模拟器也可以使用。
我是在阅读Cloudflare的《代码模式》文章后，构建了这个项目，并制作了自己的本地版本（链接如下）。
<p>与其进行MCP工具调用，LLM（大语言模型）直接针对自动生成的RPC客户端编写TypeScript代码。
// 请按照自述文件中的说明运行RPC服务器
<p><pre><code> mcp-rpc-runtime -r ./test-rpc -p 8080
</code></pre>
将带有类型导出的.ts文件放入：
// ./test-rpc/users.ts
export async function getUser(args: { id: number }): Promise<User> { ... }
<p>系统会生成一个类型化的客户端。LLM编写普通的TypeScript代码：
const [user, orders] = await Promise.all([
rpc.users.getUser({ id: 123 }),
rpc.orders.getHistory({ userId: 123 })
]);
<p>不需要MCP服务器。RPC运行时具有完整的系统访问权限，而LLM脚本在沙箱中运行，仅具有网络权限。
<p>原始本地代码模式： <a href="https://github.com/jx-codes/codemode-mcp" rel="nofollow">https://github.com/jx-codes/codemode-mcp</a>
运行时： <a href="https://github.com/jx-codes/mcp-rpc-runtime" rel="nofollow">https://github.com/jx-codes/mcp-rpc-runtime</a>
MCP桥接： <a href="https://github.com/jx-codes/mcp-rpc-bridge" rel="nofollow">https://github.com/jx-codes/mcp-rpc-bridge</a>
详细信息： <a href="https://jmcodes.tech/blog/mcp-rpc/" rel="nofollow">https://jmcodes.tech/blog/mcp-rpc/</a>
期待听到您对我们刚刚举办的一系列活动的反馈，这些活动是为了支持一个主权人工智能平台的推出。同时也想了解您对公民黑客行动主义未来的看法，以及您自己相关帖子的链接。在我的博客中，我进行了一些“沙发哲学”（当然是经过Apertus增强的），然后分析了十几个挑战的结果。请查看 <a href="https://log.alets.ch/111/" rel="nofollow">https://log.alets.ch/111/</a> 或查看源数据 <a href="https://siliconlovefield.bb.dribdat.cc/" rel="nofollow">https://siliconlovefield.bb.dribdat.cc/</a>。
嗨，HN，
我开发了StagePOS，这是一个完全免费的云POS系统，没有任何月费。
问题：
小型企业通常需要支付每月50到200美元来获得基本的POS功能，且往往被锁定在昂贵的专有硬件上。
解决方案：
- 100% 免费软件
- 兼容任何ESC/POS热敏打印机
- Stripe终端集成，标准费率（2.7% + $0.05）+ 平台费（$0.05）= 总计（2.7% + $0.10）
- 现金支付 = 零费用
- 基于云的实时同步
- 使用React + Node.js构建
功能：
- 支持多种业务类型（餐厅、酒吧、KTV、零售）
- 远程订单支持
- 实时销售报告（X/Z报告）
- Google OAuth身份验证
- 多租户架构
可用版本：
- 网页版：https://stagepos.com
- 桌面版：https://github.com/kyunghoon5/stagepos-desktop
目前桌面版仅支持Windows（Electron），但网页版可以在任何设备上使用。
为什么免费？我想为小型企业构建一些真正有用的东西，而不是从中榨取租金。
欢迎提问技术相关的问题！
技术栈：Electron、React、Node.js、mssql、Stripe终端SDK
自从大型语言模型（LLMs）问世以来，我惊讶于我学习的速度变得多么快。但我希望能有一个地方，能够真正跨多个来源（文档、书籍、网页）理解一个主题。
我正在构建Kerns来解决这个问题。空间是互动集合，让你可以：
1. 从摘要到高细节探索地图
2. 切换不同的表现形式（文本 → 播客）
3. 与一个能够同时搜索网页和文档的智能助手聊天
分享和探索社区策划的空间。
示例包括：保罗·格雷厄姆关于写作的文章、开放模型的比较，或当前新闻如美国签证变更和人工智能版权诉讼。你可以从一个查询和/或来源（PDF、电子书、HTML）开始创建自己的空间。
我正在尝试这种新格式，以便利用人工智能进行学习和理解。如果你觉得这对你有用，请给我反馈。