最新

嗨，HN，我是Raj。 我们大多数人花费大量时间寻找合适的工作、联合创始人和员工。我们在招聘网站上发布信息、搜索、联系、询问，但成功率非常低。这里有一个不成文的规则，那就是你必须建立自己的网络来处理这些事情。与此同时，你需要的人也在那边做着同样的事情。你们两个都在寻找，却都没有找到。 如果你只需声明你的需求，而有人为你寻找呢？ 这就是我所建立的——OpenMandate。你可以声明你的需求和你所提供的服务——比如，一个寻找气候科技联合创始人的高级工程师，或者一个需要了解分布式系统的后端工程师的初创公司。每个需求都会有自己的代理人。它会代表你与池中的其他代理人沟通，直到找到匹配的对象。你不需要浏览任何内容，只需声明并等待。 一切默认都是私密的。没有人能看到池中其他人是谁。除非双方都同意，否则不会透露任何信息。如果没有匹配？没人会知道你在寻找。再也不需要创建个人资料、为了互动而互动，或者在不想建立网络的情况下强迫自己去建立网络。 目前可用的内容： - openmandate.ai - pip install openmandate / npm install openmandate - MCP服务器支持Claude Code / Cursor / 任何MCP客户端 - github.com/openmandate

嗨，HN！我们在Moment[1]正在开发一个Notion的替代品，它既（1）功能丰富且支持协作，又（2）仅仅是普通的Markdown文件，存储在git中（严格来说是在jj中），保存在本地磁盘上。我们认为，僵化的SaaS用户界面时代基本上已经结束：编码代理（如`claude`、`amp`、`copilot`、`opencode`等）现在足够优秀，可以即时构建完全符合您需求的自定义用户界面。世界上最优秀的代理是编码代理，我们希望让人们能够简单地使用它们，例如，构建一些内部工具——但不妨碍协作。 Moment旨在填补这一及其他空白：为团队提供无缝的协作编辑，内置更强大的编程能力（包括从零开始的React集成），以及访问私有API的工具。 我们面临的许多挑战在于如何让协作编辑真正顺畅。我们发现，这比简单地将Yjs应用于前端要困难得多。我们之前对此进行了讨论，相关帖子[2]在HN上表现不错：关于协作编辑的谎言（截至目前352个赞）。除此之外，在第二部分中，我们将讨论我们发现协作在60fps下稳定运行的困难原因——其中一个原因是Yjs的ProseMirror绑定在每一次协作输入时都会完全拆解并重建整个文档。 我们希望您能试用一下！在这个阶段，甚至负面的反馈也是有帮助的。 :) [1]: <a href="https://www.moment.dev/" rel="nofollow">https://www.moment.dev/</a> [2]: <a href="https://news.ycombinator.com/item?id=42343953">https://news.ycombinator.com/item?id=42343953</a>

嘿，HN，我想分享一下我在Steel（我是创始人）构建的这个CLI和技能。 我在尝试在Railway上设置OpenClaw时，遇到了缺乏浏览器访问的问题，而这正是系统的核心组件。像OpenClaw和CC这样的代理在使用浏览器方面非常出色，但与代码沙箱类似，它们应该能够在后台并行控制这些浏览器，而不会被验证码阻止。 因此，我重新设计了agent-browser，这是最受欢迎的浏览器代理CLI，以便能够在Steel云浏览器会话中进行导航，从而实现大规模和无障碍的运行。 目前这是一种相对粗糙的实现，因为我们只是将agent-browser的二进制文件直接嵌入到CLI中，并使用一个更高级的TS解析器来路由/修改命令，但效果出乎意料地好；链接中的演示视频第一次就成功了，我只是复制/粘贴了视频内容。 GitHub仓库： [https://github.com/steel-dev/cli](https://github.com/steel-dev/cli) 非常希望能收到任何反馈或对您希望在这里看到的功能的想法！

嗨，HN，我是Ran。我构建了一个针对Qiskit的开源中间件包，利用经典后选择技术从深量子电路中过滤热噪声，而无需全局误差校正。目前近程量子计算（NISQ）的瓶颈是去相干死亡螺旋。当IBM在2023年在127个量子比特上证明“量子效用”时，他们使用零噪声外推（ZNE）从噪声中统计性地推测正确的期望值。我想看看深电路是否在明显的去相干崩溃之外保留可利用的统计结构。 工作原理：qgate添加了一个单一的辅助探针（O(1)的量子开销），其测量结果提供了一条轨迹评分。在经典后处理过程中，使用动态的伽尔顿风格阈值对测量结果进行排名，最低评分（最去相干）的轨迹将被丢弃。与基于对称性的后选择不同，这不依赖于已知的守恒算符。 压力测试：我在一个133量子比特的重六角晶格（IBM Torino）上进行了测试，ISA深度超过16,700个门（约37倍T1）。在这个范围内，期望值接近无限温度极限。经过轨迹过滤后，11.9%的测量结果显示出统计上显著的负能量偏移（δ = -0.0798）。 我已经在源可用评估许可证下发布了遥测数据、数学推导和代码库。 <p>代码库/文档：<a href="https://github.com/ranbuch/qgate-trajectory-filter" rel="nofollow">https://github.com/ranbuch/qgate-trajectory-filter</a> <p>故事/数据：<a href="https://medium.com/@ranbuch/beating-the-quantum-noise-wall-extracting-signal-from-a-133-qubit-processor-a1e8eb85e565" rel="nofollow">https://medium.com/@ranbuch/beating-the-quantum-noise-wall-e...</a> <p>安装：pip install qgate

部分首席财务官（CFO）通常同时管理10到20个客户。一个月的大部分时间并不是在进行实际的CFO工作，而是在工作之前的准备：从QuickBooks导出数据，清理CSV文件，重建数据透视表，追溯他人的公式逻辑，将数字复制到演示文稿中。对每个客户重复这一过程。 根本问题在于客户的数据存储在多年来逐渐形成的Excel工作簿中。嵌套的IF函数、脆弱的VLOOKUP、对创建者而言有意义的逻辑。在你能够回答财务问题之前，必须先理清这些文件。 BaseCFO直接处理这些工作簿，读取公式逻辑，规范化数据，并通过一个统一的仪表板展示所有客户的信息。无需在导入之前进行手动清理，也不需要登录15个QuickBooks账户来检查谁需要关注。 前五个工作簿免费，无需信用卡。 目前仍处于早期阶段，真诚欢迎反馈——特别是来自对Excel解析问题有强烈看法或在这一领域与从业者合作的人士。 <a href="https://basecfo.com/early-access" rel="nofollow">https://basecfo.com/early-access</a>

嘿，HN！在过去的几个月里，我一直在构建 t-req——一个基于 .http 文件格式的开源（MIT）可编程 API 引擎。我是一名工程师，曾与团队一起经历了从 Postman 到 Insomnia 的迁移，逐渐厌倦了学习专有的领域特定语言（DSL），而我们的代码库中已经有了 Vitest 和测试运行器。当代理编程工具进入工作流程时，简单性差距加大，切换上下文变得痛苦。因此，我围绕 .http 文件构建了 t-req，专注于使其可编程，而不仅仅是可运行。 我查看的每个 .http 工具都将该格式视为点击“运行”并读取响应的东西。我想将其视为引擎的输入。将请求写为 .http 文件——它们是纯文本，任何代理或编辑器都可以处理它们——然后可以从任何地方运行它们，使用任何运行器进行测试，并通过插件进行扩展。 一些功能： - 可以从任何界面运行——相同的 .http 文件可以在 TUI、CLI、VS Code、Cursor、网页或作为服务器中使用。 - 可以从任何测试运行器进行编程——@t-req/core 返回标准对象，像往常一样在 Vitest、Jest 或 Bun 测试中使用 expect()。 - treq serve 将您的集合暴露为可从任何语言调用的 HTTP 服务器。 Github: [https://github.com/tensorix-labs/t-req](https://github.com/tensorix-labs/t-req) 文档: [https://t-req.io/](https://t-req.io/)

嗨，HN， 在构建了几个 AI 代理系统后，我不断遇到同样的挫折：内存层要么是静态向量存储，要么是脆弱的提示黑客。检索过程不透明，遗忘发生在错误的时机，关联也无法自然形成。 因此，我放弃了之前的两个生产内存系统，构建了一个不同的东西。MuninnDB 是一个专门设计的认知记忆数据库，其中的记忆（称为记忆痕迹）是第一类公民，具备以下特性： - 通过重复共激活来增强（赫布学习） - 使用逐字的 ACT-R 公式随时间衰减 - 自动形成双向关联 - 跟踪自身的贝叶斯置信度 - 每次检索时返回完整的数学“为什么”解释 一切都作为一个静态的 Go 二进制文件运行（嵌入式 Pebble LSM 存储 + HNSW + BM25）。没有外部服务，没有 Redis/Postgres/Pinecone，也没有 LLM 在热路径中。一个命令（muninn init）会自动配置它与 Cursor、Claude Desktop、VS Code 以及任何其他兼容 MCP 的工具。 核心调用非常简单：Activate(context) 返回排名结果和可解释的评分。后台工作者在每次读取时处理学习和衰减。 GitHub: [https://github.com/scrypster/muninndb](https://github.com/scrypster/muninndb) 网站 + 文档 + 安装（单行命令）：[https://muninndb.com](https://muninndb.com) 快速 13 分钟演示视频：[https://www.youtube.com/watch?v=b29wl0ehrQI](https://www.youtube.com/watch?v=b29wl0ehrQI) 目前还处于早期阶段（alpha，约 10 天），但已经可以正常使用，我每天都在使用它。希望能收到任何在代理记忆、长期 RAG 或认知架构方面工作的人们的诚实反馈或问题。 谢谢！