最新

我很感激HN能够及时跟进技术新闻。<p>对于我的副业，我需要在市场营销、法律、销售等其他领域提升自己的能力。<p>所以我想知道是否有类似HN这样高质量的资源可以用于这些领域。

让我们从最简单的开始谈起：人工智能——有时候我感觉脚下的地面在崩塌，没有人能预测几个月后会发生什么，更不用说几年后的事情——未来是未知的。乌克兰、伊朗、委内瑞拉、加沙/巴勒斯坦、以色列、俄罗斯——还有台湾！这些冲突似乎遥远，却又如此贴近。美国政府！没有人能预测任何事情。别让我提欧洲的情况！股市！我们是在泡沫中吗？我应该卖掉吗？还是继续持有？科技的恶化。一切都变得缓慢且存在bug。到处都是广告、广告和垃圾！我们权利的侵蚀遍布全球。Palantir、Flock…… 我感觉自己已经发展出一种强烈的悲观世界观。这个世界正在走向糟糕。感觉令人沮丧，似乎无能为力。所以我只想知道：你们都是如何应对这一切的？你们是如何保持理智的？

嘿，HN！<p>在过去的几个月里，我一直在开发 Omni——一个工作场所搜索和聊天平台，能够连接到 Google Drive/Gmail、Slack、Confluence 等应用。它本质上是 Glean 的一个开源替代品，完全自托管。<p>我注意到一些组织觉得 Glean 价格昂贵且不够可扩展。我想要构建一个小型到中型团队可以自行运行的解决方案，因此我决定全部基于 Postgres（准确来说是 ParadeDB）和 pgvector。没有使用 Elasticsearch 或专用的向量数据库。我认为 Postgres 完全有能力处理所需的规模。<p>在您自己的基础设施上启动 Omni，只需一次 `docker compose up` 和一些基本配置以连接您的应用和 LLM。<p>它的功能包括：<p>- 从所有连接的应用同步数据，并构建 BM25 索引（ParadeDB）和 HNSW 向量索引（pgvector） - 混合搜索结合了两者的结果 - 聊天界面，LLM 可以使用工具搜索索引——不仅仅是基本的 RAG - 传统搜索界面 - 用户可以使用自己的 LLM 提供商（OpenAI/Anthropic/Gemini） - 支持 Google Workspace、Slack、Confluence、Jira、HubSpot 等的连接器 - 连接器 SDK 用于构建自定义连接器<p>Omni 目前处于测试阶段，我非常希望得到您的反馈，特别是在以下方面：<p>- 有没有人尝试过自托管工作场所搜索和/或 AI 工具，您的体验如何？ - 在更大规模下，使用仅 Postgres 的方法是否有任何顾虑？<p>欢迎提出任何问题！<p>代码地址：<a href="https://github.com/getomnico/omni" rel="nofollow">https://github.com/getomnico/omni</a>（Apache 2.0 许可）

我开发了一款用于静态网站的工具——适用于博客、文档和营销页面——它允许访客提问并从您的实际内容中获取答案。<p>您只需粘贴您的网址，它会爬取页面，将其索引到向量存储中，并提供给您一个脚本标签。该机器人仅根据您网站上的内容进行回答，并引用所使用的具体页面。<p>对于内容丰富的网站，访客有问题但不想通过导航进行查找时，这个工具非常有效。<p>技术栈：Rust，运行在Cloudflare Workers上，使用Vectorize和Cloudflare Queues。

当人工智能真的接管了它的工作时，你会感到惊讶吗？

目前大多数人工智能系统依赖于概率性回忆：RAG、嵌入和基于提示的记忆。这使得执行不变性、审计事实或保持推理与真实情况之间的清晰分离变得困难。我构建了一个最小的概念验证，展示了一种不同的方法：通过MCP访问的确定性符号记忆层。与其将“记忆存储在模型内部”，不如从一个明确的符号层即时解析知识。目标不是替代RAG或助手记忆，而是提供一个缺失的基础设施层：一个可控的知识支撑架构，用于人工智能系统。这个仓库展示了这一理念的最小可行形式。

我创建Axiom是因为我在自己手写的STEM笔记中反复遇到同样的问题。 在纸上，一切看起来都很整洁——方程对齐、步骤分组合理、表格清晰明了。但当我扫描这些页面并通过OCR（包括基于LLM的工具）处理时，结构就会崩溃。字符大多是正确的，但布局——实际上使数学可读的部分——却消失了。 对齐的方程会失去对齐，多步推导会合并成一个段落，编号的问题会混在一起，表格会变成普通文本。从技术上讲，它是“提取”出来的，但实际上在没有手动修正所有内容为LaTeX的情况下是无法使用的。 这个差距就是Axiom试图解决的问题。 我没有单纯关注转录的准确性，而是专注于结构的保留。当前的处理流程大致如下： 1. 从图像或PDF进行OCR。 2. 针对数学对齐、推导分组、编号块保留和表格检测特别调整的结构提示。 3. 一个后处理层，规范化LaTeX/Markdown输出，合并数学块，保护编号标记，并稳定表格列。 4. 导出为可编译的LaTeX、Markdown或可搜索的PDF。 最困难的部分不是确保字符的正确性，而是防止结构漂移——尤其是对齐的方程和多行推导。我添加了对齐模式检测、LaTeX环境的原子分页和规范化处理，以保持数学块在页面间的完整性。 我们的目标不是“AI转录”，而是让手写的STEM笔记在数字化过程中不失去其数学结构。 它完全在浏览器中运行： [https://www.useaxiomnotes.com](https://www.useaxiomnotes.com)