最新

嘿，HN， 我正在构建 mem.net，这是一个以文件为中心的 .NET 代理内存框架。在生产环境中，它可以扩展到 Azure Blob 和 Azure AI Search。但我希望本地执行体验能够准确反映这些生产级混合搜索能力，而不需要开发者启动一个庞大的向量数据库。 为了解决这个问题，我构建了 Retrievo：一个完全基于内存的混合搜索引擎，完全用 C# 编写。我现在将其集成为 mem.net 的默认本地搜索提供者。 Retrievo 的底层架构包括： - BM25 + 向量搜索 + RRF 融合 - 完全在进程内（无需外部基础设施） - 在标准 BEIR 基准上验证了检索质量 最终的结果是，您可以在进程内获得生产级混合搜索特性。 代码库： - [Retrievo](https://github.com/TianqiZhang/Retrievo) - [mem.net](https://github.com/TianqiZhang/mem.net) 我很想听听其他人如何处理代理架构的本地混合搜索。如果您对 C# 实现或 BEIR 基准测试有任何问题，欢迎提问！

上周我开始使用Claude Code。我的同事已经使用AI模型进行提示几个月了，他看了我发送的内容后表示完全不知道我在问什么。如果一个有经验的用户都无法理解，那么模型肯定也无法得到最佳的提示。 因此，我构建了flompt。这个想法很简单：与其将提示写成一整段文字，不如将其分解为可视化的输入块（角色、背景、目标、约束、示例、输出格式），然后排列这些块，并编译成针对你所针对模型优化的结构化格式。Claude使用XML，ChatGPT和Gemini使用Markdown，每种格式都是模型最佳处理的方式。 它还作为Claude Code MCP发布，这样你可以直接从编辑器构建和注入结构化提示，同时也作为Chrome扩展，作为侧边栏放置在ChatGPT、Claude和Gemini中。 我关注的几点： - 组装过程100%本地，编译期间没有任何数据离开你的浏览器 - 不需要账户 - 你可以粘贴一个粗略的想法，让AI自动将其分解为块 试试吧： [https://flompt.dev/app](https://flompt.dev/app) Chrome扩展：[https://chromewebstore.google.com/detail/mbobfapnkflkbcflmedlejpladileboc](https://chromewebstore.google.com/detail/mbobfapnkflkbcflmedlejpladileboc) [https://flompt.dev](https://flompt.dev)

这是一个相对简单的标准输入输出MCP服务器，为AI代理提供了一种更快速的方式来搜索任何基于Sphinx的文档。它构建Sphinx文本文档并在SQLite中进行索引（FTS5）。此外，还有一个可选的混合搜索模式，它创建嵌入和向量数据库（sqlite-vec），并通过RRF结合这两种方法，以获取最佳答案给您的代理。 我在多个不同大小和复杂度的代码库（如pandas、celery、cpython）上运行过这个服务器，结果让我对得到的答案感到印象深刻。

85%的自由职业者会迟收到款项。平均等待时间为逾期后的39天。 Chase是我为解决这个问题而开发的工具。您只需创建发票并发送，Chase会在第3天、第7天和第14天自动发送跟进邮件——一旦客户付款，跟进就会停止，无需手动发送“只是想确认一下”的邮件。 该工具使用Next.js 15、Supabase、Stripe（每张发票上都有支付链接）和Resend构建。Vercel Cron负责每日的催款工作。 免费计划：最多可发送3张发票。专业版：每月19美元，无限制。希望能收到任何曾遇到这个问题的人的反馈。