24小时热榜

嗨，HN，我是来自Gigacatalyst的Namanyay（链接：<a href="https://gigacatalyst.com">https://gigacatalyst.com</a>）。Gigacatalyst允许销售、客户服务和用户构建一次性功能，使您的SaaS能够支持长尾客户的工作流程，同时工程师不必偏离产品路线图。 当您向大型企业销售软件时，您会意识到每个客户都需要自己的工作流程和功能。传统上，这意味着要么需要漫长的工程路线图，要么客户最终只能使用变通方法。 但如果<i>每个人</i>都能通过与AI对话来构建他们所需的关键功能呢？这正是我们在Gigacatalyst所做的。我们为您的客户、客户服务团队和销售团队提供一个AI定制层，使他们能够在完全不需要工程师的情况下构建这些缺失的关键工作流程。想象一下Lovable，但它是基于您的平台构建的。 我们连接到您产品的API，学习您的数据模型和设计系统，让非技术用户通过自然语言在您的产品内、您的品牌下构建受管控的应用。 以下是它在实际操作中的样子：<a href="https://www.youtube.com/watch?v=_taSpSphH6E" rel="nofollow">https://www.youtube.com/watch?v=_taSpSphH6E</a> 我们的一个客户，一家B轮公司，看到他们的用户（<i>不是工程师</i>——经理、运营人员、设施主管）构建了以下关键工作流程： - 零件缺货预防：一位维护经理输入<i>“根据过去90天的使用情况，显示接下来两周内哪些零件将会缺货，并考虑供应商的交货时间。”</i>该应用跟踪消耗速度，预测缺货，并在为时已晚之前发出警报。他表示，这避免了约50万美元的紧急停机。 - 发票OCR从手机照片：技术人员经常丢失纸质发票。提示是：<i>“上传发票照片，提取供应商名称、日期、金额和项目，然后与采购订单匹配并标记差异。”</i>现在技术人员可以在现场拍照，自动添加到记录系统中。 - 餐厅紧急分诊：一家披萨连锁店的设施经理被维护请求淹没。他建立了一个优先级矩阵：“走进冷冻库不制冷”自动标记为紧急，“餐厅灯闪烁”标记为低优先级。他现在能够以正确的优先级管理积压的请求。 Gigacatalyst的工作原理如下： 1. 代理API发现：我们的代理会浏览您的应用，解析您的端点、查询参数、请求/响应格式和示例数据，以构建基础层。 2. 生成与验证：当用户描述他们想要的内容时，我们的AI会生成一个应用。我们设置了多个验证步骤，包括静态检查、运行时错误分析和LLM作为评判。 3. 沙盒和编译：我们编写了自己的编译和沙盒框架，以获得最快的速度和最低的成本。这意味着用户可以在几秒钟内与构建的应用进行交互。 4. 代理层：我们为所有API创建了一个代理层，以处理身份验证、租户隔离和速率限制。代理可以访问的所有内容都受到控制、记录、观察和版本控制。 经过2000多名日活跃用户、900多个构建的应用和70%的30天留存率，今天我们开放了公共演示。 试试吧：<a href="https://app.gigacatalyst.com">https://app.gigacatalyst.com</a> - 输入您SaaS产品的API URL（或仅输入首页）并开始提示。 如果您服务于多种用例，您可能会处理大量自定义请求，而Gigacatalyst将为您节省时间并增加收益。请在<a href="https://gigacatalyst.com/#contact">https://gigacatalyst.com/#contact</a>预约会议，我将帮助您的团队和客户在您的平台上构建新功能。 我从12岁开始就一直在阅读Hacker News。我很自豪能为大家推出这个产品，并希望听到您对我的产品的反馈和评论！

大家好，我们是Alex和Tyler，Voker.ai的联合创始人（<a href="https://voker.ai">https://voker.ai</a>），这是一个为人工智能产品团队提供代理分析的平台。Voker能够全面了解用户对代理的需求，以及代理是否满足这些需求，而无需深入查看日志。我们的主要产品是一个轻量级的SDK，具有与大型语言模型（LLM）堆栈无关的特性，专为代理产品而设计。（<a href="https://app.voker.ai/docs">https://app.voker.ai/docs</a>） 代理工程师和人工智能产品团队在生产环境中对代理性能的可见性不足，这导致了糟糕的用户体验、用户流失，以及数百小时的时间浪费在通过抽查来发现和调试代理配置问题上。 演示：<a href="https://www.tella.tv/video/vid_cmoukcsk1000i07jgb4j65u67/view" rel="nofollow">https://www.tella.tv/video/vid_cmoukcsk1000i07jgb4j65u67/view</a> 我们最近对YC创始人进行了调查，超过90%的受访者表示，他们知道代理在生产中是否未能满足用户需求的唯一方式是听到客户的投诉。他们会推送提示更改，希望能解决问题，而不破坏其他地方的功能，结果这一循环不断重复。 我们看到许多可观察性和评估产品涌现出来，试图解决这些问题，但我们仍然觉得代理监控堆栈中缺少一些东西。可观察性工具适合单个追踪调试，但仅对工程师可用。评估工具适合测试已知问题，但无法提供团队未预料到的趋势洞察，因此工程师总是处于追赶状态。传统的产品分析工具在跟踪产品表面上的点击和页面浏览方面表现良好，但并不是专门为代理产品构建的。了解用户希望从代理中获得什么，以及代理是否满足这些需求，需采用特定的对话智能和非结构化数据处理技术。 我们提出了意图、修正和解决方案的代理分析原语，以描述几乎所有对话代理的共同点：用户总是带着意图来与代理互动，用户可能需要在实现其意图的过程中纠正代理，希望每个用户的意图最终都能被代理解决。 Voker通过自动注释单个对话并提取用户意图和修正来处理LLM调用。Voker利用这些信息，结合LLM和层次文本分类，创建动态类别，提供更高层次的洞察，这样您就不必逐个阅读对话即可了解用户的主要使用模式。 我们看到的最常见替代解决方案是将观察日志上传到Claude或ChatGPT，并请求总结洞察。这存在一些问题——主要是LLM在数学或数据科学方面表现不佳，因此您无法获得准确或一致的统计数据。LLM很可能会对某些洞察过拟合，而对其他洞察欠拟合。LLM并不是以编程方式读取和分类每个单独的会话或交互。这就是为什么我们不使用LLM进行任何核心数据工程（处理事件、计算统计数据），以确保我们生成的分析是一致、可重复和准确的。 我们提供一个公开可用的轻量级SDK，封装了对OpenAI、Anthropic和Gemini的LLM调用，支持Python和Typescript。Voker负责数据工程，将原始数据转化为可用的分析原语和更高层次的洞察。 免费套餐：每月2000个事件，需注册邮箱。付费计划起价为每月80美元，提供30天免费试用。 我们希望了解您目前是如何检测趋势的，如果您尝试Voker，请告诉我们我们分析的哪些部分对您有价值，以及哪些部分仍然感觉缺失。感谢您的阅读，我们期待您在评论中的反馈！

嗨，HN，我们是Sai和Aayush，我们正在构建Hypercubic（<a href="https://www.hypercubic.ai">https://www.hypercubic.ai</a>），旨在将人工智能工具引入主机和COBOL世界。（我们去年做过一次Launch HN：<a href="https://news.ycombinator.com/item?id=45877517">https://news.ycombinator.com/item?id=45877517</a>。）今天，我们推出了Hopper，一个用于主机的自主开发环境。 您可以在这里下载：<a href="https://www.hypercubic.ai/hopper">https://www.hypercubic.ai/hopper</a>，您还可以申请访问并立即获得一个主机用户帐户进行体验。 此外，还有一个视频演示可在<a href="https://www.youtube.com/watch?v=q81L5DcfBvE" rel="nofollow">https://www.youtube.com/watch?v=q81L5DcfBvE</a>观看。 主机仍然在许多关键基础设施中发挥着重要作用：银行、支付、保险、航空公司、政府项目、物流以及大型机构的核心运营。许多这些系统已有数十年历史，但它们仍能处理巨大的交易量，因为它们可靠、安全，并深深嵌入业务运营中。 很多软件是用COBOL编写的，并运行在IBM z/OS上。开发环境与现代云或Unix风格的开发有很大不同。开发人员通常通过TN3270终端会话、ISPF面板、分区数据集、JCL、JES队列、输出缓冲、返回代码、VSAM文件、CICS事务和特定于商店的约定进行工作，而不是使用GitHub、命令行、包管理器和CI管道。 TN3270是与许多IBM主机系统交互的终端接口。ISPF是开发人员在该终端内使用的菜单和面板系统，用于浏览数据集、编辑源代码、提交作业和检查输出。它功能强大且可靠，但设计是为了让专家在屏幕、功能键和固定宽度工作流程中导航，而不是为AI代理设计的。 一个简单的COBOL修改可能需要找到正确的源成员、检查复制书、定位编译JCL、提交作业、读取JES/SYSPRINT输出、解释条件代码、修补固定宽度源代码并重新提交。 这项工作中的许多部分定义明确且重复性强，非常适合自主AI。然而，要实现这一点，仅仅在终端旁边放一个聊天机器人是不够的。代理需要在主机环境中操作。 Hopper结合了三项功能：（1）一个真实的TN3270终端，（2）针对数据集、成员、作业和输出缓冲的主机感知面板，以及（3）一个可以跨越这些z/OS界面操作的AI代理。 例如，以下是Hopper可以帮助调试的一个小示例： ``` COBOL: IDENTIFICATION DIVISION. PROGRAM-ID. PAYCALC. DATA DIVISION. WORKING-STORAGE SECTION. 01 CUSTOMER-BALANCE PIC 9(7)V99. PROCEDURE DIVISION. ADD 100.00 TO CUSTOMER-BALNCE DISPLAY "UPDATED BALANCE: " CUSTOMER-BALANCE STOP RUN. JCL: //PAYCOMP JOB (ACCT),'COMPILE',CLASS=A,MSGCLASS=X //COBOL EXEC IGYWCL //[COBOL.SYSIN](https://cobol.sysin/) DD DSN=USER1.APP.COBOL(PAYCALC),DISP=SHR //[LKED.SYSLMOD](https://lked.syslmod/) DD DSN=USER1.APP.LOAD(PAYCALC),DISP=SHR ``` 人类需要提交此作业，检查JES输出，打开`SYSPRINT`，找到未定义的`CUSTOMER-BALNCE`，将其映射回源代码，修补成员并重新提交。Hopper旨在让代理能够自主地通过相同的循环进行操作。 Hopper并不是试图将主机隐藏在一个通用的抽象后面，也不是一个聊天机器人。设计原则很简单：保持主机环境的真实性，但使其对AI代理可访问。 敏感操作需要获得批准，终端始终可见。 一旦代理能够在主机环境中操作，就会出现新的工作流程：更快的作业调试、自动文档生成、更安全的代码更改、测试生成、迁移规划、流量重放和现代化验证。 我们很想听听您的想法！特别是来自那些有主机、COBOL或进行过遗留企业现代化经验的人士。