返回首页
24小时热榜
嗨，HN，我们是Luke和Phillip，我们正在构建Spice.ai OSS——一个轻量级、可移植的数据和AI引擎，基于Apache DataFusion和Ballista，支持SQL查询、混合搜索和在企业如Barracuda Networks和Twilio使用的分散存储中的LLM推理。
我们在2021年首次在HN上介绍了Spice，并在2024年重新推出了从头开始用Rust重建的版本。
Spice包含数据加速器的概念，这是一种从不同来源（如其他数据库）在嵌入式数据库（如SQLite和DuckDB）中物化数据的方法。
今天，我们很高兴地宣布一个新的受Ducklake启发的数据加速器，基于Vortex构建，Vortex是一种高性能、可扩展的列式数据格式，声称随机访问速度比Apache Parquet快100倍，扫描速度快10-20倍，写入速度快5倍，同时具有相似的压缩比。
在我们的Spice测试中，Vortex的性能比DuckDB更快，内存使用量仅为其三分之一，并且具有更好的可扩展性（支持多文件）。在实际部署中，我们发现DuckDB数据加速器通常在1TB左右达到上限，而Spice Cayenne可以支持PB级别的规模。
您可以在<a href="https://spice.ai/blog" rel="nofollow">https://spice.ai/blog</a>和Spice OSS发布说明中阅读更多信息。
这只是第一个版本，我们非常希望听到您的反馈！
GitHub: <a href="https://github.com/spiceai/spiceai" rel="nofollow">https://github.com/spiceai/spiceai</a>
[1] <a href="https://news.ycombinator.com/item?id=28448887">https://news.ycombinator.com/item?id=28448887</a>
[2] <a href="https://news.ycombinator.com/item?id=39854584">https://news.ycombinator.com/item?id=39854584</a>
[3] <a href="https://github.com/vortex-data/vortex" rel="nofollow">https://github.com/vortex-data/vortex</a>
[4] <a href="https://spiceai.org/blog/releases/v1.9.0" rel="nofollow">https://spiceai.org/blog/releases/v1.9.0</a>
目前，大家都在使用人工智能工具进行发货，而我却在这里使用一个可视化编辑器。不过，我认为许多团队都非常熟悉“市场部想要再次更改着陆页”这个问题。
多年来，我一直遇到这个问题。营销活动页面不断涌入，工程师被拉入其中，工单堆积如山。通常这些页面的组件都是相同的，只是重新排列了一下。
几年前，我在一家初创公司工作时，我们构建了一个内部工具来解决这个问题。你可以注册现有的 React 组件，它们会以拖放块的形式出现，最终结果是一个 JSX 字符串。无需学习任何模式，也不需要更改你的组件代码。
我们在生产环境中使用了这个工具，处理真实流量，环境复杂且遗留系统较多。它表现得很好。随着时间的推移，它支持了大约 60% 的流量。市场部可以在不提交工单的情况下发布页面，产品团队也可以进行布局级的 A/B 测试。这个经历最终促使我对其进行整理并开源。
Composify 介于无代码页面构建器和无头内容管理系统之间。像 Wix 或 Squarespace 这样的页面构建器提供拖放功能，但会将你锁定在他们的组件中。还有一些优秀的工具，如 Builder.io、Puck 和 Storyblok，但许多工具要求你将组件适配到他们的模型中。Composify 刻意保持简约：它允许你直接使用实际的生产组件。
目前还处于早期阶段。文档需要改进，还有一些粗糙之处。但它已经在生产环境中运行，并为我们解决了一个实际问题。如果你已经有了一个组件库，并希望非开发人员能够从中构建页面，那么它可能会很有用。
主页： [https://composify.js.org](https://composify.js.org)
欢迎提问或反馈！
嗨，HN，我们是Sid和Ritvik，Pulse的联合创始人。Pulse是一个文档提取系统，旨在生成适合大型语言模型（LLM）的文本。我们创建Pulse是因为意识到，尽管现代视觉语言模型在生成合理文本方面表现出色，但这也使得它们在大规模光学字符识别（OCR）和数据摄取中存在风险。
当我们开始进行文档提取时，我们假设与今天许多团队一样：基础模型正在快速改进，多模态系统似乎能够很好地读取文档，对于小型或干净的输入，这一假设往往成立。然而，当我们开始处理真实文档的大量数据时，这些局限性显现出来。长PDF、密集表格、混合布局、低质量扫描以及财务或运营数据暴露出一些微妙、难以检测且修正成本高昂的错误。输出结果往往看起来合理，但在表格和数字字段中却包含一些小但重要的错误。
自那时以来，我们的许多工作都是应用研究。我们对复杂文档进行受控评估，微调视觉模型，并构建真实情况至关重要的标注数据集。我们的团队曾多次熬夜手动标注页面，围绕表格绘制边框，逐点标记图表，或讨论某个数字是否不可读或仅仅是扫描效果差。这一过程在很大程度上塑造了我们的直觉，远比单纯的基准测试更为深刻。
很快我们意识到，核心挑战并不在于提取本身，而在于信心。视觉语言模型将文档图像嵌入到高维表示中，这些表示优化了语义理解，而非精确转录。这一过程本质上是有损的。当不确定性出现时，模型倾向于使用学习到的先验来解决，而不是揭示模糊性。这种行为在消费场景中可能是有益的，但在生产流程中却会造成难以扩展的验证问题。
Pulse的诞生旨在通过系统设计来弥补这一差距，而不仅仅依赖提示。系统将文档理解视为一个分离的过程，布局分析与语言建模相分离。文档被规范化为结构化表示，以保留层次和表格，然后再进行模式映射。提取受到预先定义的模式的约束，提取的值与源位置关联，以便可以检查不确定性，而不是简单地猜测。实际上，这导致了一种混合方法，结合了传统计算机视觉技术、布局模型和视觉语言模型，因为没有单一的方法能够可靠地处理这些情况。
我们故意分享了一些反映激励我们进行此项工作的输入类型的文档。这些文档代表了我们看到的通用OCR或基于VLM的管道所面临的困难案例。
以下是一个财务10K报告：
<a href="https://platform.runpulse.com/dashboard/examples/example1">https://platform.runpulse.com/dashboard/examples/example1</a>
以下是一份报纸：
<a href="https://platform.runpulse.com/dashboard/examples/example2">https://platform.runpulse.com/dashboard/examples/example2</a>
以下是一份租金清单：
<a href="https://platform.runpulse.com/dashboard/examples/example3">https://platform.runpulse.com/dashboard/examples/example3</a>
Pulse并不完美，特别是在高度退化的扫描或不常见的手写体上，仍然有改进的空间。我们的目标并不是完全消除错误，而是让错误可见、可审计，并更容易进行推理。
Pulse通过基于使用的API和平台访问提供。您可以在这里试用，并在这里访问API文档。
演示链接在这里：
<a href="https://video.runpulse.com/video/pulse-platform-walkthrough-69f9">https://video.runpulse.com/video/pulse-platform-walkthrough-...</a>
我们希望听听其他人在文档提取中如何评估正确性，您在实践中遇到的失败模式，以及您依赖哪些信号来判断输出是否可信。我们会在这里回答问题，并乐意处理其他文档，如果有人想分享示例。
嗨，HN！我们创建了 DNS Directory（<a href="https://dnsdirectory.com" rel="nofollow">https://dnsdirectory.com</a>），这是一个免费的、可搜索的公共 DNS 服务器数据库，每 10 分钟进行一次实时监测。
我们需要找到一个全球运营商使用的最新 DNS 服务器列表，以便用于代理指纹识别/网络爬虫项目，但我们惊讶地发现这样的列表并不存在，因此我们在一次内部黑客马拉松中自己构建了这个数据库。
我们正在添加更多功能，但到目前为止，我们已经：
- 每 ~10 分钟测试超过 77,000 个服务器
- 允许按正常运行时间、位置、安全功能（广告拦截、恶意软件保护、DNSSEC）进行筛选
- 显示 IPv6 支持、Anycast 等信息
- 显示所有历史测试信息
我们没有计划将网站商业化，它将保持免费，以便作为公共资源使用。
我很想听听大家对我们改进网站的建议。网站目前可以正常运行，但某些功能，比如内容过滤检测，仍有待完善。我们希望在亚洲和美国增加测试节点，以便提供更好的覆盖，目前我们只从阿姆斯特丹进行测试。
如果您想要添加一个网站上尚未列出的 DNS 服务器，可以通过表单提交。如果您是一个大型组织，有很多服务器需要添加，可以通过 support@dnsdirectory.com 给我发邮件，我们会将其纳入。
谢谢！
大多数创业建议乍一看似乎都很合理。“找到一个问题。” “解决自己的痛点。” “构建人们想要的东西。”
我遵循了这些建议，但仍然看到聪明的创始人，包括我自己，花了几个月时间构建的东西悄无声息地失败了。
这种矛盾让我感到困扰，因此我开始深入研究。我阅读了失败的事后分析、无果的产品发布、被遗弃的GitHub仓库，以及长长的Hacker News讨论串，里面的人们解释了为什么放弃某个想法。
经过一段时间，我发现了一个模式。问题不在于人们缺乏想法，而在于我们用讲故事的逻辑来评估想法，而不是用生存的逻辑。
我们选择那些听起来有趣、感觉雄心勃勃或在推介中看起来不错的想法，但一旦遇到现实世界的行为就会崩溃。
大多数想法失败的原因不是竞争或执行，而是它们并没有替代任何紧迫的需求。
它们无法与现有的习惯、重复的成本或某人已经在使用的痛苦的变通方法相匹配。
当你问一些简单的问题，比如谁在付费、他们在采用这个想法时停止做什么，以及为什么是现在，大多数想法很快就会崩溃。
为了避免重复这个错误，我开始将想法写成假设，而不是灵感。
每个想法都必须经受几个不舒服的问题：这个想法替代了什么现有行为、在前30天内会导致它失败的因素是什么，以及什么是可以证明或反驳需求的最小实验。
大多数想法立即失败。少数想法的存活时间超过了预期。
随着时间的推移，这变成了一个私人数据库，我用它来避免在弱想法上浪费数月时间。这不是一个“伟大想法”的集合。
它是经过严格筛选后存活下来的想法的记录，还有许多没有存活的想法。最终，我将其整理成一个其他人可以浏览的东西，现在称为startupideasdb.com（可以搜索一下），主要是因为我一直希望早些时候就有这样的东西。
如果你在选择构建什么时感到困惑，或者厌倦了那些悄然死去的聪明想法，这可能会为你节省一些时间。
如果你不同意这个框架，我真心希望了解它的缺陷，Hacker News通常能比其他地方更快发现问题。
我是一名独立开发者，开发了几个可以免费使用的工具应用程序，计划在它们获得足够用户后通过广告进行盈利。我的困惑是，是否应该现在就将这些产品开源，还是等到它们更加成熟后再开源。
Linux之所以如此成功的原因之一，是托瓦尔兹（Torvalds）坚持不破坏用户空间。
而Python的开发者们并没有遵循这一原则，也许我该放弃这个想法，我实在是厌倦了这种情况。
我们这一代人会记得从Python 2到3的动荡。突然间，生产代码需要进行大量重写。虽然我们从中得到了一个可以说更好的Python，但哦！那种痛苦真是难以忍受。
在3.14版本中，Python开发者决定将Process()方法的默认值从“fork”改为“forkserver”（这是用于启动子进程的 - 详细信息请参见：https://docs.python.org/3/library/multiprocessing.html）。为什么要以如此肆意的方式破坏我们的代码呢？为什么不保持默认设置不变——如果有人想使用“forkserver”，总是可以选择的。或者他们可以创建一个新的入口点，采用新的行为，比如Process_fastserver()之类的？哦不！就这样破坏它，让他们的用户拼命修补！
当我们采用一种语言时，我们希望今天能运行的代码明天也能运行——我30年前写的C和bash程序至今仍能运行。但Python就不一样了——如果你使用它，准备好并确保你的回归测试非常彻底，这将是一段艰难的旅程。
也许是慢慢来，破坏一些东西？
我们在与Claude Code进行迭代以构建完整上下文时，取得了最佳效果，然后在工作过程中使用并更新该上下文。
因此，我们开发了Nimbalyst，作为本地的所见即所得（WYSIWYG）编辑器和会话管理器，您可以在其中与Claude Code一起处理Markdown文档、图表、模型、数据模型、会话和代码。Nimbalyst让您能够：
- 在一个集成工具中工作，充分利用您的所有上下文。
- 在用户界面中使用Claude Code的全部功能。
- 与Claude Code合作编写和编辑所见即所得的Markdown，查看AI的更改以红色/绿色标记，并批准这些更改。
- 与Claude Code一起迭代HTML模型，注释模型，然后将其作为人和Claude Code编程的上下文。
- 根据您的文档/代码构建数据模型，使用Claude Code进行迭代，并以标准格式导出它们。
- 在标准Markdown中集成mermaid图表、文本、表格、模型、数据模型和图像，以便为人类/AI提供上下文。
- 将会话与文档关联，查找并恢复会话，将会话视为上下文，运行并行会话。
- 在所有这些上下文中与Claude Code进行编码，使用/命令，查看git状态。
Nimbalyst目前处于测试阶段，支持本地使用且免费。我们非常期待您的反馈。