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！
返回首页
24小时热榜
嗨，HN，
我开发这个扩展是因为频繁切换上下文严重影响了我的工作效率。每次我切换到浏览器分享编码更新（#BuildInPublic）时，往往会无意识地刷屏20分钟，导致工作状态被打断。
由于现有的扩展在X API v2更新后无法使用，我决定自己构建一个解决方案，专注于隐私和免费套餐的限制。
它的工作原理如下：
自带密钥（BYOK）：使用您自己的API凭证。
安全性：密钥保存在本地，使用vscode.SecretStorage（绝不存储在settings.json中）。
限制：它实现了一个本地计数器，以遵循免费API套餐严格的17条推文/24小时限制。
只写：它故意不读取您的时间线，以帮助您保持专注。
这是一个开源项目，也是我第一个扩展。欢迎对代码结构提出反馈！
市场链接： [https://marketplace.visualstudio.com/items?itemName=Jawuilp.x-writer](https://marketplace.visualstudio.com/items?itemName=Jawuilp.x-writer)
代码库： [https://github.com/Jawuilp/X-writer](https://github.com/Jawuilp/X-writer)
我为Python构建了一个基于Rust的Wavelet Matrix库。<p>令人惊讶的是，Python中可用的实际Wavelet Matrix实现非常少，因此我实现了一个，重点关注性能、可用性和类型化API。它支持快速的排名/选择、前k个元素、分位数、范围查询，甚至动态更新。<p>欢迎反馈！
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！
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。
我在分析和高级分析领域工作了大约六年。我最开始在一家大型咨询公司工作，后来选择了独立发展，因此我对大型企业和小型产品团队都有深入的了解。
有件事一直困扰着我。在大多数项目中，分析似乎是一种基础设施，没人对此真正感到兴奋。在构建产品时，人们很少愿意在分析上投入资金。它被视为一种“必须拥有”的东西，而不是“想要拥有”的东西。
团队“乐于”为软件开发、广告、文案撰写和设计支付费用。这些被认为是直接有用的。而分析（如GA4、事件跟踪，甚至更结构化的设置如CDP）常常被视为背景噪音，虽然是保持引擎运转所必需的，但并不是每天能真正推动产品前进的东西。
实际上，许多团队最终只使用少数几个指标来做决策，即使在复杂的分析架构之下。其余的数据只是“以防万一”。
我很好奇其他人是否也看到同样的模式。分析是否被低估，因为它的投资回报率是间接和延迟的？还是大多数分析工作实际上只是为了团队所做的决策而过度设计？在什么情况下，分析会从“必要的管道”转变为真正的竞争优势？
我很想听听创始人、工程师和产品人员的看法，尤其是那些已经构建和扩展过产品的人。
介绍 Open-Schematics：这是一个大型公共电子原理图数据集，包含渲染图像和结构化元数据，旨在用于机器学习、电路理解、检索和验证。