一周热榜

作为一名长期学习日语的学生，我一直希望能有一个简单、免费的在线工具来学习和练习日语汉字和词汇，就像打字社区中的Monkeytype一样（有趣的是，我们团队现在实际上有两位Monkeytype的开发者！）。 我之所以这样做，是因为我厌倦了各种订阅和付费墙，这在日语学习应用市场中非常普遍。因此，我想创建一个目前最有趣、用户友好且可定制的日语学习平台，并且是第一个（也是将永远）完全免费的、无广告的开源平台——不是为了盈利，而是由社区创建，为社区服务。我们已经在GitHub上获得了大约600个星标，应用的月活跃用户也达到了约7000人。尽管如此，我认识到这个应用仍处于非常早期的alpha阶段，客观来说，它在某种程度上落后于付费的日语学习解决方案（至少目前是这样）——这就是我想要改变的原因，我希望它成为第一个完全免费和开源的日语学习平台，以提供一个真正高质量的替代方案，来应对所有现有的付费日语学习资源，我相信在开源社区的帮助下，我们能够实现这一目标。我为什么要这样做？因为二次元爱好者也应该拥有一个免费的开源学习平台（我就是其中之一，请不要评判……） 非常感谢！

理论上，用人工智能代理取代昂贵的首席执行官会有什么缺点？

完整的MCP流量分析工具，适用于Mac和Windows的桌面应用程序 GitHub: https://github.com/mcp-shark/mcp-shark 网站: https://www.mcpshark.sh/

我正在报名参加课程，目前在自然语言处理课程和大型语言模型（LLM）工程课程之间犹豫。哪个选项更好呢？我感觉最近关于LLM在不久的将来可能变得无关紧要的讨论很多。 自然语言处理：介绍人类语言的计算建模；持续努力创建能够用自然语言与人类交流的计算机程序；以及自然语言领域的当前应用，例如自动文档分类、智能查询处理和信息提取。课程主题包括语法的计算模型和自动解析、统计语言模型和大规模文本语料库的分析、自然语言语义以及理解语言的程序、话语结构模型和智能代理的语言使用。课程作业包括对语言模型的形式和数学分析，以及实现能够分析和解释自然语言文本的工作程序。具备统计学知识会有所帮助。 LLM集成系统工程：研究集成大型语言模型（LLM）的系统的软件工程基础。考察LLM集成系统如何将自然语言指令转化为行动。提供构建具有自然流畅界面的系统的机会，将其与现有软件集成，严格测试其行为，并理解其失败模式和局限性。 我不确定哪一个对我更有帮助！作为背景，我是数据科学专业，但对未来从事机器学习工作很感兴趣！

大家好，我把几个API结合在一起做了一个有趣的工作寻找应用程序，觉得你们可能会喜欢。警告 - 自动播放！

我对番茄钟应用程序有一个很大的问题：它们会消失。即使计时器在运行，我也常常会忘记它。 因此，我开发了一个macOS应用程序，它作为一个持久的、始终在最上面的侧边栏运行。当你将其折叠时，它会变成一个3像素宽的彩色进度条。 这种持续的视觉提醒帮助我克服了时间盲感，保持在正确的轨道上。 我很好奇是否还有其他人也有同样的困扰。

嘿，HN！<p>我非常自豪能与大家分享这个项目，经过大约两年的反复尝试和约五次不同的尝试才终于完成。<p>背景/历史：在1961年，Minivac 601 [0]，一个教育电子套件——有点类似于你们小时候可能用过的“300个电路在一个”——由克劳德·香农（Claude Shannon）创造。<p>Minivac看起来非常简单：大致由6个继电器、12个灯、6个按钮和一个电动轮组成。你可能会觉得它其实没什么用处。<p>然而，令人惊讶的是，它能做很多事情。你可以以某种方式连接这些组件，让Minivac玩井字棋，或者进行10位数字的光学字符识别（OCR）……我为主页选择的示例“演示”电路展示了一个可以计数到7的二进制计数器。<p>Minivac的另一个惊人之处无疑是它的手册 [1]。我希望在接下来的（几年？）中捕捉到这种精神，同时不断改进这个项目。这些手册内容丰富且写得很好，不仅是对基于继电器的逻辑的绝佳逐步介绍，还涉及到更广泛的计算机知识。手册中当然还有令人惊叹的1960年代的图形/卡通。<p>这可能就是我开始研究Minivac的原因。我在去Recurse Center之前稍微了解了一下这个设备，爱上了这些手册，但又对无法尝试电路或玩弄这个设备感到沮丧！我想创建一个基于JavaScript的模拟器会是一个“简单”的方法。结果发现，正确模拟电流并不是“简单”的。:-) 但我非常自豪的是，现在它似乎能够正确处理我从书中测试的大多数电路。是的，这个Minivac模拟器有一个TypeScript测试套件！<p>期待听到大家的反馈。干杯！<p>[0] <a href="https://en.wikipedia.org/wiki/Minivac_601" rel="nofollow">https://en.wikipedia.org/wiki/Minivac_601</a><p>[1] <a href="https://minivac.greg.technology/manuals/1961-minivac601-book1.pdf" rel="nofollow">https://minivac.greg.technology/manuals/1961-minivac601-book...</a><p>代码库：<a href="https://github.com/gregsadetsky/minivac/" rel="nofollow">https://github.com/gregsadetsky/minivac/</a>

嘿，HN！我构建了PRISM-INSIGHT，这是一个多智能体系统，13个专业的AI智能体协作分析韩国股票（KOSPI/KOSDAQ）。它是完全开源的，自2025年3月以来一直在实时运行。 <p>[它的功能] 该系统每天自动检测两次上涨的股票，生成分析师级别的报告，并执行交易策略。每个智能体专注于不同的领域——技术分析、交易流、财务、新闻、市场状况等。它们像一个真正的研究团队一样协同工作。 <p>[我为什么要构建这个] 我想看看GPT-4和GPT-5是否能够真正复制人类分析师的工作，但没有典型的单一智能体的限制。因此，我将工作分配给多个专业智能体进行协作。交易模拟已经运行了8个月，使用的是真实的韩国市场数据。 <p>[如何尝试] 加入实时的Telegram频道！ <a href="https://t.me/prism_insight_global_en" rel="nofollow">https://t.me/prism_insight_global_en</a>（获取每日提醒和报告） <p>查看实时仪表板！ <a href="https://analysis.stocksimulation.kr" rel="nofollow">https://analysis.stocksimulation.kr</a>（所有交易、表现、AI推理） <p>克隆并自己运行！ <a href="https://github.com/dragon1086/prism-insight" rel="nofollow">https://github.com/dragon1086/prism-insight</a> <p>[有趣的部分] 该系统使用MCP（模型上下文协议）服务器，使智能体能够访问实时市场数据、网络搜索和金融API。我使用GPT-4.1进行分析，GPT-5进行交易决策，Claude Sonnet 4.5作为对话机器人。 <p>第一次交易模拟（第一季，2025年3月至9月）在51笔交易中获得了408%的回报。当前季（第二季）实现回报为+11%，而KOSPI为+16%。现在也在用真实资金运行（$10,000账户，自9月底以来上涨了9.35%）。 <p>[技术栈] 使用Python 3.10+，全程使用async/await，SQLite用于交易历史，Playwright用于PDF报告，matplotlib用于图表。整个系统大约有8400行Python代码，分布在56个文件中。 <p>[与众不同之处] 大多数AI交易项目要么是单一智能体，要么是黑箱。这一项目采用多智能体架构，您可以清楚地看到每个智能体正在分析什么以及为什么。所有内容都是透明的——仪表板显示每笔交易、每个决策和所有推理。 <p>它是MIT许可证的，如果您愿意，可以完全在您的机器上运行。我正在承担API费用（约$200/月），以保持公共Telegram频道对450多名用户（韩国频道+全球频道）的免费。 <p>欢迎对多智能体方法提供反馈或询问关于在生产中运行AI智能体的问题！