信用使用成本相当隐晦，因此很容易陷入这个陷阱。如果你的信用/代币等用完了，而你需要继续使用Claude/Codex，请不要购买信用，因为这看似值得花钱。它们会在你意识到之前就消耗殆尽。
返回首页
最新
自托管正在变得越来越流行，因为它允许用户将数据保持私密、本地，并置于自己的环境中。
不幸的是，当有人开始为您的软件付费时，自托管就会出现问题。尤其是当客户是企业客户时。
客户通常并不知道如何操作您的软件。他们可能会更改一些小的设置——如Postgres版本、环境变量、IAM、防火墙规则——然后事情就开始出现故障。从他们的角度来看，产品是坏的。即使根本原因在他们那一边，也无所谓……客户永远是对的，您仍然是被期望去解决问题的人。
但您无法解决。您无法访问他们的环境。您没有真实的可见性。您无法自己运行任何东西。因此，您被困在调试一个您无法控制的系统中，只能通过屏幕截图和在Zoom会议上复制粘贴的日志进行排查。最终，您对一个您无法控制的事情负责。
我认为有一种更好的付费自托管模型：软件在客户的环境中运行，但开发者可以实际操作它。这是双赢的局面：对客户而言，他们的数据保持私密和本地，而开发者仍然可以控制部署、更新和调试。
Alien提供基础设施，以便在用户的环境中部署和操作软件，同时保持对更新、监控和生命周期管理的集中控制。目前支持AWS、GCP和Azure目标。
GitHub: [https://github.com/alienplatform/alien](https://github.com/alienplatform/alien)
入门指南: [https://alien.dev/docs/quickstart](https://alien.dev/docs/quickstart)
工作原理: [https://alien.dev/docs/how-alien-works](https://alien.dev/docs/how-alien-works)
对7年的EIA-930需求数据和每个发布负荷序列的美国平衡机构的ASOS温度进行了精细调整，共涉及三大互联网上的53个机构。在2025年的保留数据（约61,000小时）中，该模型在7个主要区域调度组织（RTO）中有6个超越了运营商提交给EIA的日常预测——即他们用于调度发电的生产预测。宏观平均绝对误差（MAE）降低了约40%。唯一的失利是ISO-NE，其预测能力非常出色（24小时前的均方根误差（MASE）为0.34）。在同一时间窗口内，CAISO和SPP的运营商提交的结果不如“与昨天相同”。
该网站绘制了中位数加上80%的预测区间（PI）带，与运营商提交的结果进行对比，同时展示了48小时的实际数据与预测的关系。
代码和模型在HF上，运营商比较基准从一个脚本中复制：
- [https://github.com/tylergibbs1/surge](https://github.com/tylergibbs1/surge)
- [https://huggingface.co/Tylerbry1/surge-fm-v3](https://huggingface.co/Tylerbry1/surge-fm-v3)
八年前，我和当时的未婚妻决定签署一份婚前协议，因此我们聘请了一位当地的调解员。会议很有帮助，但我觉得没有一个系统的流程来达成最终协议。于是我开始思考这个问题，经过一番研究，我发现了纳什谈判解决方案。
然而，如果约翰·纳什在20世纪50年代就解决了谈判问题，为什么今天似乎没有人使用它呢？问题在于，纳什的解决方案要求谈判的每一方提供一个“效用函数”，这个函数可以将一组交易条款转化为一个效用数值。但即使是专家，在处理非平凡的谈判时也很难提供这样的函数。
几年过去了，语言模型（LLMs）出现了，大约一年前我意识到，虽然LLMs在直接生成效用估计方面表现不佳，但它们在进行比较方面表现出色，这可以用来估算草拟协议的效用。
这就是Mediator.ai的基础，我在周末进行了软启动。通过与LLM进行访谈来捕捉你的偏好，然后邀请其他方也进行同样的操作。这些偏好随后作为遗传算法的适应度函数，用于寻找一个所有方都可能同意的协议。
更多技术细节的文章请见：<a href="https://mediator.ai/blog/ai-negotiation-nash-bargaining/" rel="nofollow">https://mediator.ai/blog/ai-negotiation-nash-bargaining/</a>
嘿，HN，
我一直在研究一个让我烦恼已久的问题。坦白说，直到今天，我们的电子邮件依然杂乱无章、令人疲惫，这实在令人惊讶。即使是现在的<i>“现代”</i>邮件客户端，也只是把我们的邮件放在一个表格中，支持一些键盘快捷键和简单的功能，然后就结束了。更新的客户端提供基于AI的写作助手，而最新的客户端甚至希望我们为每件事都提供提示！这似乎有些倒退。当你输入“找到上周二那家营销公司的最新发票”时，你已经花费了超过应有的时间和精力。
目前仍然没有*更高层次的分类，没有更深层次的分组*。每封邮件——项目更新、交易、人际消息——看起来都是一样的。关键附件在需要时总是难以找到。*琐碎的自动更新让我们感到拥挤*，而*长长的转发邮件线程在混乱的链条中依然难以跟踪*。
我相信我并不是唯一一个对此感到恼火的人！
因此，我创建了Faraday，终于想要彻底解决电子邮件的问题。它在每封到达用户之前，使用分类和提取管道处理所有进入的邮件。*没有提示，没有触发器。*它自动完成三件事：
*1. 更高层次的分类：* 这是一条LinkedIn更新、一笔交易、一段人际对话、一条一次性密码（OTP）、一份预订确认吗？不仅仅是“主要与促销”——实际的语义分类，包含约30个不同的类别和子类别。然后，子类别根据最适合它们的方式进行排序。谁在乎上周40封时事通讯的时间顺序呢？它们之间的类型和品牌更为重要。
*2. 上下文提取：* 大多数邮件中相关内容大约只占总文本的12%。它提取这些内容（金额、日期、姓名、动作、代码——不同邮件类型不同），并将其展示在顶部，这样你就能第一时间获取到重要信息。
*3. 线程重构：* 邮件线程实际上就是嵌套的块引用。Faraday将它们重构并重新组装成一个干净、有序的对话树。这一点真的很巧妙。
这里有很多困难要克服。让这三层同时在我们电子邮件内容的广泛范围内以收件箱速度工作，优化资源利用率，且不需要用户提供任何训练信号。没有设置或引导。登录后立即生效。构建起来非常棘手。
与此同时，还确保了*它是以隐私为先*，从一开始就严格遵循最佳的安全和加密标准<i>(AES 256)</i>。
Faraday中确实有一些巧妙的技术创新（甚至为此申请了两项专利）：
它可以在所有Gmail和Outlook账户上使用。它已经上线，符合合规要求，已脱离测试阶段，很多之前沉迷于superhuman和spark的人现在都在使用它 :)
如果你对架构的任何部分感兴趣，我很乐意深入探讨。
请试用一下：<a href="https://faraday.email" rel="nofollow">https://faraday.email</a>（提供两周免费试用，之后价格也很实惠）