最新

我在一个高度监管且快速变化的领域工作，发现自己花了很多时间跟踪趋势等信息。<p>于是我决定制作一个可以每周自动向我发送更新的工具。<p>这基本上就像是一个个人助理为我撰写的每周/每日电子邮件，内容涵盖所有正在发生的事情。<p>它的工作原理是：指定你感兴趣的话题，设置发送更新的频率，仅此而已。对于那些有频繁新闻/更新的小众兴趣来说效果最佳。<p>如果其他人对此感兴趣，我很乐意将其向公众开放。

随着人工智能驱动的垃圾邮件、诈骗和数据聚合失控的增加，Port旨在从源头解决这一隐私噩梦。<p>我们去掉了所有标识符——电话号码、用户名，甚至高熵ID——剩下的就是一款能够满足所有需求的消息应用，同时仍然尊重您的隐私和时间。 您可以在这里了解更多关于我们协议的信息：<a href="https:&#x2F;&#x2F;portmessenger.com&#x2F;port-protocol-v1" rel="nofollow">https:&#x2F;&#x2F;portmessenger.com&#x2F;port-protocol-v1</a>。<p>请放心，我们并没有重新实现一个加密库。我们以OpenSSL为核心构建了端到端加密。 我们正在积极改进我们的文档，清理不当选择和其他内容，然后再发布我们的源代码，以便您了解我们的实现方式！<p>请查看一下，并告诉我们您的想法。任何反馈都将对我们大有帮助！

我们看到了一波人工智能视频初创公司——这些工具利用生成模型制作产品视频、短片、解说视频等。但许多公司遇到了瓶颈。原因是什么呢？因为在人工智能生成内容后，用户希望对其进行微调，但这些工具缺乏视频编辑功能。我们正在开发一个基于React的视频编辑SDK——Twick，旨在解决这个问题。它可以让你： - 自动生成样式化字幕 - 添加特效（淡入、缩放、打字机效果等） - 构建时间轴和实时编辑画布 - 通过Lambda将视频导出到云端。 所有这些功能都可以轻松嵌入到你的应用中。如果你有兴趣尝试或想要合作，请随时联系我。我也计划很快将其开源，以便更广泛的开发者社区使用。

大家好！我是 Lev，PgDog 的作者（<a href="https://github.com/pgdogdev/pgdog">https://github.com/pgdogdev/pgdog</a>）。我正在扩展我们最喜欢的数据库 PostgreSQL。PgDog 是一个新的开源代理，使用 Rust 编写，提供一流的分片支持——无需对您的应用进行更改或需要数据库扩展。 <p>以下是它的工作原理的演示：<a href="https://www.youtube.com/watch?v=y6sebczWZ-c" rel="nofollow">https://www.youtube.com/watch?v=y6sebczWZ-c</a></p> 运行大规模的 Postgres 是一项挑战。最终，单一的主数据库无法满足需求，这时您需要进行拆分。目前没有好的工具来实现这一点，因此团队往往会拆分他们的应用。 <p>如果您熟悉我的前一个项目 PgCat，PgDog 是它的精神继承者，但有着全新的代码库和目标。如果您不熟悉，PgCat 是一个同样用 Rust 编写的 Postgres 连接池。没错——我养了一只狗。</p> 那么，发生了什么变化，为什么要启动一个新项目呢？PgDog 开箱即用支持跨分片查询。新的架构更加灵活，完全异步，并支持在查询执行的任何阶段操作 Postgres 协议。 <p>并不是所有功能都已实现，但像 max()、min()、count(*) 和 sum() 这样的简单聚合函数已经可以使用。更复杂的函数如百分位和平均值则需要更多的工作。排序（即 ORDER BY）也可以正常工作，只要这些值是结果集的一部分，例如：</p> <pre><code> SELECT id, email FROM users WHERE admin = true ORDER BY 1 DESC; </code></pre> PgDog 会在内存中缓冲和排序行，然后再发送给客户端。大多数情况下，工作集很小，所以这样做是可以的。对于较大的结果，我们需要构建磁盘交换，就像 Postgres 一样，但对于 PgDog 目标的 OLTP 工作负载，我们希望保持快速。当前排序支持 bigint、integer 和 text/varchar 类型。添加其他数据类型相对简单，我只需要找到时间并确保正确处理二进制编码。 <p>所有标准的 Postgres 功能在无分片和直接到分片的查询中都能正常工作。只要您在查询中包含分片键（例如 customer_id 列），您就不会注意到任何区别。</p> 这与 Citus 有什么不同？如果您不熟悉，Citus 是一个用于分片 Postgres 的开源扩展。它运行在单个 Postgres 节点（协调器）内，并在工作数据库之间分配查询。 <p>PgDog 的架构根本不同。它运行在数据库外部：它是一个代理，因此您可以将其部署在任何地方，包括 RDS、Cloud SQL 等托管的 Postgres，而 Citus 在这些地方不可用。它是多线程和异步的，因此可以处理成千上万，甚至数百万的并发连接。它的重点是 OLTP，而不是 OLAP。同时，Citus 更成熟，并且对跨分片查询和聚合有良好的支持。PgDog 需要一段时间才能赶上。</p> 自从我上次尝试以来，我的 Rust 技能有所提高，并学会了如何正确使用 bytes crate。PgDog 每个请求几乎不进行内存分配。这使得性能比 PgCat 提升了 3-5%，并且 p95 的一致性大大提高。如果您像我一样对性能有执念，您会知道这个小百分比是相当重要的。和之前一样，基于多线程 Tokio 的 PgDog 让单线程的 PgBouncer 相形见绌（<a href="https://pgdog.dev/blog/pgbouncer-vs-pgdog">https://pgdog.dev/blog/pgbouncer-vs-pgdog</a>）。 <p>由于我们使用 pg_query（它本身包含 Postgres 解析器），PgDog 可以理解所有 Postgres 查询。这一点很重要，因为我们不仅可以正确提取 WHERE 子句和 INSERT 参数以进行自动路由，还可以重写查询。当我们添加对更复杂聚合（如 avg()）和跨分片连接的支持时，这将非常有用！</p> 读写流量分离开箱即用，因此您可以将 PgDog 放在整个集群的前面，省去代码注释。它也是一个负载均衡器，因此您可以将其部署在多个副本前，以获得 99.99% 的正常运行时间。 <p>到目前为止，我认为最酷的功能是分布式 COPY。这是通过黑客攻击 Postgres 网络协议，将单独的行发送到不同的分片来实现的（<a href="https://pgdog.dev/blog/hacking-postgres-wire-protocol">https://pgdog.dev/blog/hacking-postgres-wire-protocol</a>）。您可以直接使用它，而无需考虑集群拓扑，例如：</p> <pre><code> COPY temperature_records (sensor_uuid, created_at, value) FROM STDIN CSV; </code></pre> 分片功能直接来自 Postgres 分区，并支持 uuid v4 和 bigint。从技术上讲，它可以与任何数据类型一起使用，但我还没有添加所有的包装器。如果您需要一个，请告诉我。 <p>还有什么？由于我们有 Postgres 解析器在手，我们可以检查、阻止和重写查询。我正在尝试的一个功能是确保应用在所有查询中传递 customer_id，以避免租户之间的数据泄露。相关的思考可以在我的博客中找到：<a href="https://pgdog.dev/blog/multi-tenant-pg-can-be-easy">https://pgdog.dev/blog/multi-tenant-pg-can-be-easy</a>。</p> 接下来的计划是使用逻辑复制（re）分片 Postgres，以便我们可以在不造成停机的情况下扩展数据库。关于如何在写时复制文件系统（如 RDS 使用的 EBS、Google Cloud 卷、ZFS 等）上快速实现这一点，有一个很好的技巧。我会尽快发布一篇博客文章。还有更多大规模功能，比如阻止不良查询，以及一些“我希望我的 Postgres 代理能做到这个”的功能。说到这里，如果您能想到任何其他您想要的功能，请与我联系。您的愿望清单可以成为我的路线图。 <p>PgDog 是在公开环境中构建的。如果您对这个话题有任何想法或建议，我非常乐意听取。同时也欢迎分享您与 Postgres 的战斗故事。</p> 祝大家编程愉快！ Lev

大家好，我们是Swan和Ethan，我们正在构建一个实时AI工具，帮助你在通话中更好地进行销售，网址是<a href="https:&#x2F;&#x2F;heynomi.com">https:&#x2F;&#x2F;heynomi.com</a>。演示视频：<a href="https:&#x2F;&#x2F;youtu.be&#x2F;XFxDCP8jdY8?si=CGnPM1zT4wxAvadJ" rel="nofollow">https:&#x2F;&#x2F;youtu.be&#x2F;XFxDCP8jdY8?si=CGnPM1zT4wxAvadJ</a> 我们大多数人并没有接受过销售培训，我们也一样。但在创业初期，往往是创始人需要亲自进行销售，而在实时通话中学习这一过程是非常艰难的。在经历了一次特别痛苦的失利后，我们开玩笑说需要一个能在我们耳边提供建议的AI联合创始人，以拯救我们自己。这个玩笑最终变成了原型，然后成为了产品。 Nomi会加入你的在线视频通话，并在关键时刻给出短语建议： - 当有人提出异议时， - 当有值得深入挖掘的隐藏信号时， - 当是时候成交时（以及如何做到这一点而不显得强迫）。 通话结束后，它会自动生成清晰的客户关系管理（CRM）笔记、行动项，并向你发送一封简短的电子邮件，分析通话中哪些表现良好，哪些不佳，以及如何在下次改进——这些都是基于你实际的对话内容。 我们还推出了一些功能，使每次通话都成为学习机会，并释放收入潜力： - 在通话中进行不同异议的A/B测试，并实时比较结果 - 根据实际有效的内容自动更新公司的销售手册 - 识别追加销售机会，并根据通话中人们的发言预测收入 实时反馈是最具挑战性的部分。如果建议晚了2秒钟，或者偏离主题，那就比没有用还糟糕。因此，我们构建了一个系统： - 一个思维模型来跟踪通话的进展； - 一个通过强化学习训练的战术选择器； - 一个轻量级的语言模型（使用RAG增强），能够在500毫秒内提供定制的短语建议。 每个用户都会获得一个基于他们自己通话（经许可）训练的私人助手，以及模拟数据和销售最佳实践。它会随着每次互动变得更加精准，无需手动调整。 目前，我们已经与30个团队上线。其中一家公司在短短几周内从20万美元增长到36万美元。另一家公司新招募的销售代表在第一周就通过Nomi成功成交了第一笔交易。 我们还提供免费的AI记笔记工具和免费的销售辅导后续邮件。如果你想试用，请给我们发邮件：founders@heynomi.com。 我们在HN上发布这个消息，是希望能与其他经历过类似痛苦的创始人、正在进行销售的创业者、以及在现场解决问题的建设者们交流。如果你是其中之一，我们非常希望听到你的反馈。或者如果你只是想深入探讨快速推理的语言模型、流式RAG或实时用户体验，我们也乐意深入交流。 欢迎告诉我们你的想法！