最新

嗨，HN， 我多年来一直在与生产力工具作斗争。大多数工具帮助我收集更多任务，但很少有工具能帮助我弄清楚哪些任务真正重要。我发现自己整天忙碌，却没有取得实质性的进展。 我借用了一个工程学的概念：信号与噪声。 - 信号任务：高影响力、目标驱动的工作。 - 噪声任务：必要但杠杆作用低的工作（如电子邮件、报告、行政事务）。 因此，我创建了SigNull，这是一个简单的待办事项应用程序，强调这种区分： - 新任务会进入收件箱，我将其分类为信号或噪声。 - 每天早晨，它会显示一个前三个信号任务的列表，以便我优先处理。 - 它给我设定一个噪声预算（例如，每天45分钟）。一旦用完，我必须要么推迟该任务，要么说明为什么它值得额外的时间。 - 在一天结束时，它会显示我的信号与噪声比（SNR），让我看到我是否把时间花在了真正重要的事情上。 这个应用是基于网页的，简单易用，目前仍处于早期阶段。我希望得到反馈： - 信号与噪声的区分对你有共鸣吗？ - 噪声预算是否过于严格，还是一个有用的强制措施？ - 在实际工作流程中，这种方法可能在哪些方面失效？ 你可以在这里试用：signull.app 谢谢！

假设它能够正常工作，您会考虑在您的网站或应用程序上使用它吗？为什么或者为什么不？哪些因素会影响您的决定？

我创建了HumanAlarm，因为我是一个睡得很沉的人，尽管设置了多个手机闹钟，仍然错过了重要的事情。 它的功能正如其名——你可以预约一个叫醒时间，我们会派人来敲你的门，持续2分钟。如果你没有回应，他们会等3-5分钟后再敲一次。就是这么简单。 我们在部分城市已经上线。 非常希望能听到大家对这个概念和执行的反馈！

TimeCopilot 是一个开源的预测代理，它结合了大型语言模型的强大功能与最先进的时间序列基础模型（如 Amazon Chronos、Salesforce Moirai、Google TimesFM、Nixtla TimeGPT 等）。<p>它自动化并解释复杂的预测工作流程：您可以用自然语言查询数据，比较不同模型，构建集成模型，并询问预测结果的原因。其目标是使时间序列分析更加易于访问，同时保持专业级的准确性。<p>我们在 Salesforce 的 GIFT-Eval（包含 144,000 个序列和 1.77 亿个数据点）上进行了基准测试，结果在整体排名中位列第一（CRPS 指标），并且已经吸引了开源预测社区的早期用户。<p>代码库：github.com/azulgarza/timecopilot 文档：timecopilot.dev<p>我们非常希望得到 HN 社区的反馈，特别是您希望看到的用例，以及我们如何使高级预测更加实用和易用。

大家好！我是 Ron，来自 NixOS 基金会，正在开发 Flox。刚刚参加完今年的 NixCon，非常兴奋地在这里分享一些消息 :) 截至今天，NVIDIA 正式认可 Canonical、SUSE、CIQ 和 Nix（通过 Flox）作为 CUDA 的支持发行商。完整博客请见 - [https://developer.nvidia.com/blog/developers-can-now-get-cuda-directly-from-their-favorite-third-party-platforms](https://developer.nvidia.com/blog/developers-can-now-get-cuda-directly-from-their-favorite-third-party-platforms) 这对 Nix 社区来说是一个巨大的胜利。多年来，虽然在 Nix 上使用 CUDA 是可能的，但过程非常痛苦——构建可能需要几个小时，而由于 NVIDIA 的许可要求，重新分发预构建的二进制文件受到限制。 NVIDIA 与主要 Linux 发行版的日益互动反映了该公司在与开源社区合作方面的演变。现在，NVIDIA 首次允许这些供应商直接从他们的包仓库中打包和提供 CUDA 工具包及 CUDA 加速的包。 这意味着 Ubuntu 用户可以通过 `apt` 获取 CUDA，SUSE 用户可以通过 `zypper`，Rocky Linux 用户可以通过 `dnf`，而 Nix 用户只需在他们的 Nix 表达式、`shell.nix` 文件或 flakes 中声明 CUDA 依赖项即可。 在这四个平台上，开发者现在可以拉取预构建、预补丁的 CUDA 软件，包括像 PyTorch、TensorFlow、TensorRT、OpenCV、ffmpeg 等大型包。 在 Nix 上（我个人的偏见），设置非常简单：只需将 Flox 的缓存添加为 `nix.conf` 或 `configuration.nix` 中的 `extra-substituter`。

Alexandria 是一个类似于代码检查或类型检查的工具，配备了规则引擎，帮助您保持文档的最新状态。只需将其添加到您的预提交检查中，您的大型语言模型（LLM）将会处理其余的工作。https://github.com/a24z-ai/a24z-memory