最新

嗨，HN， 我正在构建Resonly，旨在帮助团队在处理功能请求时，提供比单纯的投票更丰富的背景信息。 这个想法很简单：并不是所有的请求都是平等的。多个付费客户提出的功能请求，可能比来自免费用户的100个赞同更重要。 我增加了一种将收入与每个客户关联的方法，因此当有人赞同或提交功能请求时，管理员可以看到三个信号： - 风险月经常性收入（MRR）——与提出请求的客户相关的当前MRR有多少； - 丧失的月经常性收入（MRR）——在问题解决之前，因客户流失而损失的MRR有多少； - 潜在月经常性收入（MRR）——来自请求该功能的试用客户，可能转化的MRR有多少。 我非常希望能听到你们对这个想法和定位的诚实反馈。

我曾经在软件开发者的技术面试中担任过面试官和候选人两种角色。对我来说，LeetCode风格的面试显然并不能很好地反映日常工作中的实际情况。 几年前，我开始进行代码审查面试。这种方式给我们提供了更好的信号，候选人似乎也更喜欢这种形式。 请尝试使用我的平台进行代码审查面试。欢迎任何反馈。谢谢！

嗨，HN， 我之所以开发这个工具，是因为我依赖许多外部API，而跟踪它们的变化比想象中要困难得多。 许多（大多数？）API并不提供RSS订阅，有时它们提供的RSS会被限制访问（没错，这种情况确实存在！），或者在JavaScript重度依赖的页面上提供API更新，还有许多其他奇怪的情况。因此，我不得不使用其他方式来跟踪变更日志和文档更新。 我最初是为了自己而开发这个工具，以便在一个地方监控API，并在发生变化时收到提醒。它的效果还不错，所以我决定将其公开。 如果你希望添加某个API，请告诉我，我可以将其纳入。 这个工具的一部分是使用Codex构建的。 非常感谢任何反馈。

关于我们在构建这个过程中遇到的一些技术背景。 MCP工具在大规模金融数据处理上并不太有效。某个工具需要五年的每日价格数据，这会在上下文窗口中产生数万个令牌。而数据供应商将数十个工具打包到一个MCP服务器中，仅仅是模式就可能消耗超过5万个令牌，直到代理能够执行有用的操作。因此，我们在工作区初始化时从MCP模式自动生成类型化的Python模块，并将其上传到沙箱中。代理就像使用普通库一样导入这些模块。每个服务器在提示中只保留一行摘要。我们的服务器上大约有80个工具，无论一个服务器有3个工具还是30个，提示的成本是相同的。这部分并不是特定于金融的，它适用于任何MCP服务器。 另一个重要的方面是使研究能够在会话之间持久化。大多数代理将单个交付物（如PDF或电子表格）视为最终目标。在投资中，这意味着从第一天开始。你会在收益下降时更新模型，在竞争对手报告时重新运行比较，持续在旧分析上叠加新的分析。但如果在代理会话之间这样做，文件不会保留，每次都需要重新粘贴上下文。因此，我们围绕工作区构建了一切。每个工作区映射到一个持久的沙箱，每个研究目标一个。代理维护自己的记忆文件，记录发现和文件索引，在每次大型语言模型调用之前重新读取。过一周再回来，开始一个新线程，它会从上次中断的地方继续。 我们还希望代理能够拥有真正的领域上下文，就像Claude Code拥有代码库上下文一样。投资组合、观察列表、风险承受能力、金融数据来源，所有这些都注入到每次调用中。现有的AI投资平台有一些这样的功能，但远不及一个合适的代理系统所能做到的。我们想要这两者，但找不到，于是我们自己构建了这个系统，并将其开源。

确切地说，在1903年，他们预测人类在最佳情况下需要一百万年才能建造出有用的重于空气的飞行器（我想这算是讽刺吧）。然而，实际上只用了70天。同年，莱特兄弟驾驶他们的飞机“起飞”了： [维基百科 - 莱特飞行器](https://en.wikipedia.org/wiki/Wright_Flyer) [Reddit - 历史问答](https://www.reddit.com/r/AskHistorians/comments/1ocua1b/in_1903_the_nyt_published_an_editorial_declaring/)

经过实战检验的代理技能，适用于Claude Code、Copilot、Cursor、Gemini CLI等，涵盖15种以上语言的每个主要测试自动化框架： https://github.com/LambdaTest/agent-skills

寻找项目贡献者？欢迎发布任何可能引起HN读者兴趣的项目，特别是开源项目。请遵循以下格式：<p>项目名称<p>项目描述<p>您希望这个月构建什么？<p>您需要什么样的技能？<p>如何联系您？<p>链接到您的GitHub或其他您希望吸纳新贡献者的平台，例如您的项目管理软件或聊天室。