最新

嗨，HN！<p>我是Hélène。我和我的丈夫是来自比利时的建筑师，过去几个月我们一直在构建一个名为“13美德”的副项目。<p>这个想法源于本杰明·富兰克林的个人品格体系。他没有同时跟踪许多习惯，而是每周专注于一个美德（如节制、沉默、秩序等），在13周内循环13个美德，然后重复这个周期。他记录了这一实践多年。<p>我们希望有一个严格遵循这一结构的应用，而不是另一个灵活的习惯追踪器。一次关注一个美德。一天关注一个美德。重复。<p>您可以直接在主页上试用账本，而无需创建账户。您可以标记今天的缺失，并查看当前的美德以及富兰克林的原始名言：<p><a href="https:&#x2F;&#x2F;www.13-virtues.com" rel="nofollow">https:&#x2F;&#x2F;www.13-virtues.com</a><p>我们为什么要构建它：<p>我们对那些优化连续性和指标而非反思的生产力应用感到沮丧。富兰克林的系统让人感觉清新、受限且有意图，我们希望有一个我们自己也能真正使用的工具。我的丈夫负责工程；我专注于产品和设计。<p>定价模型：<p>我们故意避免订阅模式。<p>- 免费层：完整的13周周期和每日账本<p>- 终身升级（79美元启动价）：超出当前周期的长期历史、引导反思、数据导出，以及一个可下载的现代美德指南（PDF），更深入地解释该方法及其理论基础。<p>富兰克林的系统比SaaS早了几个世纪，每月收费对于这样一个旨在安静实践多年的东西来说感觉不太合适。<p>技术：<p>- 后端：Laravel<p>- 前端：Vue（Inertia）<p>- CSS：Tailwind<p>- 主机：Hostinger<p>在大约12个周末内构建完成。<p>我们今天（中欧时间）会在这里回答问题——乐意讨论实施、定价决策或富兰克林的原著。特别欢迎有深思熟虑的UI/UX反馈。

我热爱科技。但我对未来不再抱有乐观的态度。看起来人工智能不会消失，管理者似乎更倾向于推动人们使用人工智能，而不是构建可靠的软件，只要能推出产品就行。其他一切都在被人工智能摧毁：艺术、音乐、书籍、个人网站。当谷歌的人工智能摘要可以直接给你总结时，为什么还要读博客文章？当你可以直接获得书籍的人工智能摘要时，为什么还要读书？当你可以生成无尽的人工智能音乐时，为什么还要为音乐支付艺术家？ 甚至像“日常琐事”这样的事情也正在被像ClawdBot这样的工具自动化。你唯一能做的就是在一天中吃东西和上厕所。人们应该如何赚钱？我不知道，因为在这个“繁荣的未来”里，一切都被人工智能取代了。 所以我想问HN：这一切还有意义吗？我们为什么要继续前行，目标又在哪里？

今天克劳德·科德（Claude Code）两次停下来问我一个问题，然后像我已经回答了一样继续说下去。当我问它为什么时，它说它没有。 这是随机现象，还是最近其他人也遇到过？在几个月的频繁使用中，我不认为我见过类似的情况。 https://x.com/sixhobbits/status/2016128163500151162?s=20

几周前，我几乎不会用 Python 编程，也不会写一行 Go 代码。在看到 Claude 令人印象深刻地处理一个工作项目后，我决定尝试用它来教我编程。我让它搭建项目框架，在函数上方写待办事项，并告诉我一个合理的工作顺序。这虽然不能教我软件设计，但确实帮助我克服了学习生态系统和标准库的障碍。 现在，我仍然不能独立编程，但我对阅读他人的代码感到足够自信，甚至可能提交一个小的 PR 来修复一个 bug。 这是我第一次尝试一个普遍有用的项目。它是一个可变的 admission webhook。这个项目仍在进行中，但它已经可以正常工作，我在自己的 k3s 集群上使用它。它为需要身份验证的 Pod 添加了 oauth2-proxy。在集群中，我用 Zitadel 替换了 Authentik，我需要一些东西来填补 Authentik 的代理提供者的角色。 由于现在有很多人使用 AI 并感到沮丧，我希望这能激励大家将 AI 作为学习新知识的工具，而不是仅仅作为助手。希望这里更有经验的程序员能告诉我这个项目中哪些地方看起来不够好（我想肯定有）。我担心如果我继续这样下去，我会学得像 Claude 一样编程。

嗨，HN， 我创建了 EchoEntry（[https://echoentry.ai](https://echoentry.ai)）——一个专门针对数字优化的语音转文本 API。 问题：通用的语音转文本 API 在处理数字时表现不佳。“一零五”有时会变成“105”，有时又变成“15”。对于医疗应用、仓库系统或交互式语音应答，这种不一致性会破坏工作流程。 我的解决方案：对 1-999 的英语口语数字进行了微调的 Whisper-small 模型，涵盖了五种英语口音。对于 1-3 位数字，准确率达到 95%。 技术栈： - 自定义 Whisper 模型（1.7GB） - FastAPI 后端 - 部署在 8GB Linode 上 - 使用 FFmpeg 进行音频处理 现在就试试吧（两个命令，无需注册）： # 下载测试音频 ```bash curl -O [https://echoentry.ai/test_audio.wav](https://echoentry.ai/test_audio.wav) ``` # 测试 API ```bash curl -X POST [https://api.echoentry.ai/v1/transcribe](https://api.echoentry.ai/v1/transcribe) \ -H "X-Api-Key: demo_key_12345" \ -F "file=@test_audio.wav;type=audio/wav" ``` 目前处于免费测试阶段（每个密钥每月 1,000 次调用）。希望能得到以下反馈： 1. 什么样的准确率阈值才能让您认为这是可投入生产的？ 2. 还有其他我忽略的数字密集型用例吗？ 3. 您会愿意为此付费，还是更倾向于使用通用的语音转文本？ 文档：[https://echoentry.ai/docs.html](https://echoentry.ai/docs.html) 欢迎就微调过程或部署相关的技术问题进行咨询！