返回首页
最新
嗨，HN！这是我的第一款游戏——我一直想做这个。
这是一款小型浏览器游戏，使用 Phaser 3、React 和 Phaser 模板构建的（<a href="https://github.com/phaserjs/template-react-ts/" rel="nofollow">https://github.com/phaserjs/template-react-ts/</a>）。
我用了两天时间（总共大约 8 小时）使用 gemini-cli 制作完成。大约 90% 的代码是通过 AI 生成的，但我通过细微调整学到了很多东西。
这款游戏仅在 PC 上运行，因为它是典型的 WASD + R（重装弹药）射击游戏。
我希望能得到以下方面的反馈：
- 游戏性（有趣吗？太难了吗？）
- 新功能的想法
提前感谢大家！
附言：我使用了立方体作为原型，但现在我有点喜欢它们。应该保留它们还是实现真正的精灵？
传统数据库依赖于RAG和基于SQL的转换/分析，但它们能否保持逐行的上下文理解？
我们已将Agents作为Datatune的一部分发布：
[https://github.com/vitalops/datatune](https://github.com/vitalops/datatune)
在一个提示中，您可以定义多个数据转换任务，Datatune会在逐行的基础上对您的数据进行转换，并保持上下文理解。
示例提示：
“从产品描述和名称中提取类别。仅保留电子产品。添加一列名为ProfitMargin = (总利润 / 收入) * 100”
Datatune会解析该提示，并使用OpenAI、Azure、Ollama或其他LLM通过LiteLLM对您的数据应用正确的操作（映射、过滤或LLM驱动的代理管道）。
主要特点：
- 使用自然语言进行逐行的map()和filter()操作
- 代理接口用于自动生成多步骤转换
- 内置对Dask DataFrames的支持（以实现可扩展性）
- 支持多种LLM后端（OpenAI、Azure、Ollama等）
- 与LiteLLM兼容，以实现跨供应商的灵活性
- 自动令牌批处理、元数据跟踪和智能管道组合
令牌与成本优化：
- Datatune让您明确控制发送到LLM的列，从而减少令牌使用和API成本：
- 使用input_fields仅发送相关列
- 自动处理内部批处理和元数据
- 支持设置每分钟令牌和每分钟请求的限制
- 如果未指定，默认为已知模型限制（例如，GPT-3.5）
这使得在大型数据集上运行基于LLM的转换成为可能，而不会产生过高的成本。