最新

我在处理 Maelstrom 3b 时遇到了困难，因为我第一次尝试是“发送后忘记”。这篇文章是一个简短的、面向初学者的路径，通过叠加幂等性、确认（acks）和重试来解决 3b 问题。

在项目中是否曾经迷失在各种提示语中？我有过。对于概念验证（POC）和小型应用程序，硬编码提示语是可行的，但一旦有了几十个提示，就会变成“提示地狱”：代码中充满了巨大的字符串，每次调整都需要重新部署，变更也很难追踪。 因此，我开发了 Dakora——一个小型开源工具，具有以下功能： - 将提示语存储在中央库中（使用 git 管理的文件） - 允许您在简单的用户界面中编辑提示语 - 无需重新部署即可将其同步到您的应用中 - 开箱即用，支持 Python（通过 pip 安装 dakora） 我很好奇其他人在生产环境中是如何管理提示语的，欢迎反馈。 GitHub: [https://github.com/bogdan-pistol/dakora](https://github.com/bogdan-pistol/dakora)

我正在探索一种由人工智能驱动的浏览器代理工具的想法，这种工具可以像人类一样在网络上导航：点击、输入、抓取数据、填写表单，甚至完成多步骤的工作流程。您只需提示任务。 如果您拥有这样的代理工具，您会用它来做什么？ - 自动化重复性任务？ - 收集和清理数据？ - 处理客户或内部工作流程？ - 其他完全不同的用途？ 我很想听听HN社区对如何使用这个工具的想法。

嗨，HN 我刚刚推出了SmallFame，这是一个专注于人工智能领域的微型网红（订阅人数在1万到10万之间）的实时数据库，包含经过验证的联系信息。 问题：寻找合适的网红非常痛苦。手动搜索每位网红需要5到10小时，包括研究、验证和追踪联系信息。大多数平台范围广泛、费用昂贵，并且不专注于人工智能这一细分领域。 我们的解决方案： - 超过1,085位经过验证的人工智能微型网红（数量每小时增长） - 95%以上的人工智能内容通过自动化分析进行验证 - 验证的联系信息（不再需要进行私信轮盘赌） - 按订阅人数、地点、人工智能相关性和互动率进行高级筛选 - 内置活动跟踪 + CSV导出 使用SmallFame的创始人每个活动节省了30到40小时，并报告了2到3倍更高的响应率。 我们之所以开发这个工具，是因为我们在进行自己的人工智能营销活动时，厌倦了电子表格和猜测。希望能听到你们对产品、定价以及希望我们下一个添加的功能的反馈。 在这里试用：smallfame.com 谢谢，HN！

许多开发者默认选择 Elasticsearch 或 Solr 作为搜索解决方案，但对于小型到中型应用来说，这往往是过于复杂的选择。Postgres 多年来一直内置了全文搜索功能，而通过 Supabase，你可以直接使用 SQL 查询它。 我写了一篇简短的指南，展示如何设置并在没有额外基础设施的情况下实现快速的搜索体验： https://dev.to/reclusivecoder/skip-elasticsearch-build-blazing-fast-full-text-search-right-in-supabase-58pf 我很想知道其他人是否在生产环境中使用 Postgres 的全文搜索，以及在什么情况下/规模下你们会考虑切换到 Elasticsearch。