最新

嗨，HN，我刚刚推出了一个简单的网站，可以快速获取最新的《无主之地4》SHiFT 代码：<a href="https://borderlandsshiftcodes.org" rel="nofollow">https://borderlandsshiftcodes.org</a>。 <p>这是一个小工具，旨在帮助玩家轻松找到活跃的SHiFT代码，并定期更新。可以节省你在Twitter或Reddit上寻找的时间。</p> <p>欢迎反馈，希望对一些同伴猎人有所帮助！</p>

大家好， 我是一名从软件工程师转行的交易员。在进行投资研究时，我非常喜欢使用ChatGPT和Perplexity Finance，并在过去一年中频繁使用这两个工具。不过，它们也存在一些明显的不足，比如数据过时、缺乏图表等。由于这两个工具主要依赖网络搜索，因此在数据延迟方面存在固有的局限性。 在过去几个月里，我利用一些闲暇时间来探索是否可以构建一个解决这两个问题的工具，同时保持ChatGPT和Perplexity的核心特性，即聊天机器人界面，但深度整合实时数据，并且具有很强的可视化效果。 我们在两个月前推出了<a href="https://rallies.ai" rel="nofollow">https://rallies.ai</a>，并从那时起不断进行迭代。这个平台使用了一种代理框架来检索查询的实时数据，并提供相关图表的回答。 尽管这是一个小改动，但结果看起来显著改善。 非常希望能听到大家的反馈，还有很多工作要做。 也很乐意回答任何问题。

嗨，HN！我开发了VittoriaDB，这是一款零配置的嵌入式向量数据库，能够开箱即用，适合本地AI开发。 核心功能： - 零配置嵌入式向量数据库 - 无需设置，无需配置文件 - HNSW索引实现亚毫秒级向量相似性搜索 - 符合ACID标准的存储，采用预写日志（WAL）确保数据完整性 - 完整的REST API，支持语言无关的集成 - 单一的Go二进制文件 - 下载仅8MB，可在任何地方运行 - 提供Python SDK，支持自动管理二进制文件 技术亮点： 该数据库使用HNSW（层次可导航小世界）图进行高效的近似最近邻搜索，插入速率超过260万向量/秒，查询延迟低于一毫秒。存储符合ACID标准，并使用预写日志（WAL）实现崩溃恢复和数据一致性。 本地AI集成： 内置的Ollama集成提供高质量的机器学习嵌入，无需API费用或互联网依赖。上传文档（PDF、DOCX、MD、HTML），即可实现自动分块、向量化和语义搜索 - 完整的RAG流程在本地运行。 与托管向量数据库不同，VittoriaDB作为您应用程序的一部分运行。无需单独的基础设施，无网络延迟，无外部依赖。非常适合本地开发、边缘部署或任何需要无操作复杂性的向量搜索的场景。 性能基准： - 插入速度：超过260万向量/秒 - 搜索延迟：优化查询低于1毫秒 - 内存使用：线性扩展（每1000个向量占用1MB内存） - 二进制文件大小：压缩后8MB 实际使用： 开发者将其用于RAG应用、语义搜索、文档处理和AI原型开发，满足生产级向量操作而无需数据库管理的需求。 链接： - GitHub: [https://github.com/antonellof/VittoriaDB](https://github.com/antonellof/VittoriaDB) - PyPI: [https://pypi.org/project/vittoriadb/](https://pypi.org/project/vittoriadb/) - 安装：pip install vittoriadb

vue-markdown-render 是一个针对 Vue 3 的小型客户端 Markdown 渲染器。在浏览器端的基准测试中，我们观察到与 Vercel 的 Streamdown 相比，CPU 使用率和延迟显著降低，在大型、代码密集型文档中速度提升可达 100 倍。注意：Streamdown 主要针对服务器端流式传输；我们的结果是针对客户端渲染的。非常适合 AI 聊天机器人用户界面。