最新

我目前的日常安排如下：<p>- 8:00~9:00 – 准备上班<p>- 9:00–13:00 – 工作<p>- 13:00–14:00 – 午餐 + 看YouTube<p>- 14:00–18:00 – 工作<p>- 18:00–20:00 – 休息 + 晚餐 + 看YouTube<p>- 20:00~1:00 – 看YouTube、玩游戏、偶尔参加活动、个人项目或运动。最近，我注意到这个时间段的屏幕使用时间增加了很多，我感觉懒得去做任何有生产力的事情——大多数时候只是无目的地刷屏或看视频。<p>你的日常安排是怎样的？你是如何管理时间、维护社交联系、避免数字干扰，并保持目标和学习的进展的？

我并不是这个领域的专家，但我尝试提出一个成本效益高、匿名的年龄验证流程，可能覆盖美国约70%的使用案例。 基本的前提是利用你的银行（在你开户时已经对你进行了KYC）来证明你在年龄受限的商户网站（如pornhub、赌博等）上的年龄，而无需分享超过必要的信息。 流程如下： 1) 你访问 gambling.com 2) 他们要求你验证年龄 3) 你选择“银行验证” 4) 你触发一个 WebAuthn 凭证创建流程 5) gambling.com 给你一个字符串让你复制 ------------- 6) 你登录你的银行 7) 你访问 bank.com/age-verify 8) 你粘贴你获得的字符串 9) 银行验证你，并创建一个包含你年龄声明的签名有效载荷（over_18: true, over_21: false） 10) 你复制这个并返回 gambling.com --------------- 11) 你将字符串粘贴回 gambling.com 12) 你执行 WebAuthn 认证流程 13) gambling.com 验证所有信息（签名、WebAuthn 等） 14) gambling.com 设置一个会话cookie，并强烈鼓励你创建一个账户（使用密码密钥）。这将防止你每次访问 gambling.com 时都需要验证年龄。 这个机制可能感觉有些不对劲，但它似乎是一个进行匿名年龄验证的可行方法。 这个流程几乎是免费的，并且所需的基础设施非常轻量。银行可以通过小额支付获得激励，或者因为其他银行都在提供这项服务而不想被落在后面。

嗨，HN！我们是Alessia和Elia，VibeFlow的创始人（<a href="https://vibeflow.ai">https://vibeflow.ai</a>）。VibeFlow让半技术人员（即具备一定技术技能但不是专业程序员的人）能够通过自然语言提示构建全栈网页应用，同时将底层业务逻辑以可视化工作流的形式清晰呈现并可编辑。演示视频：<a href="https://www.youtube.com/watch?v=-CwWd3-b1JI" rel="nofollow">https://www.youtube.com/watch?v=-CwWd3-b1JI</a>。 我们试图解决的问题是：如今，想要无编码构建应用的人往往需要将多个工具拼凑在一起，例如使用Lovable作为前端，n8n处理工作流，Supabase作为数据库。这会造成数据孤岛，使得构建者面临脆弱的应用，这些应用在生产环境中容易崩溃，无法扩展且不安全。我们看到YouTube教程教人们如何将这些工具“粘合”在一起，以便让应用能够正常运行。作为构建无代码工具的工程师，我们意识到人们希望拥有AI生成用户界面的强大功能，同时也希望能够查看和控制他们的后端工作流和数据。 我们的解决方案是一次性生成整个应用，并将其表示为可视化工作流。用户用英语描述他们想要的内容（“我需要一个带AI代理的聊天小部件”），VibeFlow会生成界面和逻辑。这些逻辑以工作流图的形式呈现，用户可以通过可视化编辑或给出新指令来修改。 我们使用Convex（<a href="https://www.convex.dev/" rel="nofollow">https://www.convex.dev/</a>）作为后端。后端代码的生成是完全确定性的，我们将工作流图映射到代码模板。这使得部署可预测，避免了从AI获得的幻觉般的黑箱代码。 工作流表示：逻辑是一个有向图，每个节点都可以自定义。我们目前支持CRUD操作和代理组件。对图的任何更改都会直接编译回代码，因此您始终拥有底层逻辑。 前端：通过AI生成，并直接链接到工作流输出，因此始终与业务逻辑保持同步。前端的更改可以通过聊天界面进行。 半技术人员可以创建可维护的应用（而不是不透明的“魔法”），技术人员仍然可以检查代码和架构。与Bubble/Webflow相比，界面更简单；与Zapier相比，工作流有输出代码；与AI编码助手相比，您获得的是自动连接的后端，没有黑箱。 您可以在这里试用：<a href="https://app.vibeflow.ai/">https://app.vibeflow.ai/</a>。演示视频在这里：<a href="https://youtu.be/-CwWd3-b1JI" rel="nofollow">https://youtu.be/-CwWd3-b1JI</a>。 我们非常希望听到HN社区的反馈，无论您是曾经在拼凑工具中挣扎的构建者，还是看到无代码平台痛点的开发者，或是对AI驱动的应用生成未来感到好奇的人——我们期待您的想法！

我厌倦了在数据过载（RotoGrinders）和没有解释的黑箱优化器之间做选择。因此，我构建了一个名为Neuron的类脑多智能体编排框架，并利用它创建了6个AI分析师，实时讨论DFS选手的选择。 技术栈： - Neuron框架：自3月以来我一直在构建的类脑多智能体编排（github.com/ShaliniAnandaPhD/Neuron） - Neuron的登录页面：<a href="https://repo-usher.lovable.app" rel="nofollow">https://repo-usher.lovable.app</a> - 在Vertex AI上调优的6个LoRA模型（在T4上训练，费用约为每月$120） - 使用ElevenLabs + OpenAI TTS进行实时语音合成 - Next.js + Cloud Run + Firestore - 通过Upstash进行激进缓存，以将成本控制在约$0.04/次讨论 这些智能体实际上会互相打断，引用统计数据，并表达不同意见。用户可以询问“Mahomes还是Allen？”并观看他们进行辩论。当你确信某个观点时，可以一键导出到DraftKings/FanDuel。 自7月上线以来的早期数据： - 7天留存率为78% - 平均会话时长为14分钟 - 收入为$230（用户购买语音分钟） - NFL开赛前的注册人数为183（9月5日） 演示网站：fantasyfootballneuron.app 我很好奇是否还有其他人尝试过在其他领域使用多智能体辩论进行决策。Neuron框架处理了棘手的部分——打断管理、记忆持久性和对话连贯性。