最新

我是一个独立创始人，正在尝试建立一个精简的食品配送初创公司。我探索的大多数SaaS选项都很昂贵，并且没有给我自我托管的能力，这也是我选择了不同方案的原因。 我使用了一种名为Enatega的半开源解决方案，在一些开发者的帮助下，我们进行了自我托管和定制。学习曲线很陡峭，但值得。现在我对功能、成本和用户体验有了完全的控制，但我仍然处于初始阶段。 我很好奇这里是否有其他人走过类似的道路；无论是配送、市场还是其他领域。你们的经验如何？在我扩展时，有哪些陷阱需要注意？

在过去的一年里，我一直在开发一个使用 Rust 和 React 制作的临时邮件服务。邮件服务器是一个自定义构建的 SMTP 服务器（用 Rust 编写），邮件存储在 Valkey 中。在闲暇时做类似的项目，我绝对会推荐给大家 :)

我曾看到一个评论建议在这里保持一个工作日志，我想说这是自从弄明白如何以及为什么要编写单元测试以来最好的建议。 每当我需要处理涉及多行代码且跨多个文件的任务时，我会在项目根目录下创建一个名为 JOURNAL 的文本文件，并记录下我计划稍后回顾的所有事项。 所有因修复一个 bug 而产生的副任务，所有我需要弄清楚其作用的稍微晦涩的部分，以及所有缺失的单元测试。然后，在这些事项都被勾选完成或转移到我所使用的 JIRA 系统之前，我不会发布拉取请求（PR）。 这解锁了两个能力——1）我可以随时关闭我的笔记本电脑，无论何时回来，我仍然记得所有未完成的、待检查的、不会破坏构建但显然是错误的事项；2）我可以打开两个各自拥有 JOURNAL 的项目，并在它们之间无痛切换。 保持写前日志以防止记忆丧失不仅适用于文件系统，也适用于思维。这真是个震惊的发现。

嗨，我是一名新手网页开发者（只有两个项目经验）。我有个问题：我想创建一个关于特定领域的新“目录”网站，使用一些新潮的可视化效果（例如，用图表来展示数据），在人工智能助手、集成开发环境和易于使用的Postgre数据库提供商盛行的时代，我应该使用什么技术栈？此外，我是否总是需要一个带有英雄图的登录页面，还是应该直接切入主题？谢谢，Ben

模型上下文协议（MCP）生态系统正在迅速发展——包括Git服务器、数据库、API和文件系统。但存在一个空白：如何将MCP工具与您现有的业务逻辑结合起来？ 我有MCPOmni Connect——一个强大的MCP客户端，具备隐藏的代理功能（ReAct和Orchestrator模式）。但开发者们总是面临同样的问题： - “我可以连接到MCP服务器，但如何添加我的Python函数？” - “代理可以读取文件和查询数据库，但它不知道我的业务规则。” - “我需要能够理解MCP工具和我的自定义逻辑的代理。” 架构差距 MCPOmni Connect拥有强大的代理功能，但在CLI命令中隐藏，缺少了连接的桥梁： MCP生态系统 ← 缺失的桥梁 → 您的业务逻辑 其他平台要么： - 提供自定义工具但没有MCP集成 - 提供MCP集成但没有自定义工具系统 - 同时提供两者但没有智能编排 OmniAgent解决方案：本地工具 + MCP + 智能记忆 我没有再构建一个新的AI平台，而是通过添加缺失的桥梁来完善已有的强大功能： 本地工具系统：将Python函数注册为AI工具 ```python @tool_registry.register_tool("calculate_shipping_cost") def calculate_shipping_cost(weight: float, zone: str) -> str: # 您的业务逻辑 return f"运费: ${cost}" ``` 现在，AI可以将您的业务逻辑与MCP工具结合使用。 智能编排：代理理解何时使用： - MCP工具（文件系统、数据库、API） - 您的自定义业务逻辑 - 两者的组合 多层记忆：代理记住： - 哪些工具组合适用于您的特定用例 - 您的业务上下文和偏好 - 之前对类似问题的解决方案 与众不同之处 1. MCP + 自定义工具集成 其他平台让您做出选择，而OmniAgent则将两者结合： - 完整的MCP生态系统访问（100多种服务器类型） - 注册您现有的Python函数 - 两者之间的智能编排 2. 业务逻辑理解 通用AI代理无法理解您的领域。通过本地工具： - 代理学习您的业务规则 - 记住您的特定工作流程 - 将外部数据（MCP）与内部逻辑（您的工具）结合 3. 为两者构建的生产基础设施 - 事件流监控MCP和自定义工具的使用 - 向量记忆，记住成功的MCP + 自定义工具组合 - 可以自主使用您业务逻辑的后台代理 演变路径 MCPOmni Connect（之前）： - 强大的MCP客户端，具备隐藏的代理功能 - CLI中的ReAct和Orchestrator模式 - 无法添加自定义业务逻辑 OmniAgent（之后）： - 相同的MCP基础 + 本地工具桥梁 - 为两种工具类型提供智能记忆 - 完整的可编程平台 真实用例：电子商务代理 ```python # 您的业务逻辑 @tool_registry.register_tool("check_inventory") def check_inventory(product_id: str) -> str: return inventory_status @tool_registry.register_tool("calculate_discount") def calculate_discount(customer_tier: str, amount: float) -> str: return discount_amount # 代理结合： # - MCP文件系统工具（读取订单文件） # - MCP数据库工具（客户数据） # - 您的业务逻辑（库存、定价规则） ``` 技术基础 - 工具集成：MCP生态系统与本地Python函数之间的无缝桥梁 - 记忆系统：向量数据库记住成功的工具组合 - 事件流：监控MCP和自定义工具的使用 - 执行引擎：基于XML的编排用于复杂工具链 真正的创新 不是另一个AI代理平台，而是一个桥梁，让您结合： - 不断增长的MCP生态系统 - 您现有的业务逻辑 - 学习您模式的智能记忆 GitHub: https://github.com/Abiorh001/mcp_omni_connect

大家好， 这是我之前在 Show HN 上发布的 MBCompass 首个版本的后续更新。 自那时以来，我根据用户反馈和社区意见添加了多个新功能…… 我刚刚发布了 MBCompass 的 v1.1.9 版本——一个简约的开源导航应用。 本版本的新功能包括： - 通过设置切换主题（深色/浅色） - 修复当前位置箭头的可见性 - 指南针精度警报 - 传感器状态指示器 - 显示 GPS 当前位置信息的专用按钮 - 平滑的过渡效果以及更多功能…… 文件大小仍然只有 [1.35MB]，没有广告，没有内购，也没有追踪器。 我还： - 将项目代码库迁移到 GitHub 组织，以便于团队协作和管理 - 为 MBCompass 启动了一个专门的网站，提供功能概述和应用背后的故事： 如往常一样，欢迎反馈。感谢大家的持续支持！ [访问网站](https://compassmb.github.io/MBCompass-site/)

我正在参加YT的计算机组织与架构课程，并参考约翰·P·海斯的教材。我认为编程方面的内容对我会有所帮助。 附言： 我看到Udemy上有关于CPU设计的课程，我也计划参加那个课程。

随着各种新的学习模式和针对学习的人工智能模型的推出，我们专门开发了fiig，以减少聊天互动，鼓励实际的资料探索和思考。 我们非常欢迎反馈。fiig是在高等教育学生、专业研究人员和教师的共同参与下构建的。使用fiig，您可以找到学术来源，引用相关工作，我们的人工智能助手可以高亮和注释任何找到或上传的PDF文件。 其他酷炫功能： 工具标签：每个助手都有一套可以在聊天中使用的工具，帮助您工作。 拖放功能：通过将元素直接拖入聊天，来组织和上下文化您的工作流程。 @引用任何内容：使用@符号直接在提示中引用笔记和文件。 工作室界面：在一个统一的平台上打开多个PDF，搜索来源，并生成文本。 告诉我您的想法吧 <3