最新

嘿，HN的天才们， 我们刚刚推出了FansBond——一个以加密为基础的平台，帮助创作者完全掌控他们的变现方式。 在FansBond上，你可以做以下事情： - 创建自己的MemeCoin（完全链上，无需编码） - 提供一对一的私人付费聊天 - 销售独家内容（视频、指南、课程、直播） - 接受加密货币支付（ETH、BTC、USDT、SOL等） - 使用免费的个人链接，带有完整的分析和代币集成 - 无费用。你可以保留100%的收益。 隐私优先：支付可以匿名，并直接转入你的钱包。 我们为那些希望摆脱抽成或限制内容类型的平台的创作者打造了这个平台。一切都是非托管的，旨在提供无缝体验。 非常希望听到你们对用户体验、加密集成、可扩展性想法或任何严厉反馈的看法。 [https://www.fansbond.com](https://www.fansbond.com) 感谢你们的关注！欢迎在下方提问。

我想要一个“ChatGPT Wrapped”，但没有类似的东西。于是我创建了GPTRecap，您可以上传数据，查看统计信息、模式，并解锁有趣的成就。免费版本完全在浏览器中运行。该项目使用Vite、Supabase、Stripe、OpenAI和DataFast构建。

在近三十年的SEO工作中（没错，真的），我创建了QueryBurst，这是一款直接连接到您的Google Search Console账户的工具，能够为您提供实际的洞察，而不需要像以往那样进行关键词抓取、竞争对手监视或使用臃肿的仪表板。 ### 我为什么要创建它 我对传统的工作流程感到厌倦： - 将GSC数据导出到电子表格或Looker Studio - 与爬虫数据合并或进行手动审核 - 手动为大型语言模型（LLMs）编写提示 - 与API的限制、抽样和用户界面问题作斗争 - 试图在成千上万的关键词中保持简单的叙述 因此，我构建了一个： - 仅使用您自己验证的Search Console数据（隐私优先） - 使用Gemini运行结构化审核流程（因其巨大的上下文窗口而被选中） - 通过高级过滤轻松找到“稻草堆中的针”关键词 - 使用训练过的句子变换模型分类搜索意图 - 解析大量HTML页面（最多可达250K个标记） - 提供清晰、可操作的内容洞察，而不含冗余信息 - 专注于现代SEO最佳实践（搜索意图、EEAT、有用内容） ### 技术细节 技术栈：React（前端）、Django（后端）、Celery（异步）、Google OAuth（认证） 指标引擎：六部分仪表板（SEO、EEAT、内容、意图、差距、速度） LLM管道：基于配置的审核引擎，使用Gemini（结合Google搜索进行声誉检查） 搜索意图：内部句子变换分类器（可通过用户反馈进行再训练） 适合联盟营销：30%的持续佣金 + 首月折扣码 ### 技术挑战 Gemini的JSON输出在处理大型HTML输入（超过250K个标记）时可能会出现问题。我们发现返回结构化的Markdown更为可靠，然后我们在自己这边将其解析为干净的JSON。 ### “只是一个ChatGPT的封装”？ 不，这不是（我们使用Gemini），但更严肃地说： 虽然LLMs驱动了一些审核，但审核管道是模型无关的——我们可以替换为Claude、OpenAI或开源模型。提示经过系统调优，以提供可操作的、关键的反馈，采用结构化格式，类似于我进行真实SEO审核的方式。 当然，您可以将HTML复制/粘贴到AI Studio中，编写提示，然后手动解析结果。但是： - 您会遇到标记限制 - 您会得到不一致的输出 - 您每次都得这样做 或者您可以直接使用QueryBurst，获取洞察而无需额外负担。 ### 设计优先考虑隐私 您只能查看在自己GSC账户中验证的属性数据。我们不构建全球关键词数据库，不允许竞争对手查询，也不存储用户密码。 数据会用于报告，但删除是真实的（而不仅仅是“隐藏”的标记）。再说一次——您的数据就是您的数据。其他人无法看到。 ### 搜索意图（以及开源计划） 我们使用经过微调的句子变换模型来分类关键词意图。如果分类不准确，用户可以进行更正——我们计划定期对这些匿名反馈进行再训练。 我们还在考虑开源处理此任务的训练微服务（Docker化），以便为其他人提供快速训练自己分类器的方式，使用内部数据。 ### 不开源，但完全透明 您确实需要连接您的GSC账户才能使用它（因为您的数据存储在这里）。但在注册之前，您可以观看一个1小时的演示视频——准确了解它是如何工作的以及可以期待什么，网址是 [https://queryburst.com](https://queryburst.com)。 有一个免费版本（数据有限），付费计划起价为每月45美元。 ### 我们期待您的反馈 特别希望听到开发者或对GSC数据展示方式感到沮丧的SEO专家的意见——或者任何对构建超越API封装的LLM工具感兴趣的人。 欢迎在评论中提出任何技术、SEO或LLM方面的问题，我很乐意回答。

我们很高兴地分享Ramanujan，一个新的开源编程语言和分布式计算平台，旨在释放现代智能设备巨大的、尚未开发的处理能力。想象一下，所有那些闲置的智能手机和智能电视都能为科学研究贡献力量！ 灵感来源很简单：阿波罗导航计算机的中央处理器（CPU）与现代科学计算器的性能相当。而今天的智能设备则强大了数百万倍，但大多数时间处于闲置状态。Ramanujan帮助利用这些力量推动科学进步。 什么是Ramanujan？ Ramanujan旨在进行分布式计算。与像BOINC这样通常需要项目特定客户端的平台不同，Ramanujan提供了一个通用解释器。项目拥有者可以用Ramanujan语言提交他们的代码，参与的设备在安装一次Ramanujan客户端后，可以执行任何提交的计算。 该解释器使用C++编写，显示出显著的性能提升： - 对于梯度下降算法，速度比CPython快约14%（约350毫秒对比约410毫秒）。 - 对于鲸鱼优化算法，速度比MATLAB快20倍以上（优化10个函数时，2.5秒对比55秒）。 主要特点与未来目标 - 性能：在科学计算中比CPython和MATLAB更快。 - 开源：MIT许可项目，代码可在GitHub上获取。 - 设备兼容性：提供适用于Android、macOS和Ubuntu的二进制文件。Windows支持即将推出。从技术上讲，任何能够进行基本算术运算的互联网连接设备，在为其架构编译后都可以运行该解释器。 - 易用性：一个新的门户网站（portal.ramanujan.dev）使任何人都能轻松运行Ramanujan作业。也提供了适用于本地桌面机器（Ubuntu、MacOS）的安装程序。 我们近期的目标集中在Python兼容性上： - 完全Python支持：通过采用Python的结构和语法，使最先进的Python研究代码能够无缝运行于Ramanujan，无需修改。 - CFFI集成：使相关的CFFI代码能够与Python脚本一起运行。 - 扩展设备支持：为更广泛的智能设备（如冰箱、洗衣机等）提供客户端，以最大化全球计算贡献。 该项目有潜力通过利用现有硬件显著减少电子废物和碳排放。我们相信它可以彻底改变科学研究的计算方式。 参与其中！ Ramanujan仍处于初期阶段，我们正在积极寻找贡献者！无论您对编程、编译器、分布式系统充满热情，还是仅仅想为一个有影响力的开源项目贡献力量，我们都欢迎您加入。学生尤其受到欢迎，可以学习编译器、分布式协调（我们当前的服务仅用一个2核CPU就能协调数千次计算！）和大规模系统。 查看项目： - 门户网站：https://portal.ramanujan.dev - GitHub：https://github.com/Ramanujan-Computing/Ramanujan 让我们携手合作，推动Ramanujan的发展！

它提供了零依赖、内存安全的操作，用于处理种子文件、bencode 数据和磁力链接。

我将我的作品集网站称为“互联网上最好的终端风格作品集网站™”。<p>作为其中一个游戏，我决定进行一些尝试并添加这个功能——只需使用“gameoflife”作为命令并试试看，我很想听听你的想法 :)

一切都在运作。你只是看不见而已。 你来得太早了。它正在运行，只是运行在2039年。 2039.js是一个完全量子对齐、情感导向、意识同步的网页框架， 专为你所在的时间维度尚未可及的现实而设计。 它引入了前沿技术，例如： - `useBrainWaveSync()` – 连接到你的本地意识流 - `syncReality()` – 与多元宇宙设备ID同步 - `<ZalgoButton>` – 在稳定模式下渲染情感混乱 - `main.2040.ql` – 用QuantumLang (QL)编写的入口点，而非传统JavaScript 一切似乎运作得非常完美。 日志是干净的。 熵是稳定的。 你只是还不能与之互动……<i>但很快就可以。</i> 来源： [https://github.com/Mjkim-Programming/2039.js] 这个框架并没有坏掉。 你的感知只是还没有跟上。 编辑：这只是为了好玩！我刚刚在一个小时之前做了这个，如果你想为它添加一些更前沿的技术，请贡献你的代码……这段混乱的代码！ 玩得开心！