返回首页
最新
嗨，HN
我刚刚发布了一个开源工具，旨在帮助使用JIRA的支持团队主动管理工单服务水平协议（SLA），并在潜在违约发生之前进行预测。
该工具使用Python和人工智能分析历史JIRA数据，学习工单解决趋势，并识别可能违反SLA的高风险工单。工具还包括可视化仪表板和一个基于真实支持模式训练的轻量级分类模型。
代码库：
GitHub – JIRA SLA违约预测器
我为什么要开发这个工具：
我曾在支持工程领域工作，常常看到团队因手动跟踪和被动应对而感到不堪重负。这个项目旨在为他们提供智能的自动化前瞻性，而不依赖于繁重的企业工具。
非常希望能收到反馈、建议，甚至是合作的机会！
谢谢
— Arooj
我成功逆向工程了负责管理苹果智能模型安全过滤器的加密（在框架中称为“混淆”）。我已将其提取到一个代码库中。欢迎你来查看。
这是一个游戏，你需要尝试准确猜测每张图片中的人数。每天会有5张图片。期待你的反馈或建议！
嗨，HN！我是Pelyos的开发者，这是一款简约的任务管理应用，旨在帮助个人减轻日常压力，提高思维清晰度。
我在面对不断增长的冗长待办事项清单时感到不堪重负，因此开发了Pelyos。我希望能有一个基于时间线的、简单且更具意识的工具，而不是一个复杂的团队工具或杂乱的应用。
我非常希望能听到你们的反馈，了解哪些地方运作良好，哪些地方让人困惑，以及哪些功能能让这个应用对你们更有帮助。目前我正在独立开发这个项目，希望能真正为知识工作者、创始人和生产力爱好者提供帮助。
感谢你们的关注！
我有一个现有的手写知识库，其中包含应用程序的截图，还有一个包含标准CI/CD管道的代码库，以及一个根据OpenAPI规范自动生成文档的API。<p>现在有没有方便的方法将软件串联起来，以便在新的代码库提交时，产品文档（包括截图）能够完全自动生成？有没有人尝试过一些工具链，包括付费工具，能够在实际应用中成功运行？
我开发了一种新的公钥加密方案（DIAC），该方案使用多维高精度复杂密钥空间和模块化陷门函数，以实现超高熵和量子抗性。代码、基准测试和研究论文（PDF）均为开源：<a href="https://osf.io/mvkcq/" rel="nofollow">https://osf.io/mvkcq/</a>
欢迎反馈、提问或进行密码分析！
我已经构建AI系统一段时间了，但总是遇到同样的问题——提示工程感觉就像是字符串拼接的地狱。每一个复杂的提示都变成了维护的噩梦，充斥着f-strings和模板字面量。
所以我构建了LLML——可以把它想象成提示的React。正如React是数据 => UI，LLML则是数据 => 提示。
问题：
```python
# 我们都写过这样的代码...
prompt = f"角色: {role}\n"
prompt += f"上下文: {json.dumps(context)}\n"
for i, rule in enumerate(rules):
prompt += f"{i+1}. {rule}\n"
# 解决方案：
from zenbase_llml import llml
# 通过组合数据来构建提示
context = get_user_context()
prompt = llml({
"角色": "高级工程师",
"上下文": context,
"规则": ["永远不要跳过测试", "始终审查依赖"],
"任务": "安全地部署服务"
})
# 输出：
<角色>高级工程师</角色>
<上下文>
...
</上下文>
<规则>
<规则-1>永远不要跳过测试</规则-1>
<规则-2>始终审查依赖</规则-2>
</规则>
<任务>安全地部署服务</任务>
```
为什么使用类似XML的格式？我们发现LLM在解析具有明确边界的结构化格式（<tag>content</tag>）时，比JSON或YAML更可靠。编号列表（<规则-1>，<规则-2>）可以防止顺序混淆。
在Python和TypeScript中可用：
```bash
pip/poetry/uv/rye install zenbase-llml
npm/pnpm/yarn/bun install @zenbase/llml
```
对于喜欢冒险的人，还有实验性的Rust和Go实现 :)
主要特点：
```plaintext
- ≤1个依赖
- 可扩展的格式化器系统（为你的领域对象创建自定义格式化器）
- 100%测试覆盖（TypeScript），92%（Python）
- 所有语言实现的输出一致
```
格式化器系统特别好用——你可以覆盖任何数据类型的序列化方式，使处理特定领域对象或敏感数据变得简单。
GitHub: [https://github.com/zenbase-ai/llml](https://github.com/zenbase-ai/llml)
希望听到其他人是否也遇到过类似的提示工程挑战，以及你们是如何解决的！