我们是两位创业者，推出了一档新的播客，专注于构建人工智能工具，包括内部和外部的应用。希望你喜欢！
返回首页
最新
我通常不在这里（或者一般情况下）分享副项目。没有太多时间让它们受到太多关注。上周末我在车上时开始了这个项目。主要是为了探索OpenAI Codex。使用Github移动端，我将初始规格写入了自述文件，并通过ChatGPT iOS应用让Codex构建了一个简单的基于命令行的地下城主。在整个车程中，我来回切换到Github来管理拉取请求……从那时起，这个项目有点失控，现在是我和AI（主要是AI）一起进行调整的混合体……第一版完全是OAI，运行得还不错，但对玩家来说太简单了。多亏了HN，我听说了Wayfarer模型，发现这个模型相当有趣。最后，我觉得这个项目看起来相当“可爱”，并且是一个不错的消磨时间的工具，看起来像是在工作<i>眨眼</i>。
一个用于管理和语义比较大型语言模型（LLM）提示的命令行工具。通过使用嵌入（OpenAI或本地）检测意义层面的变化，超越了文本差异的比较。对于版本控制、测试和持续集成/持续交付（CI/CD）工作流非常有用。
我和我的联合创始人今年夏天申请了YC，推出了一个完整的量化平台——在一个地方进行回测、优化和策略部署。但由于监管复杂性，我们遭遇了困难，不得不进行转型。
在我的联合创始人转向其他项目时，我继续专注于核心问题：为什么从回测到实盘交易如此困难？我们最初的平台只支持一个回测框架，并且通过Alpaca作为经纪商进行操作，这样的设计脆弱且受限。
因此，我构建了StrateQueue，作为一个开源库。现在它支持四个主要的回测框架（Backtrader、Zipline、PyAlgoTrade、bt），并提供统一的API。经纪商方面也是如此——支持IB和Alpaca，未来还会增加更多。添加新的经纪商非常简单。
关键的洞察是，大多数人并不需要另一个回测平台——他们需要的是从现有回测到生产环境的桥梁。StrateQueue处理那些复杂的部分：实时数据源、经纪商API、错误处理、监控和延迟优化。
无论使用哪个框架，你只需三行代码就能从回测切换到实盘。
我非常希望能得到曾经处理过这种生产部署噩梦的人的反馈。
我正在构建 LiquidIndex，这是一个 RAG API 服务，可以轻松为 AI 应用添加个性化上下文。与其构建一个完整的系统来上传、处理和搜索用户的文件或笔记，不如直接调用几个 API。它处理那些复杂的部分——例如连接到 Notion 或 Google Drive，将数据拆分成可用的片段，并使其可搜索。然后，当你想用这些数据回答问题时，只需查询它，它会给你最相关的结果——可选地附带一个 LLM 生成的答案。无需管道，无需基础设施，无需头疼。
以下是核心 API：
1. 创建客户（这是一个存放数据的空间）
2. 创建上传会话（这是用户上传数据的地方）
3. 查询
当前连接器：文件上传、Google Drive、Notion、Dropbox
支持的文件类型：PDF、文本文件、Markdown、CSV 和 XLSX（包括 Google 文档和表格）
网站： [https://liquidindex.dev/](https://liquidindex.dev/)
查看一下游乐场，感受一下它是如何工作的！
将您关心的类别、主题和风格输入，WallTrek 将为您自动生成壁纸。每次看到它生成的内容总是让人感到惊喜。该软件是开源的，使用 Dalle3，并支持自带密钥（BYOK）。