最新

我正在学习如何使用 Rust 的 Lettre 库通过 SMTP 发送电子邮件，并创建一个简单的演示，以帮助进行 Lettre SMTP 的诊断和故障排除。<p>欢迎反馈，特别是如何让新手更容易诊断 SMTP 问题。这个代码完全是手动编写的，没有使用 AI。<p>该项目有三种实现方式：同步、使用 tokio1 rustls tls 的异步和使用 tokio1 native tls 的异步。<p>链接如下：<br>https://github.com/joelparkerhenderson/demo-rust-lettre-sync<br>https://github.com/joelparkerhenderson/demo-rust-lettre-async-tokio1-rustls-tls<br>https://github.com/joelparkerhenderson/demo-rust-lettre-async-tokio1-native-tls

我们大多数人都有一份需要获取数据的URL列表（政府信息、本地商业信息、PDF目录）。通常，这意味着需要雇佣自由职业者或支付昂贵且不灵活的SaaS费用。 我们开发了一个AI网络代理平台rtrvr.ai，使“Vibe Scraping”成为可能。 工作原理： 1. 上传包含您URL的Google表格。 2. 提示：“查找电子邮件、电话号码及其前三大服务。” 3. 观看AI代理同时打开50多个浏览器，并实时填充您的表格。 该平台由一个多代理系统驱动，可以执行操作、上传文件并进行分页爬取。 从零开始构建的网络代理技术： 端到端代理：我们构建了一个强大的代理框架，配备20多个专业子代理，将单一提示转化为完整的端到端工作流程。将任何提示转化为端到端工作流程，并且在任何网站变化时，代理会自动适应。 DOM智能：我们完善了一种仅基于DOM的网络代理方法，将任何网页表示为语义树，确保零幻觉，并利用大型语言模型（LLM）的基础语义推理能力。 原生Chrome API：我们开发了一款Chrome扩展，用于控制云浏览器，该浏览器与浏览器在同一进程中运行，以避免机器人检测和CDP的失败率。我们还解决了与Shadow DOM及其他DOM边缘案例交互的难题。 成本：我们将成本降低到每月10美元，但您可以使用自己的Gemini密钥和代理，几乎免费使用。与一些其他潜在客户生成工具（如Clay）每月200美元以上的费用相比，这个价格非常具有竞争力。 使用免费的浏览器扩展，可以在本地访问像LinkedIn这样的登录墙网站，或者在公共网络上使用云平台以实现规模化。 我们认为这可以成为您CRM的一个优秀上游工具，用于生成列表和丰富数据。 我们很想知道，这是否能让您的潜在客户生成、数据抓取或自动化变得更轻松，还是有所欠缺？

今天下午，我在 HN 上发布了一些关于如何向 HN 介绍一种新编程语言的技巧：<a href="https://news.ycombinator.com/item?id=46608577">https://news.ycombinator.com/item?id=46608577</a>。我想到 HN 有一个传统，发布的帖子通常以“{名称} 编程语言”命名（这是一种长久以来的论文和书籍标题传统），追踪这些帖子可能会很有趣。我尽量只保留了有趣的帖子：<p><a href="https://news.ycombinator.com/thelang">https://news.ycombinator.com/thelang</a><p>同样，编程语言的 Show HN 列表可以在 <a href="https://news.ycombinator.com/showlang">https://news.ycombinator.com/showlang</a> 找到。<p>这些都是经过整理的列表，因此它们在时间上是静止的。也许我们可以想办法更新它们。<p>几个著名的案例：<p><i>The Swift Programming Language</i> - <a href="https://news.ycombinator.com/item?id=7835099">https://news.ycombinator.com/item?id=7835099</a> - 2014年6月（926条评论）<p><i>The Julia Programming Language</i> - <a href="https://news.ycombinator.com/item?id=3606380">https://news.ycombinator.com/item?id=3606380</a> - 2012年2月（203条评论）<p><i>The Rust programming language</i> - <a href="https://news.ycombinator.com/item?id=1498528">https://news.ycombinator.com/item?id=1498528</a> - 2010年7月（44条评论）<p><i>The Go Programming Language</i> - <a href="https://news.ycombinator.com/item?id=934142">https://news.ycombinator.com/item?id=934142</a> - 2009年11月（219条评论）<p>但那些冷门和深奥的语言才是最有趣的。<p>( * 这里的“新”可能意味着旧，类似于 <a href="https://news.ycombinator.com/item?id=23459210">https://news.ycombinator.com/item?id=23459210</a> )

嗨，HN， 对于那些在真实生产环境中运行大型语言模型（尤其是自主或工具使用系统）的人：你们采取了哪些有效措施来防止自信但错误的输出？ 提示工程和基本过滤器确实有帮助，但我们仍然遇到过一些情况，响应看起来流畅、结构合理且合乎逻辑——但却违反了业务规则、领域边界或下游假设。 我很好奇： 你们是否依赖严格的模式或类型化输出？ 使用二次验证模型或规则引擎吗？ 对于某些类别的操作，是否有人参与其中？ 在执行前是否有严格的约束（例如，允许/拒绝列表）？ 哪些方法对你们来说失败了，哪些在规模和真实用户行为下仍然有效？ 我对实际经验教训和事后分析更感兴趣，而不是理论。