最新

嗨，HN， 我正在开发Claity AI，这是一款将最佳AI模型（如ChatGPT、Claude、Perplexity等）整合到一个单一界面中的工具，但有一个不同之处：它不仅仅让你手动选择模型。在智能模式下，Claity实际上会将复杂任务拆分为子任务，并将每个子任务分配给最适合的模型。 例如，如果你给它一个提示：“写一篇关于2000年至2025年AI趋势的博客文章”，Claity会： 1. 询问你的目标（例如，教育、SEO、摘要）。 2. 询问任何参考来源（网址、文件、笔记）。 3. 自动增强提示内容。 4. 将任务拆分为多个部分，如研究 → 列提纲 → 写作。 5. 将每个部分分配给不同的AI模型（例如，使用Perplexity进行研究，使用Claude进行列提纲，使用GPT-4进行写作）。 6. 向你展示整个过程的追踪视图。 我们目前处于早期开发阶段，我正在与一位技术联合创始人一起构建这个项目。我负责产品战略、增长和用户研究。我们非常希望能获得早期反馈，并邀请任何感兴趣的人加入我们的候补名单，链接如下： [https://claity.netlify.app](https://claity.netlify.app) 我们的目标是让AI的使用更加智能和高效——更接近人类团队的协作方式。 欢迎任何问题或想法！ Pratham

手动编写 JSON Schema 既繁琐又容易出错，尤其是在团队之间协作时。<p>我将我们建模平台（Jargon）中最有用的部分提取出来，制作成一个独立工具：<p>- 以纯文本方式建模数据（不是 AI — 只是一个领域特定语言）<p>- 立即获得干净、有效的 JSON Schema<p>- 无需 YAML，无需登录，无需样板代码<p>工具： <a href="https://jargon.sh/jsonschema" rel="nofollow">https://jargon.sh/jsonschema</a><p>文档： <a href="https://docs.jargon.sh/#/pages/language" rel="nofollow">https://docs.jargon.sh/#/pages/language</a><p>该工具由我们在实际数据治理工作中使用的相同引擎驱动，包括与联合国透明协议（UNTP）团队的实际使用案例。<p>欢迎反馈，特别是如果您关注模式质量、API 设计或更好的工具。

我常常发现自己会深入了解我所使用的每一个工具和系统——希望在继续之前先掌握它们。虽然这在智力上令人满意，但却拖慢了产品开发的进度。有没有人找到好的方法来抑制这种倾向，专注于交付？