最新

我个人非常喜欢这个。我可以更快地构建和发布东西，但我也有超过20年的软件开发经验。我不确定对于一个只有2年经验的人来说，这会有多有效。<p>此外，我面临的最大问题不是构建或发布，而是市场营销和获取用户——我不知道这在人工智能的帮助下会变得更容易还是更困难。

我正在开发一款新的iOS应用，目前已在TestFlight中测试。用户可以创建一个DJ角色，该角色经过深度研究，利用GPT-5的高级思维进行构建。然后，可以与AI进行歌曲的连续播放，这些歌曲来自Apple Music。或者，用户也可以选择让AI自主播放。默认情况下，歌曲选择基于GPT-5的低级思维，但可以进行配置。在这里，我尝试了很多创意，比如验证歌曲选择是否与角色一致（使用大型语言模型作为评判标准）。由于角色经过深度研究，用户可以非常具体地选择DJ播放的音乐类型。如果合适，歌曲选择可以非常深入。我从我的“Krautrock Nerd”角色中学到了许多Krautrock的珍品。或者可以创建一个角色，比如“1990年代纽约的Mark Ronson”，哈哈。

我让一个大型语言模型（LLM）代理创建了一个不含剧透的小说维基，读者可以选择他们最新阅读的章节，然后查看仅包含该章节之前内容的页面。 自从十年前阅读《时光之轮》以来，我就一直想要这样的东西。阅读史诗奇幻和其他小说需要记住大量的角色、地点等，有时甚至需要跨越数年。然而，在这段时间里，你无法在各种粉丝构建的资源中查找角色等信息，因为会有剧透。 几年前，我开始尝试构建这个项目，但采用的是固定的命名实体解析流程，随后进行单独页面更新。但这次，我没有尝试为章节处理建立特定的流程，主要是为了好玩，我给LLM提供了一些工具和启动子代理的能力，让它自己尝试更新给定章节的整个维基。结果还算成功！ 我在这里写了更多关于这个项目的内容： [https://kevinstock.org/book-wiki.html](https://kevinstock.org/book-wiki.html) 所有源代码在这里： [https://github.com/kevinastock/book-wiki](https://github.com/kevinastock/book-wiki)

在十多年前的代码中，我看到有这样的评论：HN 用户名是区分大小写的。幸好，这似乎不再是真的了。有人能确认一下吗？

我发明了一种新的替代方案，用于在 Python 中进行分叉、供应和猴子补丁处理包。 这有点像 Python 模块的 OverlayFS - 它允许你在一个新的模块（上层）中为目标模块（下层）编写修改，并将这些修改组合成一个新的虚拟模块（挂载）。 它通过使用 AST 转换重写导入，然后在新的 Python 模块中运行下层和上层模块的代码。 这可以防止在进行猴子补丁时污染全局命名空间，并且如果你想对第三方包进行更改，你不必承担分叉的维护负担，你可以仅打包和分发你的更改。