返回首页
最新
我已经玩了这个一段时间，我觉得它终于可以公开使用了。欢迎所有反馈。
这个工具是为实施和数据迁移团队开发的，旨在替代 Excel、一次性 Python 脚本以及像 FlatFile 和 OneSchema 这样的昂贵 CSV 导入工具。<p>您可以在无需编码的情况下直观地构建逻辑和验证。支持 API/数据库连接以提取和推送数据。该工具使用映射文件/配置进行可重复的数据格式化和转换。还集成了人工智能，可以根据普通英语自动生成映射文件。<p>我是一名实施顾问，曾亲自使用过这些工具，感到非常困扰，因此开发了这个工具。<p>非常感谢 HN 社区的反馈！<p>欢迎进一步交流或提供访问权限。您可以通过 [nate@dataflowmapper.com] 联系我。
嘿，HN！我们创建了Lunon，旨在让大型语言模型（LLM）的开发变得轻松不少。你是否曾想过在没有繁琐设置的情况下，查看不同模型如何处理相同的提示？这正是我们解决的问题。
我们的API让你只需几行代码，就能实时比较Claude、GPT、Mistral等模型。再也不需要复杂的基础设施或管理多个API连接——我们在后台处理所有繁琐的事情。
此外，你可以通过智能地将请求路由到每个任务的合适模型来降低成本。只有在真正需要时，才使用那些强大（但昂贵）的模型。
如果你正在使用LLM并对集成过程感到头疼，我们非常希望听到你的反馈！
有一个软件功能的新增，可以使Leviton产品更适合我的使用场景，这让我想到了这个。<p>有人有好的故事分享吗？
Deebo 是首个代理 MCP 服务器。当您的编码代理遇到棘手的错误时，可以与 Deebo 开启一个会话，这样它就可以将任务卸载出去，同时在 Deebo 异步处理问题的同时继续进行其他工作。
Deebo 的工作原理是生成多个子进程，每个进程在自己的 Git 分支中测试不同的修复思路。它利用 Claude 来推理错误，并返回日志、建议的修复方案和详细的解释。整个系统采用自然进程隔离，完全没有共享状态或并发管理。查看一下代码，它非常简单。
Deebo 也能够扩展到真实的代码库。在这里，它启动了 17 个场景，并诊断了 Tinygrad 中一个价值 100 美元的漏洞问题：
<a href="https://github.com/snagasuri/deebo-prototype/blob/master/memory-bank/9bd38e9840d3/progress.md">https://github.com/snagasuri/deebo-prototype/blob/master/mem...</a>
该运行的完整日志：
<a href="https://github.com/snagasuri/deebo-prototype/tree/master/memory-bank/9bd38e9840d3/sessions/session-1744006973678">https://github.com/snagasuri/deebo-prototype/tree/master/mem...</a>
希望能收到正在构建代理或在 AI 驱动开发过程中遇到流程中断错误的开发者的反馈。