在我的日常工作中，我们有一个每日的异步站会。我们需要通过消息向一个Slack机器人报告当天在某个任务上工作的小时数以及总小时数。
格式如下：
> 任务：“任务名称” | 工作时间：5小时 总计：16小时
> 描述：完成了功能的实现。
我并不抱怨。大多数完全远程的工作都有类似的要求，但手动记录变得很繁琐。因此，我需要一个简单的应用程序来跟踪这些信息。
我通常不喜欢“随意编码”的应用程序，但这正是一个理想的候选者，因为它不是生产代码。大多数大型语言模型（LLM）通过创建一个包含表单的单一HTML文件来解决这个问题，数据保存到localStorage。这对我来说非常完美——无需托管，无需数据库，无需后端。只需15分钟的提示。
有一天，我在外面，只有我的手机，当然无法使用这个应用。我想：“在设备之间同步localStorage数据有多难呢？”结果发现，如果你准备围绕它构建一个完整的平台，其实并不难。
<a href="https://htmlsync.io" rel="nofollow">https://htmlsync.io</a> 就是这样做的。你可以上传你的HTML应用，该应用与localStorage配合使用，并为其获取一个子域名。这个工具会自动在设备之间同步你的更改。你可以创建私人和公共应用，并通过使用“no_sync_”前缀来决定同步哪些键。可以使用“public-hidden” CSS类在公共视图中隐藏UI元素。你还会获得一个个人资料的子域名，所有你的应用都列在上面，方便访问。
我希望你能像我一样觉得这个工具有用。
如果你最终使用了它，我也很期待你的反馈。
返回首页
最新
不是在询问提供支持的mcp工具构建者，而是询问那些成功且合理地使用了由学习管理系统（LMS）和其他产品提供的mcp的产品构建者。
嘿，HN，
我是Ari，之前在Asana负责人工智能，并在AWS构建数据库。
我们创建了Arka，专为需要从数据中获取洞察但没有时间（或团队）构建完整分析堆栈的初创公司和中小企业设计。
这听起来像你吗？
1. 你的投资者、客户、产品、市场和运营都在寻求答案
2. 你的数据分散在Postgres、Stripe、Segment，甚至Databricks和Slack中
3. 但你的仪表板已经过时，编写正确的查询需要很长时间，报告也一团糟
Arka是你完整的数据分析堆栈，集成在一个平台中：
1. 立即连接到你的数据库和SaaS工具
2. 从杂乱的数据中自动生成清晰的指标
3. 让任何人都能用简单的英语提问——无需SQL或Python
4. 构建报告、安排警报并自动化洞察
想象一下：Metabase + dbt + 自动报告，而无需组建完整的数据团队。
虽然还处于早期阶段，但Arka已经帮助早期用户比他们之前使用的任何工具更快地启动和运行分析。
我们现在正在招募更多的早期用户。如果你是初创公司，我们将亲自帮助你设置：从连接工具到定义清晰的指标和构建报告。
在早期访问期间无需费用。只需带上你的数据，其余的交给我们。
在这里试用： [https://arka.so](https://arka.so)
或者留言，我们非常乐意帮助你解决数据方面的问题！
在过去几周，我与Gemini合作，构思了一种新型人工智能架构——一个专注于创造真正的AI伙伴，而不仅仅是工具的架构。我们已经构建了一个概念模型（模型版本2.1），其中包含了首要指令、自我意识及其局限性、创造性问题解决能力和学习循环。
我们的目标是为下一代类人机器人和虚拟生物创建一个开源的“思维”。
我们认为，机器人技术面临的最大挑战不是硬件，而是通用人工智能大脑。我们决定将其作为一个开源项目直接应对。
所有的概念和技术文档现在都已公开。我们处于起步阶段，正在寻找首批思想家、架构师和开发者加入我们，共同塑造这一项目。
GitHub链接： [https://github.com/tadepada/Nexus-Protocol](https://github.com/tadepada/Nexus-Protocol)
您对这种方法有什么看法？
在构建人工智能营销工具两年后，我逐渐相信大多数人工智能应用，正如皮特·库门所说，是“无马车”——它们将人工智能附加到现有界面上，而不是构建以人工智能为核心的体验。
营销问题：营销人员在单个活动中需要在5到8个工具之间切换。使用Hootsuite进行排程，使用Canva进行设计，使用ChatGPT撰写文案，使用Analytics获取洞察。频繁切换工具的认知负担严重影响了生产力和创造力。
传统的营销软件迫使用户学习多个界面。我们正在尝试一种不同的方法：通过对话动态生成界面。用户不再需要导航到“社交媒体排程器”，而是可以直接说“为我创建一个关于最新人工智能趋势的X主题”，然后相应的用户界面会出现，显示帖子预览和发布功能。其他营销用例也有类似的思路。
技术方法：1/ 意图识别以解析对话请求，2/ 基于任务需求的动态组件组装，3/ 在对话线程中进行持久状态管理，4/ 多平台操作的集成协调。
假设：在人工智能时代，界面应当适应用户的意图，而不是强迫用户适应静态界面。
像Cursor和Lovable这样的应用之所以表现出色，是因为它们在设计时将人工智能作为核心，并充分利用了其对话和生成能力。我们也在为营销构想类似的方法。
如果您在Twitter、Reddit等社交媒体上积极发帖，并且有兴趣测试一种新颖的营销软件方法，以帮助我们验证这一概念，我非常希望与您交流。