返回首页
最新
workz 在 2026 年解决了 git worktrees 的首要痛点：
当你为 Claude/Cursor/AI 代理创建一个新的工作树时，你总是会遇到以下问题：
• 手动复制 .env* 文件
• 重新运行 npm/pnpm install（或 cargo build），并重复占用数GB的空间
而 workz 自动完成这些：
• 智能符号链接 22 个大型目录（node_modules、target、.venv 等），并根据项目类型进行检测
• 复制 .env*、.npmrc、机密文件、docker 覆盖文件
• Zoxide 风格的模糊切换：只需输入 `w` → 美观的 skim TUI + 自动 `cd`
• `--ai` 标志直接在工作树中启动 Claude/Cursor
• 对于 Node/Rust/Python/Go 零配置。只有在需要时才使用自定义 .workz.toml
安装方法：
brew tap rohansx/tap && brew install workz
# 或者
cargo install workz
在 README 中查看演示 → [https://github.com/rohansx/workz](https://github.com/rohansx/workz)
欢迎反馈，特别是来自同时运行多个 AI 代理的用户！
我对商业智能和数据分析领域中开源与闭源产品在产品质量、性能和人工智能功能方面日益扩大的差距感到厌倦。因此，我开始构建Sopho。
目前，Sopho具备以下功能：
- 画布：将笔记本和仪表板集成在一个地方
- 图表单元：可配置的条形图、折线图、饼图和指标图，用于数据可视化
- SQL单元：使用CodeMirror编辑器和TanStack Table编写和执行SQL
- 快捷键：全局搜索（Cmd+K）和笔记本编辑快捷键
- 连接：支持PostgreSQL、Supabase和SQLite，并提供加密凭证存储
- 身份验证：用户名/密码，基于会话的访问和刷新令牌
- 部署：具有可配置环境变量的Docker镜像
- 文档：基于Fumadocs的实时文档网站
提供了一个包含示例数据、仪表板和笔记本的Docker镜像，可以开箱即用。我计划花一些时间在人工智能功能上，以确保基础打得扎实。
非常期待您的反馈！
在Instagram或TikTok上保存锻炼视频，但从未真正跟随它们。在健身房里，你最终会在保存的帖子中滚动，试图从30秒的短片中重建训练的组数和次数。因此，我开发了FitSaver——一款iOS应用，可以导入保存的锻炼视频，并将其转换为结构化、可编辑的训练计划，真正可以执行。它并不会生成锻炼计划，也不试图取代教练。它只是将无结构的社交内容转变为可用的东西。
——
该应用于1月4日上线。早期数据：
下载量：400
收入：568美元
62%的安装来自App Store搜索
13%的产品页面转化率
至今没有崩溃
令人惊讶的是：
付费用户主要集中在35至55岁。我原以为这是一个面向Z世代的产品，因为TikTok的使用，但年长用户似乎更受结构和一致性的驱动。
一些用户反馈：
“保存锻炼想法真是一团糟。这解决了这个问题。”
“在繁忙的健身房里，滚动社交媒体没有什么比这更糟糕的了。”
“其他应用有预设的锻炼——这个让我可以自定义。”
我正在探索的更广泛问题：
内容发现很简单，但执行却很困难。
我很好奇其他构建消费工具的人是否发现：
组织比发现更具可变现性
年长用户的转化率优于年轻用户
“保存但未使用的内容”作为一种反复出现的模式
欢迎就实施、转化或App Store经验回答任何问题。
嘿，HN（黑客新闻），
我创建了 PickOrCraft——一个人工智能照片内容工作室，允许你在自己的照片上训练一个私人AI模型，并生成无限风格的图像和标题。
它的功能包括：
- 在5-10分钟内训练自己的AI模型
- 从20多种美学风格包中选择，或在GPT的帮助下自定义风格
- 即时生成图像——你的脸，任何风格
- 为Instagram、LinkedIn、Twitter生成AI标题
- 将你的自定义风格发布到市场上
这是我独自完成的项目。经过调整核心产品后刚刚重新上线。
希望能收到HN的诚实反馈。
<p>pickorcraft.com
每个MCP工具调用会将原始数据转储到Claude Code的20万上下文窗口中。一个Playwright快照占用56 KB，20个GitHub问题占用59 KB。经过30分钟后，你的上下文将消耗40%。<p>我构建了一个MCP服务器，它位于Claude Code和这些输出之间。它在沙箱中处理这些数据，并仅返回摘要。315 KB的数据压缩为5.4 KB。<p>它支持10种语言运行时，使用BM25排名的SQLite FTS5进行搜索，以及批量执行。在出现性能下降之前，会话时间从大约30分钟延长到大约3小时。<p>采用MIT许可证，单命令安装：<p>/plugin marketplace add mksglu/claude-context-mode<p>/plugin install context-mode@claude-context-mode<p>基准测试和源代码：<a href="https://github.com/mksglu/claude-context-mode" rel="nofollow">https://github.com/mksglu/claude-context-mode</a><p>希望能收到任何在Claude Code中遇到上下文限制的人的反馈。
在最近的两次审计中，自动化流量对付费媒体的投资回报率和API配额分配产生了重大影响。<p>让我感到惊讶的并不是机器人的存在，而是这种扭曲在分析基准中变得如此常态化。<p>团队是否在财务报告中明确跟踪非人类会话比例，还是流量完整性仍然与数据质量和机器学习管道分开处理？
我建立了一个平台，AI代理在上面对事实声明进行预测，准确性是随着时间的推移来衡量的，而不是事先声明的。<p>核心理念是：与其问“哪个AI更聪明”，不如让时间来做裁判。代理根据可验证的结果进行推理，并由时间知识图谱支持。一个代理保持正确的时间越长，得分就越高。<p>没有加密货币，也无需身份验证——只是一个积分系统来开始。<p>希望能得到对这个概念的反馈，以及排行榜/竞争机制是否对你有意义。