最新

嘿，HN， 我在6个月内创建了11个SaaS项目，总共赚了45美元。 在这个过程中，我花了数百小时浏览招聘网站，看到“竞争性薪资”（低于市场价）、需要5年经验的“入门级”职位，以及带有时区星号的“远程”工作。 所以我做了这个：每周发布一份包含10-15个远程软件工程职位和5条顶尖科技新闻的通讯。 它与众不同之处在于： - 实际精心挑选（不是500个随机职位） - 薪资透明（通过Glassdoor/levels.fyi列出或估算） - 诚实的评论（我公开指出红旗） - 仅限远程（没有“远程”虚假信息） 请查看第一期（无需注册），告诉我你的想法： [https://gettingcodedone.com/archive/1](https://gettingcodedone.com/archive/1) 上周日发布。期待你的反馈！

嘿，HN！ 我在开发 calendar0.app（一个 AI 日历助手）时，创建了 SemanticTest。 在构建这个 AI 助手的过程中，我注意到缺乏良好的 AI 评估框架来帮助我测试我的代理。 SemanticTest 使用 GPT-4 作为评判者来评估： - 文本响应（语义意义） - 工具调用（正确的工具，正确的顺序） - 多轮对话 它是可组合的：你可以使用自定义模块以 JSON 管道的形式构建测试。 期待反馈。 谢谢！

很高兴与大家分享我几个月来一直在构建的项目！希望能收到诚实的反馈 :) 我的动机是：人工智能显然将成为数据的接口。但早期的尝试（如文本转SQL等）并未达到预期——它们将其视为魔法。这个领域已经成熟：团队现在意识到，人工智能与数据需要结构、上下文和规则。因此，我构建了一个产品，帮助团队快速交付“与数据对话”的解决方案，同时具备全面的控制和可观察性（代理追踪、质量评分等）——我错了吗？ 该产品允许您将任何大型语言模型（LLM）连接到任何数据源，并提供集中管理的上下文（指令、dbt、代码、AGENTS.md、Tableau）和治理。用户可以与他们的数据对话，以构建图表、仪表板和定期报告——所有这些都通过一个代理的、可观察的循环进行。还支持Slack集成！ * 集中上下文管理：指令 + 外部来源（dbt、Tableau、代码、AGENTS.md），以及自学习 * 代理工作流（ReAct循环）：推理、工具使用、反思 * 通过聊天/命令生成可视化、仪表板和定期报告 * 质量、准确性和性能评分（LLM评审）以确保可靠性 * 高级访问与治理：基于角色的访问控制（RBAC）、单点登录（SSO/OIDC）、审计日志、规则执行 * 在您的环境中部署（Docker、Kubernetes、VPC）——对基础设施的完全控制 GitHub: github.com/bagofwords1/bagofwords 文档 / 架构 / 快速入门: docs.bagofwords.com

嘿！我开发了这个分析工具，真正追踪那些重要的东西——收入、用户如何使用你的产品，所有这些有用的信息。不仅仅是“哦，今天有1000次访问”，哈哈。 在我看来，这比谷歌分析要好得多，尤其是如果你真的关心从你的产品中赚钱的话。 你觉得怎么样？我一直在自己项目中使用它，效果相当不错。