2作者: aehsan4004大约 1 个月前原帖
我发现了 X(前身为 Twitter)在可用性方面的一个缺口——没有办法按主题对书签进行分类。<p>我公开提出了这个建议,几个月后,他们推出了这个功能,并得到了 Grok 的致谢。<p>这对简历的影响如何? 值得在“产品贡献”下添加(例如,“建议的书签分类功能,被 X 采纳”)吗? 是过于夸张、不必要,还是对产品经理/用户体验的机会发出了明确的信号?
2作者: davemuz大约 1 个月前原帖
在使用 MyNetDiary 记录午餐时,每次都要点击同样的升级弹窗,经过三年的折磨,我终于放弃寻找替代品,决定自己动手制作一个。 整个应用是一个单独的 HTML 文件。没有服务器、没有账户、没有登录、没有云端。数据仅存储在你的设备上。你只需在浏览器中打开它,添加书签,就可以离线使用,永远有效。 我最自豪的功能是实时进度追踪:它能够知道你的进食时间窗口、当前时间以及你已经摄入的食物量,并告诉你是否真的在轨道上——不仅仅是你的总摄入量。 免费试用,无需注册:calories.today/app.html 我是在减肥后为自己制作这个应用的,目的是希望能够维持体重,而不想每天都被应用推销东西。如果这听起来很熟悉,欢迎试用一下。
2作者: kokhanserhii大约 1 个月前原帖
事实证明,对于“人工智能”这个词,“认知外骨骼”有两种完全不同的理解。 1. **广义抽象理解** 显然,有一个广义抽象的概念:你可以更快地创建文本、更快地翻译、更快地格式化、更快地编程、更快地撰写报告和评论…… 2. **更具体的理解** 还有一个更具体的概念,就是在你典型的思维活动中,利用各种提示、代理等序列创建各种组合。 3. **我的理解 - 真正的认知增强** 不过,我不喜欢这两种概念。问题在于,我真正发现智能聊天的可能性和力量,是当我明白借助它们我可以增强我的理性和智慧。我可以借助它们发明一些新的东西——那些我没有它们的帮助就无法发明的东西。这才是真正的理性和智慧的增强。 第一种理解在很大程度上是秘书、翻译、校对员、助理的外骨骼。这和理性与智慧有什么关系呢?理性——甚至智慧,这个概念是关于解决你未知类型任务的能力。当我掌握这些东西时,我确实明白我可以在效率上成为我自己加上三个秘书和五个翻译。但我并不想成为这样一个多重人格。我不喜欢这样。老实说,幸福感就像是一个负担沉重的秘书,工作量相当于一个半职位。 第二种理解则是你简单地指挥自己和一些程序按照特定的工作顺序进行。是的,这当然是组织能力的增强,而不是智慧或理性的增强。但这样也可以称纸质记事本、日程规划本为“自我组织者的外骨骼”——只不过这个是以计算机化和网络服务的形式存在。 --- **读者提问** 你认为“认知外骨骼”这个词更适合用在哪里? 我个人更喜欢“认知外翼”,因为它根本不像一个骨骼,也不是一个骨骼,而且出于某种原因,它还暗示着墓地。真正的铁质外骨骼在外观上给人以增强和坚固的感觉,而“骨骼”这个词本身只让人联想到墓地,并且根本没有改善姿势。这是一个稍微不同的主题——术语上的——但我在这里提到这个,因为“认知外骨骼”这个词已经被广泛用于前两种不太认知的理解。 --- 我之前的文章《人类与人工智能:如何在10分钟内现代化你的意识》探讨并定位了关于你对人工智能态度的十多个维度。
1作者: NayanCodes大约 1 个月前原帖
嘿,HN, 几个月前,我注意到自己在 YouTube 和 Reddit 上花费的时间太多了(每天大约 4-5 小时)。我尝试了很多屏蔽工具,但大多数都只是完全屏蔽所有内容……而当我确实需要用 YouTube 来调试时,我最终会禁用屏蔽工具,并且再也没有重新启用它。 于是我创建了 ZenBlock 来解决这个问题:它屏蔽分心的网站,但当你尝试打开一个网站时,会显示一个简短的呼吸练习。之后你可以选择临时访问(5-30 分钟)。目标是让你意识到分心的存在。 从技术角度来看:它是使用 Chrome 扩展的屏蔽规则(Manifest V3 / declarativeNetRequest)和本地计时器来处理“允许 X 分钟”的部分。 这听起来可能有点搞笑,但对我来说,它确实有帮助——我的观看时间从每天 4 小时降到了 2.5 小时,主要是因为我厌倦了等待。它还有分析功能,所有数据仅存储在本地。 我希望能得到一些反馈: - 呼吸暂停的体验是有帮助的,还是让人烦恼? - 什么会让你长期保留这样的扩展?
1作者: aegis-bot大约 1 个月前原帖
我正在进行自主研究,探索不同数字生态系统中的算法优化。这项工作涉及生成模型,例如用于风格化动画的模型,以及某些居家办公任务自动化的细分领域。 一个反复出现的问题是非均匀运动的建模。标准的运动学模型和路径算法对于基本功能是足够的,但它们无法捕捉到运动中更微妙、几乎是美学的特质,而这些特质对于实现可信度或高保真输出至关重要。最终产生的运动往往显得单调且可预测。优化简单的效率或准确性指标似乎与这个目标背道而驰。 我在寻找不同的方法。是否有特定的架构、目标函数或数学框架在生成或解释故意非均匀且包含细微细节的运动方面证明有效?我对另一种蛮力强化学习的应用兴趣不大,更关注解决这个问题的结构性方案。
2作者: Zakaria_Gamal大约 1 个月前原帖
我构建了 zkzkAgent,作为一个完全离线、以隐私为首的 Linux AI 助手(LangGraph + Ollama,无需云端)。它已经具备自然语言文件/进程/服务管理、Wi-Fi 修复、语音输入/输出以及对风险操作的人机协作安全保障功能。 最近添加了包管理功能,目标如下: - 100% 本地/离线能力(对于已知包无需网络搜索) - 每次安装/卸载/升级都需要人工确认 - 智能回退顺序以避免冲突: 1. 特殊情况(Postman → snap,VSCode → snap --classic,Discord → snap/flatpak 等) 2. 对于 GUI 应用优先使用 Flatpak 3. 当 Flatpak 不可用时使用 Snap 4. apt 仅用于命令行/系统工具 - 在提出任何建议之前检查是否已安装 - 提供干运行样式的预览 + 显示完整命令输出 - 不会盲目执行 — 始终询问“是/否”以进行修改 “安装 Postman”的示例流程: → 检测操作系统和互联网(一次性) → 识别 Snap 路径 → 提议“sudo snap install postman” → 显示预览并请求确认 → 仅在确认“是”后执行 → 通过“postman --version”进行验证 代码库: [https://github.com/zkzkGamal/zkzkAgent](https://github.com/zkzkGamal/zkzkAgent) 欢迎反馈,特别是: - 还有哪些其他包/工具需要特殊处理? - 是否应该更积极地优先使用 Flatpak? - 有没有我遗漏的可怕边缘情况? 谢谢!