最新

在我的工作中，公司为团队中的每个人提供了一个Claude订阅。老实说，我更喜欢kiro，因为它提供了更好的SDD管理。但公司无法提供这个工具，而我现在也负担不起。结果我在我的Claude实例中发现了技能创建者的功能，于是我利用它创建了这个技能。我完全是通过Claude完成的，但我希望将其开源，所以我请求它帮助我进行测试和准备，甚至创建一个持续集成（CI）来运行Python测试。 那么，我们得到了以下结果： - 阶段2A：67个静态断言（Python脚本，在CI中运行） - 阶段2B：15个行为测试（实时Claude代码会话） - 阶段2C：在3个端到端流程中进行的53个生成质量检查 所有这些都通过了，CI也通过了（经过几次尝试）。 我根据自己的提示和编码方式进行了调整，并基于kiro的SDD管理，但我希望它能公开可用，并被更多人使用。根据Claude的说法，一些测试者需要符合以下标准： 1. 从头开始启动一个全新项目的开发者 2. 有一个活跃的副项目的独立开发者（绿地项目或部分代码库） 3. 使用多个AI工具的团队负责人 4. 具有现有代码库但没有书面规格的开发者 5. 积极使用3个以上AI编码工具的开发者 这实际上是一个盲测，没有指导，您可以尝试一下，我会非常感激您的帮助。 仓库地址在这里： [https://github.com/FredAntB/Spec-Driven-Development](https://github.com/FredAntB/Spec-Driven-Development)

我们开发了Socratize，一款基于人工智能的培训工具，让员工在真实的工作场景中进行练习，而不是观看视频或参加测验。 大多数企业培训都是被动的。人们观看内容，点击幻灯片，通过测验，但在几天内就会忘记大部分内容。 我们想尝试一种不同的方法：通过对话和重复学习。 使用Socratize，用户进入逼真的场景，并需要对AI“对手”做出回应。 例如： - 销售代表练习应对：“你的产品太贵了” - 客服代表练习平息愤怒的客户 - 员工练习用自己的话解释合规规则 AI像一个真实的对手一样回应，挑战薄弱的论点，并继续对话，直到用户改善或未能通过场景。 目标很简单：用主动练习取代被动培训。 我们使用Claude生成回应，并根据上下文和推理评估用户论点的质量。每个会话都会被存储，以便团队可以查看员工在哪些方面遇到困难，以及哪些场景最具挑战性。 技术栈： - Next.js（前端） - Node.js（后端） - PostgreSQL - Claude API 我们上周推出了最小可行产品（MVP）。 我们还处于早期阶段，非常希望得到大家的反馈： - 这种方法在培训中是否真的有意义？ - 我们遗漏了哪些使用案例？ - 在真实公司中，什么会导致这个方法失败？ - 这是否在根本上有用，还是仅仅是“有趣但不必要”？ 在这里试用： https://socratize.io 免费版，无需信用卡。 欢迎随时提问。

这只是一个小版本更新，主要是为了修复我引入的一个回归问题 :-( 以下是此次版本更新中修复或解决的错误： - 519574 valgrind 3.27 中的 "--fair-sched=yes" 无法正常工作 - 519613 Valgrind 在出错时错误地解包 sys_port (port_getn) 的结果，导致每次调用时出现约 60 秒的延迟 - n-i-bz 更新 vg-lifespan（版权）年份 - n-i-bz 在 VG_(realpath) 中使用 SSizeT 作为 VG_(readlink) 的结果

我在进行一个关于教授英语拼写的项目时制作了这个游戏。当时我在阅读同音词，突然意识到同音词可以多大程度上改变一个词的形状，于是我开始尝试基于这个概念的小型游戏。 我添加了一些其他的变换，比如字谜、动词/时态变化，但答案总是显得太明显。我无法足够扭曲单词，使其变得有趣。突破点在于复合词对。通过复合词从一个词跳到另一个词（例如：海 → 马，通过海马）真的模糊了路径，这时游戏突然变得有趣且不可预测。 我已经和朋友们分享了这个游戏。我在英国，所以主要是英国的测试者，提前警告一下，有几个同音词可能偏向于英式英语。 他们每天都在玩，似乎上瘾了，所以我觉得值得在这里发布。这个游戏主要是每天一个谜题，这样我实际上有时间精心挑选那些有令人满意路径的谜题。今天的谜题相对简单，但有些可以非常棘手。这个名字来源于“betwixt”，整个游戏就是关于在两个词之间移动。我后来注意到有一个60年代的桌游也叫这个名字，但它们其实是很不同的东西。

请在下方留言 :]

我使用Claude Code构建了这个工具，以可视化任何数量的比特币可以购买多少黄金、白银、铀-238和可卡因。点击SpaceX、战略和美国政府的预设，滑动滑块从1聪到2100万比特币，并开启盖革计数器。

嗨，HN，我是Smyan，我喜欢构建智能代理。现代的多模态大语言模型（LLM）在视觉和感知方面表现出色，但在定位方面却相对较弱。当我们尝试将我们的机器人流程自动化（RPA）框架交给代理以执行计算机使用任务时，这自然会造成一个巨大的问题。 对于浏览器，我们已经能够通过使用DOM树为LLM提供结构提示来解决这个问题。最近，现代浏览器使用的框架采用了“标记集合”（Set-Of-Marks）提示，这种方法将网页的结构信息转换为带标签的视觉边界框，使LLM能够利用其强大的视觉和感知能力，准确地将其转换为一种定位形式。从功能上讲，这意味着LLM现在只需说“点击4”，而不必说“点击443 213”。 然而，这种方法在我们尝试将其应用于本地操作系统自动化时效果极差。可访问性树（accessibility tree），通常存在于本地应用程序中，通常相当脆弱，暴露出非确定性的选择器，并且常常被开发者剥离，这使得定位元素变得困难。模糊匹配可以对此有所帮助，但仍然很难做到准确。 这正是我创建SoMatic的原因。SoMatic是一个纯视觉基础的框架，使用经过微调的YOLO模型（深受OmniParser v2的启发）来识别用户界面中的文本和可交互元素。YOLO模型在CPU上本地运行，使用ONNX，速度相当快。SoMatic绘制边界框和标签，然后将每个边界框的ID映射到给定框中心的坐标。这使得原则上可以对任何用户界面进行标记集合提示。 我使用该框架与GPT-5.5（高）进行了消融基准测试，发现其准确率比原始模型高出约20%。然而，令人惊讶的是，模型在仅知道边界框位置（而不实际查看它们）时表现稍好。这可能是由于YOLO模型的阈值调整导致绘制的框过多或过少（我不太确定）。 无论如何，如果你希望让你的AI代理完全自主地操作你的计算机（Windows、Mac和Linux），你可以通过以下命令下载CLI： ``` npm install -g somatic-cli/cli ``` 并添加相应的技能： ``` npx skills add Smyan1909/SoMatic ``` 如果你希望模型直接解析来自所选API的屏幕截图（以b64编码），而不是在每次截图后读取图像，CLI还附带一个标准输入输出的MCP服务器。 我很想听听你对这种纯视觉方法的反馈。我们是否终于可以放弃混乱的操作系统可访问性树来进行自动化了？