1作者: gabrycina大约 1 个月前原帖
我开发了 FocusMode,因为我每月要花 10 美元购买 Raycast Pro 仅仅是为了切换工作区。 这是一个菜单栏应用程序,允许你定义一个“专注工作区”——一组应该可见的应用程序。按下 ⌘⇧P,其他所有应用会立即隐藏。 功能: - 多显示器:将应用分配到特定屏幕 - 每个应用的最大化切换 - 原生 Swift,约 2MB - MIT 许可证 网站: [https://gabrycina.github.io/FocusMode/](https://gabrycina.github.io/FocusMode/) GitHub: [https://github.com/gabrycina/FocusMode](https://github.com/gabrycina/FocusMode) 欢迎随时询问有关实现的任何问题。
1作者: packet_mover大约 1 个月前原帖
嗨,HN, 我正在构建 Corviont,这是一个自托管的离线地图设备(包括瓦片、路由和搜索),适用于边缘计算或本地设备。 托管演示(无需安装):[https://demo.corviont.com](https://demo.corviont.com) 自托管(Docker Compose 仓库):[https://github.com/corviont/monaco-demo](https://github.com/corviont/monaco-demo) 文档:[https://www.corviont.com/docs](https://www.corviont.com/docs) 内容包括: ``` - 本地提供的矢量瓦片(PMTiles) - 本地提供的路由(Valhalla) - 离线地理编码/搜索 + 反向地理编码(基于 SQLite Nominatim 的索引) - 连接到本地端点的 MapLibre 用户界面 ``` 在初始的镜像和数据拉取之后,它可以完全离线运行(不需要外部地图、路由或地理编码 API 调用)。 接下来(如果人们需要):一个用于区域数据集的签名设备更新器(验证 → 原子交换 → 重新加载)。 我非常希望得到反馈:离线地图、路由和搜索对你们的重要性,以及有哪些限制因素(硬件、车队规模、更新窗口、地区、部署方式)。
2作者: jaz1大约 1 个月前原帖
嗨,HN,我开发了 Jetbase——一个基于 Python 的数据库迁移工具。 Jetbase 具有以下特点: - 严格的验证机制,可以检测在应用后被更改或删除的迁移文件(防止漂移,快速失败) - 数据库锁定,确保多个迁移进程不能同时运行 - 完整的回滚支持 - 文件名中直接强制使用递增的版本号,使迁移历史一目了然 - 使用原生 SQL,而不是 ORM 主要的 Python 工具是 Alembic,但它主要与 ORM 一起使用,并不包括像验证检查这样的功能。因此,我开发了 Jetbase 来添加我所需要的功能。 我还遇到了一些其他问题: - 比 Alembic 有更多验证检查的工具通常是基于 Java,而不是 Python - 一些工具将回滚支持限制在付费层级 - 希望有一种简单的方法来查看迁移历史 我从 ORM 转向了原生 SQL,这使得 Alembic 的 ORM 集成变得不再必要。我转变的原因包括: - 在数据库 UI 工具(如 DBeaver、Snowflake)中直接探索查询,不想将其重新编写为 ORM 语法 - ORM 对于 Python 数据管道(S3 → Snowflake → Postgres)来说并不合理 - 原生 SQL 在基本 CRUD 之外的操作更高效 - 与一个姐妹团队共享数据库,不想在 API 中创建额外的 ORM 模型来查询他们的内容 代码库(附带快速入门指南):[https://github.com/jetbase-hq/jetbase](https://github.com/jetbase-hq/jetbase) 目前支持 Postgres 和 SQLite(计划添加更多数据库)。 期待听到任何反馈!
2作者: superlucky84大约 1 个月前原帖
嗨,HN, 我创建了 fp-pack,这是一个小型的 TypeScript 函数式工具库,专注于管道优先的组合。 其目标是保持管道的简单性和可读性,同时支持提前退出和副作用——而不引入像 Option 或 Either 这样的单子。 大部分代码使用普通的 pipe/pipeAsync。对于少数需要提前终止的情况,fp-pack 提供了一个基于副作用的管道,可以安全地短路。 我还撰写了一份“AI 代理技能”文档,以帮助大型语言模型生成一致的 fp-pack 风格代码。 欢迎任何反馈、批评或问题。
1作者: docuagent大约 1 个月前原帖
在你说这是另一个RAG克隆之前,请先听我说几句。 <p>问题: 作为创作者:你需要录制屏幕、编辑、注释,然后再进行展示。如果有任何变化,你就得重新做一遍这个过程。 作为最终用户:你需要观看一段5分钟的视频,而你只需要知道其中5秒钟的内容来完成特定任务。 <p>解决方案: 对于创作者:录制并上传你的原始屏幕捕捉,无需进一步的努力。 对于最终用户:你提问后,会得到与你的具体问题相关的文档,并附有注释的截图。 <p>这与Scribe或RAG有什么不同? * 与Scribe相比:Scribe是用于主动捕捉(在工作时点击)。DocuFine则是用于被动提取——它在事后将你现有的原始视频或演示转换为指南。 * 与RAG相比:大多数视频RAG仅搜索转录文本。DocuFine通过大型语言模型(LLM)“看”用户界面,然后使用光学字符识别(OCR)将注释“贴”到实际按钮上,因此即使视频没有声音,指南也能在空间上准确。 <p>网站尚未上线——我目前正在收集对这个概念和演示的反馈,待优化LLM成本和提取逻辑后再开放。 <p>演示链接: - 初始录制:<a href="https://streamable.com/c5gom5" rel="nofollow">https://streamable.com/c5gom5</a> - 提问内容:如何找到客户下的订单? - 生成的输出指南:<a href="https://streamable.com/9c4ncj" rel="nofollow">https://streamable.com/9c4ncj</a> <p>端到端演示:<a href="https://streamable.com/hqb6te" rel="nofollow">https://streamable.com/hqb6te</a> <p>非常感谢你的诚实反馈!