最新

你好，HN！ 我已经在Canine项目上工作了大约一年。这个项目的起源是因为我厌倦了使用Heroku、Render、Fly等平台来托管我自己构建的一些网络应用，所需支付的费用过高。曾经，我每月为这些云托管支付超过400美元。去年，我将所有的项目迁移到了Hetzner。 对于一台4GB的机器，各个服务提供商的费用如下： - Heroku = 260美元 - Fly.io = 65美元 - Render = 85美元 - Hetzner = 4美元 （当你需要超过4GB时，这个问题会变得更加严重。） 使用Hetzner的唯一缺点是，没有一个非常简单的方法来处理以下事项： - DNS管理 / SSL证书管理 - 团队管理 - Github集成 但我想，快速为我的Hetzner实例构建一个类似Heroku的工具应该是很简单的。结果发现这比预期的要困难一些，但经过一年的努力，我取得了一些不错的进展。 Canine最棒的地方在于，它也使得托管任何Helm图表变得非常简单，这些图表几乎适用于任何开源项目，因此从数据库（例如Postgres、Redis）到一些随机的东西，如种子追踪服务器、VPN端点等，都可以轻松托管。 开源项目地址： [https://github.com/czhu12/canine](https://github.com/czhu12/canine) 云托管版本地址： [https://canine.sh](https://canine.sh)

嘿，HN， 在过去的几年里，我一直痴迷于让人工智能生成准确的交易信号。我发现AI交易模型面临的主要挑战是缺乏一致性、上下文窗口瓶颈、难以进行回测以及高成本。 问ChatGPT“我今天应该买比特币吗？”并不是一个有效的做法，因为大型语言模型（LLM）没有固定的交易策略可供操作。此外，较小的上下文窗口使得很难容纳足够的历史数据。更不用说，这样的做法成本也非常高。 我的解决方案是采用混合方法。与其让LLM直接进行预测，我更倾向于将AI作为系统中的“指挥者”，它能够在高线程数的AMD EPYC服务器上运行一系列回测模拟。 然后，AI处理结果，识别最佳参数变化，并可以在每次交易后（根据需要）自我优化，以适应不断变化的市场条件。这种设置利用LLM进行高层次推理，而将CPU核心用于它们最擅长的任务。 我应该提到，TrendFi被设计为基于趋势的模型。它并不适合日内交易或捕捉每一个小的市场波动。它的目标是准确识别主要趋势变化，并在这些关键时刻提供清晰的警报。 欢迎查看： [https://trend.fi](https://trend.fi) – 迈克尔

现在，WhatsApp越来越像一个社交媒体动态，并且将会进一步向这个方向发展，我们该用什么来更好地沟通呢？<p>iMessages在iOS上表现不错，但缺乏跨平台的吸引力和创建群聊的便利性。Telegram则有些垃圾信息泛滥，我也不想再下载一个新的聊天应用。想想看，你的朋友和家人没有下载你告诉他们比WhatsApp更好的那三个应用，这有多让人烦恼？