最新

嗨，HN，我是Bayang。我正在推出Runtime——一个桌面工具，它通过小而可重用的技能来自动化您现有的浏览器，而不是依赖庞大且脆弱的提示。 <p>链接</p> - 自述文件: <a href="https://github.com/runtime-org/runtime/blob/main/README.md" rel="nofollow">https://github.com/runtime-org/runtime/blob/main/README.md</a> - 技能指南: <a href="https://github.com/runtime-org/runtime/blob/main/SKILLS.md" rel="nofollow">https://github.com/runtime-org/runtime/blob/main/SKILLS.md</a> <p>我为什么要构建它？</p> 我在自己的工作中使用浏览器自动化，但由于需要将网页的大块内容推送到模型中，这变得缓慢且昂贵。我还看到了一些代理系统，比如浏览器使用的那种，试图流式传输实时DOM/处理并“猜测”下一个点击。这看起来很酷，但感觉笨重且不稳定。 我问了一些朋友，他们真正想要的是什么样的浏览器来完成他们的工作，比如重复性任务。所有三个人都说：“我想教我的浏览器，或者只是向它解释如何完成我的任务。”还有：“请不要让我切换浏览器——我已经有我的扩展、主题和设置。”这就是Runtime的起源：保持您的浏览器，保持控制，使自动化可预测。 Runtime在聊天中接收任务（我愿意挑战与Runtime对话的用户体验），然后运行由技能组成的简短计划。技能是一组功能：它有输入和预期输出。示例包括：“搜索网站”、“打开结果”、“提取产品字段”、“点击按钮”、“提交表单。”由于计划使用技能（而不是整个页面），提示保持简洁，处理过程保持确定性和快速。 <p>有什么不同</p> - 使用您的浏览器（Chrome/Edge，未来将支持Brave）。无需安装新浏览器。 - 设计上具有确定性。技能是明确且类型化的；运行过程可审计。 - 低令牌使用。我们传递紧凑的操作，而不是完整的DOM。更重要的是，我们根本不截图。我们认为，如果使用选择器进行导航，截图是没有用的。 - 人工干预。您可以随时查看步骤并停止/重试。 <p>适合谁？</p> 在网上进行研究/操作的人：提取结构化信息、填写表单、在工具之间移动数据，或在不编写完整RPA脚本或不使用任何API的情况下运行可重复的流程。这就是“runtime在运行时运行”。 <p>首先尝试这个（5-10分钟）</p> 1. 克隆代码库并按照自述文件中的快速入门进行操作。 2. 运行一个示例流程：搜索 → 打开 → 提取字段。 3. 阅读`SKILLS.md`，然后为您每天使用的网站制作一个小技能。 <p>尚未完美的地方</p> 网站会变化。技能也会变化，但我们会发布关于解决此问题的内容。 我很想知道它在哪些地方出现了问题。 <p>我希望得到的反馈</p> - 技能格式是否清晰？作为声明式的，这是否有帮助？ - 计划者在哪些地方过度/不足地指定步骤？ - 我们应该优先为哪些网站发布技能？ 欢迎在评论中回答所有问题，也希望能得到一些反馈。谢谢！ <p>Bayang</p>

一般的大型语言模型（LLMs）是否已经达到顶峰？

我最近看到这里有一条评论[0]，提到了使用大型语言模型（LLMs）构建原生桌面应用程序所面临的挑战。评论者指出，培训资源变得非常稀缺——与网页或移动开发相比，几乎没有博客文章、教程或开源项目。他们还提到，虽然在90年代桌面应用开发是一条稳固的职业道路，但现在对于大多数人来说，它被视为一条死胡同，除了像微软或Adobe这样的巨头。 这让我开始思考：我自己的桌面开发经验可以追溯到90年代末，当时使用的是Delphi中的Turbo Pascal 6，而我对现代实践已经不太了解。随着环境的变化，我对今天开发者实际使用的工具和工作流程感到好奇。 以下是一些引发讨论的问题： - 目前哪些编程语言和框架在桌面应用开发中流行？ - 有没有什么常用的集成开发环境（IDE）、构建工具或库可以简化开发过程？ - 如果你关注代码性能或效率（无论对你来说这意味着什么），上述答案会有所不同吗？ - 原生桌面应用开发作为职业仍然可行吗，还是大多数新项目正在转向基于网页的替代方案？ 我很想听听最近有经验的朋友们的看法——成功故事、陷阱和建议都非常欢迎。提前感谢大家的分享！ [0] https://news.ycombinator.com/item?id=44841291