最新

在使用AI代理进行开发时，我不断遇到同样的问题：即使是对提示或工具进行微小的修改，也需要运行整个应用程序或编写临时脚本。这两种方式都很慢，并且总是打断我的工作流程。 我一直喜欢Storybook允许你在隔离环境中开发UI组件的方式，因此我尝试将同样的理念应用于代理。 Agent Playbook是一个开源的、类似Storybook的开发和调试AI代理的游乐场。 它会自动发现你的代理，启动本地网页用户界面，并为你提供一个互动环境来测试它们。你可以与代理进行对话，检查其推理步骤，并通过热重载快速迭代。 GitHub: [https://github.com/orlevii/agent-playbook](https://github.com/orlevii/agent-playbook) 目前它支持使用pydantic-ai构建的代理，我一直在大量使用，并发现其操作简单。我计划根据用户的需求扩展支持，因此非常欢迎反馈。 这是第一次公开发布，我非常希望能听到对核心理念、开发者体验以及任何能使其更有用的功能建议的反馈。欢迎提问！ 感谢你的关注。

不是为了炒作，而是为了真正能用的东西 我们试图理解与去中心化技术互动的人们的真实需求和未满足的愿望。 如果你能轻松创造出一个Web3工具、产品或协议，能够让你个人受益——无论是实用的、痛苦的、缺失的，还是早该出现的——那会是什么？ 我们不寻求天马行空的想法或营销策略。 只希望从用户和开发者那里得到诚实的回答： 现在缺少什么，应该早就存在了？

我主要出于好奇和喜欢清理杂乱数据的原因，正在进行这个项目。我下载了完整的法语维基百科数据转储（原始的XML + wikitext格式），并编写了一个脚本，提取每篇文章并将其转换为干净的JSON文件。 这个过程并不复杂——只是我自己写的一个管道，具体步骤如下： - 读取XML流 - 提取每一页 - 移除wikitext和多余的标记 - 重新构建章节 - 将信息框解析为真实的JSON对象 - 提取类别、链接等 - 然后将每篇文章保存为一个JSON文件 最终结果大约有270万个JSON文件，每个文件代表一篇维基百科文章，格式可以直接用于自然语言处理（NLP）或大型语言模型（LLM）实验。 这个项目并不是为了与现有数据集竞争——我只是想了解如何正确处理数据转储，并从头开始构建一些干净的东西。由于结果不错，我决定分享出来，希望能对其他人有所帮助。 我还在对完整的英文数据转储（大约620万页）进行相同的处理，目前仍在进行中。

越来越多的用户通过人工智能助手（如ChatGPT、Gemini、Copilot）获取信息，而不是通过传统的浏览方式。类似于SEO为搜索引擎定义的规则，本项目提出了一套开放的、实用的指南，用于构建AI系统能够理解、索引和引用的网站。 这不是一个框架，而是一套不断演变的最佳实践，旨在让网络重新变得机器可读。 文档仓库（Repo）： [https://github.com/ai-first-guides/first.ai/blob/main/docs/index.md](https://github.com/ai-first-guides/first.ai/blob/main/docs/index.md)

嗨，HN， 我最近在探索 Lean 4，这是一种定理证明器和编程语言，我对它在形式推理和证明方面所提供的功能印象深刻。然而，找到一个结构化的、由讲师主导的课程或组织的学习小组（而不仅仅是教程或文档）一直很困难。 有没有人知道： - 教授 Lean 4 的大学或在线课程（开放注册） - 任何指导性的小组、训练营或社区学习项目。 我的目标是以更系统和互动的方式学习 Lean 4——理想情况下能够获得反馈、参与项目或进行同伴讨论。 如果你参加过这样的课程、组织过这样的课程，或者知道可以去哪里寻找（例如 Discord、Zulip 群组或大学链接），我将非常感激你的指引。 谢谢！

我一直在考虑这个问题，我认为屏幕时间、点击次数等对我来说并不相关。<p>我想到的更像是对对话的分类，比如用户在结束时是否感到满意，用户是否感到沮丧等等。<p>目前你们是如何进行这些工作的呢？