最新

嗨，HN， 我是拉尔夫。我拥有软件开发学位，在过去的15年里，我一直从事网站开发和搜索引擎优化（SEO），最近6年经营着一家代理公司。 几年前，我意识到人工智能可以在自动化我们代理公司许多初级SEO任务和手动工作方面发挥作用。我详细列出了我们的流程，绘制了人工智能可以发挥作用的领域，并开始将其整合。 这创造了一个基于人工智能的SEO平台，能够自动化关键词研究、元标题/描述、图片替代文本和页面级内容，并配备审批工作流和基于令牌的使用。我还在探索链接建设、全面技术审计和人工智能生成的推荐修复的自动化。 最大的挑战之一是管理上下文相关性，给系统提供足够的信息以全面理解一个网站，同时又不至于让模型感到不堪重负或稀释相关性。 该平台目前处于测试阶段，但我在继续追求“完美”和专注于尽早分享、让真实用户引导实际需求之间感到矛盾，因此我在这里寻求反馈。 我非常感谢任何见解，特别是关于这个平台在工作流程中适合或不适合的地方、对返回响应质量的反馈，以及可能导致采用时出现摩擦的任何因素。 为了在测试阶段保持成本可预测，用户可以使用令牌支持的工作区测试100页或更少的网站。

我确实尽力了。我必须这样做，因为它有一个受“数字极简主义”启发的独特之处。 这个独特之处在于，它只允许你每天（或每X天）获取一次新文章。 为什么呢？让我来解释一下…… 我希望我的互联网内容像一份无聊的报纸。你早上拿到它，边喝早咖啡边读完整份，然后就结束了！今天没有更多的新信息了。没有提示，没有警报，宁静、安静、禅意等等。 但为了实现这一点，我需要能够在一次操作中从我数百个源中获取所有文章。这就是Zig和curl优化发挥作用的地方。我尝试了所有的技巧。如果我遗漏了什么，请告诉我！ 首先，我在网络层使用了curl multi。它的一个好处是自动进行HTTP/2复用，这意味着如果你的源托管在同一个CDN上，它会重用相同的连接。我将其配置为总共处理50个连接，每个主机最多6个，这似乎是在服务器开始变得可疑之前的最佳点。此外，还使用了条件GET。如果一个源自上次以来没有变化，服务器会直接返回“未修改”，我们立即退出。 在curl下载源的时候，我不想让CPU闲着，所以当curl完成下载一个源时，它会触发一个回调，立即将XML抛入一个工作线程池进行解析。主线程继续管理所有网络事务，而工作线程则并行处理XML。Zig的内存模型非常适合这个。每个源都有自己的ArenaAllocator，这基本上是一个可以在解析过程中分配字符串的游乐场，然后当我们完成时，我们只需一次性清除整个区域。 在解析方面，我使用了libexpat，因为它不会像DOM解析器那样将整个XML加载到内存中。这一点很重要，因为某些播客源的XML文件大小通常超过10MB。因此，通过智能截断，我们下载前几MB（可配置），向后扫描以找到最后一个完整的项目标签，然后在此处截断，只解析这一部分。即使在源的大小变得庞大时，也能保持内存使用的合理性。 至于用户界面，我只是将所有内容通过系统的“less”命令进行管道处理。你可以免费获得vim导航、搜索和分页功能。此外，我还使用了OSC 8超链接，因此你实际上可以点击链接在浏览器中打开它们。完全不需要TUI框架。我还添加了OPML导入/导出和源分组作为附加功能。 结果是：在几秒钟内从数百个RSS源中检索到内容，余下的时间则心安理得。 代码是开源的，采用MIT许可证。如果你有想法让它更快或更好，请在下面评论。功能请求和其他建议也欢迎在这里或GitHub上提出。

这太不真实了。我使用谷歌的 `genai` 发出的请求大多数都出现了 503 错误。有人也遇到同样的问题吗？

我创建了一套完全在浏览器中运行的开发者工具。无需注册账户，无需服务器端处理，无需跟踪。 包括：JSON 格式化器/验证器、CSV 转 JSON/SQL 转换器、正则表达式测试器、Base64 编码器、哈希生成器、UUID 生成器、JWT 解码器、Cron 解析器、时间戳转换器、差异检查器等。 技术：纯 HTML/CSS/JS。故意保持简单，以便快速加载和易于维护。 开源项目：<a href="https://github.com/GhDj/dev-tools" rel="nofollow">https://github.com/GhDj/dev-tools</a> 希望获得反馈，了解接下来哪些工具最有用。

嗨，HN， WindMouse 是一个相对较老且广为人知的算法，用于生成类人鼠标移动（曲线路径、可变速度、自然减速）。它在自动化讨论中经常被提及，但令人惊讶的是，我找不到一个干净、经过良好测试且可重用的 Python 库实现。 因此，我决定自己来实现它。 这个项目现在以 *WindMouse* 的名称发布： * 强类型（坐标使用 *NewType*，兼容 mypy） * 两个后端： ``` * PyAutoGUI（跨平台） * AutoHotkey（Windows） ``` 算法本身并不新颖——新颖的是它的实现。我的目标是创建一个可以下载并立即在项目中使用的工具。 我希望能得到以下方面的帮助： * 在不同操作系统环境下的 *测试*（特别是 macOS 的边缘案例） * *新后端*（例如本地 macOS、Wayland、低级 Windows API、游戏引擎、远程桌面） * 对 API 设计和参数默认值的反馈 欢迎提出关于算法、设计决策或权衡的任何问题。