我和我认识的几个同行一样，正在进行以人工智能为主的开发，使用代理、技能等等。<p>这没问题，这是新的现实，但我在想，当泡沫破裂、代币价格大幅上涨后会发生什么。我们是否会被迫重新开始手工编写代码？公司会接受这个价格并支付更多吗？<p>我在想……有没有公司考虑过这个问题并为此做出计划？
返回首页
最新
刚刚发布了一篇关于Cartly的新案例研究，这是一款使用Mnexium驱动完整收据跟踪AI工作流程的iOS应用。我们非常想了解实现这样一个演示需要什么条件。
在这篇文章中，我们详细介绍了Cartly如何使用以下功能：
- 内存用于用户偏好和连续性
- 记录用于结构化收据和收据项的存储
- 单一的mnx运行时对象来控制身份、历史、回忆和记录同步
- 请求追踪数据包以便于审计和生产环境中的调试
演示流程涵盖了模式设置、收据图像捕捉、AI提取、记录持久化以及基于记录的聊天响应。
博客链接：<https://mnexium.com/blogs/introducing-cartly>
文档链接：<https://mnexium.com/docs>
iOS代码链接：<https://github.com/mnexium/cartly>
展示 HN: memgraph-agent – 基于图的 AI 代理内存（命名实体识别 + PageRank，零 LLM 成本）
嘿，HN，
我刚刚发布了我的无缝播放库的第4个版本，这个库是我在2017年首次构建的，用于处理我们在 [relisten.net](https://relisten.net) 上的音频播放，我们在这里流式传输现场录音，而无缝播放至关重要。
这个库是从零开始构建的，基于一个严格的状态机（唯一的依赖是 xstate），目前已经在 Relisten 的生产环境中运行。
它的工作原理是将未来的曲目预加载为原始缓冲区，并通过 Web 音频 API 进行调度。它在 HTML5 和 Web 音频之间无缝切换。我们在过去的9年里一直使用这种技术，效果相当不错。偶尔在 HTML5 到 Web 音频的切换时会有轻微的卡顿，但很难完全避免（主要是选择何时切换——这里有很多细微之处）。一旦切换到 Web 音频，所有内容应该都很流畅。
不幸的是，移动设备上的 Web 音频支持仍然不足。但如果你的体验主要是在桌面上，这就没问题。在移动设备上，大多数人使用我们的原生应用。
你可以在 [gapless.saewitz.com](https://gapless.saewitz.com) 查看这个项目的演示——只需点击“Scarlet Begonias”，在曲目中间寻求（因为它在超过15秒之前不会预加载），然后等待“Fire on the Mountain”上的“解码”切换到“就绪”。然后点击“跳到-2秒”，你就能听到顺滑的过渡。
大家好，
我想分享一个我开发的工具 *smart-commit-rs*，它是一个快速、轻量级的跨平台文本用户界面（TUI），旨在简化 git 提交的管理，包括通过大型语言模型（LLMs）生成提交信息。
以下是一些主要功能：
* **遵循约定：** 该工具默认根据“约定式提交”（Conventional Commit）标准生成提交信息，也可以选择根据 Gitmoji 生成。
* **广泛的 LLM 提供者支持：** 内置支持 Groq（默认）、OpenAI、Anthropic、Gemini、Grok、DeepSeek、OpenRouter、Mistral、Together、Fireworks 和 Perplexity。
* **自定义 LLM 支持：** 您可以轻松指向自定义提供者，例如使用 OpenAI 兼容端点的本地 Ollama 实例。
* **LLM 预设：** 您可以保存各种提供者的预设，并能够自由切换。如果您的主要 API 返回 HTTP 错误，您还可以配置备用排名，以便工具自动使用您配置的替代 LLM 预设进行重试。
* **差异排除模式：** 您可以排除压缩的资源、`.lock` 文件、PDF 等，以节省 token，同时仍然正式提交它们。
* **高级 Git 工具：** 消息生成不仅适用于提交。您可以使用 `cgen alter <hash>` 来重写特定提交的信息，使用 `cgen undo` 进行安全的软重置，并生成符合约定式提交的回退信息，或使用 `cgen --tag` 自动计算并创建下一个语义版本标签。
* **提交跟踪：** 它为每个仓库维护一个管理提交的缓存，可以通过 `cgen history` 浏览，并与原生的 `git show` 集成。
关于开发的小提示：虽然该项目经过严格的人为审查，并且得到了严格单元测试的强力支持（符合 CI 覆盖标准），但大部分样板代码和核心逻辑是使用智能 AI 编写的。
您可以通过 Cargo 安装（`cargo install auto-commit-rs`），或者通过仓库中的 curl/PowerShell 安装脚本获取： [https://github.com/gtkacz/smart-commit-rs](https://github.com/gtkacz/smart-commit-rs)
任何反馈或贡献都非常欢迎，GitHub 的星标也将不胜感激。
感谢您的时间！
我们需要一个副项目来尝试自主编码，于是与Junie和ChatGPT 5.2一起创建了tensorspy.com。
Tensor Spy允许您快速检查本地的numpy和pytorch张量内容（您的张量不会上传到任何服务器）。
这对于验证深度学习数据管道非常有用，可以检查您分歧模型中的哪些层实际上出现了问题，而且仅仅因为它很酷，并且在一次性检查时比在Python中加载数据方便得多。
如果您使用扩散模型，检查潜在空间可能会非常有启发性：您希望其中有一些“噪声”，但对于您的LDM（潜在扩散模型）来说，它应该相对平滑，以便能够很好地针对它。
此外，如果您还没有查看您的数据，它可能并不是您想象的那样 ;)
基本统计数据会自动计算，任何inf/nan值都会被计数并用对比色显示，以帮助您快速识别问题热点。
该网站是免费的，我们的广泛意图是保持这种状态（除了商业网站外，我们还运营一系列公益的小工具网站，它们都链接在关于页面上）。
我们非常希望听到您的想法，我相信我们可能遗漏了一些统计或实用功能，所以请试用一下并告诉我们！
---
自主编码是一个勇敢的新世界。三年前，在ChatGPT发布的初期热潮之后，我对一些朋友说过：“我们站在海滩上，水刚刚退去”。现在，海啸真的来了。这个项目大约花了两周时间，如果没有自主编码，我们根本不会做到这一点，使用“传统方法”可能需要几个月的时间。通过自主编码，添加.pt/.pth支持基本上只需一个请求。并且它就这样工作了。是时候再次适应了。