返回首页
最新
我创建了VibeDB，这是一个用于小型终端用户工具和副项目的轻量级本地数据库：可以存储任何你想要的对象形状，无需提前设置数据库或设计模式。
<p>为什么</p>
在构建小型工具（命令行工具、桌面脚本、轻量级网页应用）时，我经常需要“一点持久化”（设置、历史记录、缓存结果、用户数据），但我不想停下来设置Postgres/Mongo，编写迁移脚本，或不断切换到临时的SQL。我希望持久化的感觉就像“只需存储对象”，并将所有内容保存在一个本地文件中。
<p>它是什么</p>
零配置：一个本地文件
文档风格：存储嵌套对象/混合形状（稍后设计模式）
无需SQL查询：简单的字典过滤器或一个小型查询构建器
可选的Studio用户界面，用于本地检查/编辑/查询数据
我开发了 mem，一个以命令行界面为主的确定性内存侧车，旨在支持开发工作流程。<p>它存储仅追加的 JSONL 事件（提交、代理运行、决策），并以确定性的方式压缩为 state.json 和 MEMORY.md，以便人类或代理能够快速恢复上下文。<p>设计约束：
- 仅限本地文件
- 运行时不允许网络访问
- 不使用守护进程
- 使用 POSIX sh 和 jq 工具<p>我希望能得到以下方面的反馈：
1) 数据模型 / 事件架构
2) 压缩策略
3) 在实际团队工作流程中可能出现的问题
嘿，HN，我是Kristiyan。我之前负责Redis Insight（官方Redis图形用户界面）。当我开始与Valkey合作时，发现可观察性工具不足，因此我开始构建BetterDB。
核心问题是：Valkey和Redis提供了有用的操作数据（慢日志、延迟统计、客户端列表、内存分解），但这些数据都是短暂的。重启服务器后，这些数据就消失了。现有工具可以显示实时图表，但无法告诉你在凌晨3点时，p99为何会激增。
BetterDB持久化这些短暂的数据，并将其转化为可操作的洞察：
- 查询的历史分析（按类型聚合的慢日志和命令日志模式）、客户端（命令、连接、缓冲区）和ACL活动
- 异常检测和99个Prometheus指标
- 使用拓扑图和槽热图的集群可视化
- 自动化的延迟和内存诊断
- 用简单英语查询实例的AI助手（通过本地Ollama）
- 性能开销低于1%
关于最后一点——我详细写了我们的交错A/B基准测试方法： [https://www.betterdb.com/blog/interleaved-testing](https://www.betterdb.com/blog/interleaved-testing)。大多数工具声称“最小开销”，却没有展示其依据。我们开源了基准测试套件，您可以在自己的硬件上运行并验证。
您现在可以尝试：
```bash
npx @betterdb/monitor
```
或者通过Docker：
```bash
docker run -d -p 3001:3001 betterdb/monitor
```
BetterDB遵循开放核心模型，基于OCV开放章程（防止未来的许可变更）。社区版是免费的，具有真正的监控价值。专业版和企业版增加了历史持久性、警报和合规功能，但目前都是免费的，至少会持续到本月底。
我们在公开构建这个项目——基准测试套件、技术博客文章和路线图都已公开。希望能收到Valkey或Redis的生产用户对于可观察性缺口的反馈。
GitHub: [https://github.com/BetterDB-inc/monitor](https://github.com/BetterDB-inc/monitor)
博客: [https://www.betterdb.com/blog](https://www.betterdb.com/blog)
大家好。我为OpenClaw开发了一款金融智能技能，可以将你的AI代理变成股票分析师。
你可以问你的代理“$NVDA的情况如何？”它会给你返回：动量评分（0-100）、相对强弱指数（RSI）、指数移动平均线（EMA）对齐情况、盘整突破检测、牛市/熊市案例以及需要关注的事项。这不是价格报价，而是完整的情报简报。
ClawHub有5700多项技能，但没有任何股票情报。672项金融技能因恶意软件被排除。我想构建一个合法且透明的工具。
数据方面：超过900天的回测信号，总计超过12450条。5天的胜率为80%，平均回报率为+4.51%。持有期越长，胜率越高（1天时为76.5%，1个月时为80.1%）。每一次胜利和每一次损失都被记录。
技术方面：7个Python脚本，无任何pip依赖（仅使用标准库）。采用MIT许可证，VirusTotal验证为无病毒。
提供免费层，无需信用卡。作为对比：Polygon.io收取79-199美元/月的原始数据费用，但没有智能层。
欢迎对技能结构或评分方法提出反馈。也乐意回答技术问题。
我将VACE调整为可以进行实时自回归视频生成。
目前它在实时中可以做到以下几点：
- 深度、姿态、光流、涂鸦、边缘图——所有的v2v控制功能
- 第一帧动画/最后一帧引入/关键帧插值
- 使用静态或动态遮罩进行修补
- 将多个元素叠加在一起（例如深度 + LoRA，修补 + 参考图像）
- 参考到视频的功能也在其中，但老实说，与批处理相比，质量还不是很好
在使用1.3B模型的情况下，在5090显卡上以368x640的分辨率下，大多数控制模式下的帧率约为20帧每秒。图像到视频的转换帧率约为28帧每秒。它也可以与14b模型一起使用，但在5090显卡上与VACE不兼容。
这一切都是Daydream Scope的一部分（[https://github.com/daydreamlive/scope](https://github.com/daydreamlive/scope)），这是一个用于运行实时互动视频生成管道的开源工具。演示是在Scope中创建的，结合了Longlive、VACE+Scribble和自定义LoRA。
此外，还有一个非常早期的WIP ComfyUI节点包封装了Scope：[https://github.com/daydreamlive/ComfyUI-Daydream-Scope](https://github.com/daydreamlive/ComfyUI-Daydream-Scope)
我很好奇大家的看法。