最新

我将我的数字逻辑网页应用更新到了0.5.1版本。

我和Claude一起制作了这个内容，以一种半游戏化的方式帮助大家了解创业公司的股权。请查看一下，并分享你的得分卡 :)

嗨，HN，我是Dudley，Chunk的技术负责人。 Chunk是一款用于时间区块管理的macOS菜单栏应用。它可以通过按Cmd + /打开，并在你正在做的事情上方滑下，包括全屏应用。当前时间区块的倒计时也会在托盘中实时显示。 你可以通过点击和拖动来创建时间区块，支持日视图/周视图、Google日历/Outlook/Apple日历同步、Apple提醒事项集成，以及一个待办模式，可以将任务拖到时间线上。模板和例行事务功能让你可以一次性构建理想的一天，并在选择的工作日自动应用。 应用内有一个本地MCP服务器，因此你可以让Claude Desktop来规划你的日程，它可以直接读取和写入时间区块。 这是一款原生macOS应用，而非Electron。提供一次性终身许可证，7天免费试用，无需信用卡。我们每天都在使用这款应用，欢迎随时提问。

这个想法很简单：AI代理需要实时数据才能发挥作用。但将实时数据流入数据仓库意味着你需要让数据仓库全天候（24/7）运行。这既昂贵又浪费。如果你可以在代理需要时启动一个临时数据仓库，并同时获取实时数据，那该多好呢？ 解决方案是：Polynya将你的数据复制到Iceberg，并根据需求为你的代理提供一个临时的ClickHouse实例。Polynya还提供持久化工作区——这些工作区是跨会话存活的视图集合。因此，从代理的角度来看，它就像一个全天候的数据仓库。 Polynya的核心是一个数据平台，用于将实时数据从Postgres流式传输到Iceberg。但与其花费数小时设置涉及Kafka、Debezium、Flink等的昂贵复杂的管道，Polynya让你只需一条命令即可完成这一切： ``` npx polynya create ``` 目前在早期访问阶段是免费的，所以请试用并给我反馈！目前还没有网页仪表板（即将推出），你将通过命令行界面（CLI）进行100%的交互。 附注：Polynya是基于pg2iceberg构建的，这是我在过去几周内开发的开源Postgres到Iceberg的复制工具： [https://pg2iceberg.dev/](https://pg2iceberg.dev/)

这并没有解决任何实际问题——Element 可以正常使用，已经有一半的自由开源软件网络上运行着 Matrix 到 IRC 的桥接，可能在这个十年里，没有人自愿打开过 irssi，尤其是30岁以下的人。<p>我还是写了这个，因为我怀念 Esc 4 和那些笨拙的窗口分割命令。<p>Matrirc 是一个本地的 IRC 服务器，后台使用 Matrix。将 irssi 指向 localhost:6667，用 Matrix 的凭证登录，房间会显示为频道。<p>brew tap pawelb0/tap brew install matrirc

嗨，HN社区，我是Venkatram，一名大二学生，正在致力于构建一个本地替代品，以取代专有的第三方基于AI的研究助手。 这个想法是将文档转变为可研究的资产，包含与原始信息一样多的信息，但更具可重用性。 老实说，这个项目仍在进行中，我还在摸索如何正确使用它。坦白说，我确实需要一些帮助来构建这个项目，所以如果你愿意，欢迎加入我！ 总结一下：NotebookLM，但在本地使用你自己的AI模型。 GitHub链接：https://github.com/venkatram-s/gigabook-lm

嗨，HN， 我开发了这个数字版的 Tiao，一款双人回合制策略棋盘游戏。可以把它想象成跳棋与围棋的结合。它是免费的，可以在浏览器中运行，支持多人游戏、人工智能、棋盘模式以及许多其他有趣的功能。源代码托管在 GitHub（AGPL 许可证）。 这款游戏最初是由我的朋友 Andreas Edmeier 设计的。他创建了游戏规则，并多年来一直在进行游戏测试和设计优化。我为它搭建了网站。核心部分在大约两周内使用 TypeScript、Next.js、Express、Socket.io 和 MongoDB 开发完成。整个应用已完全容器化，部署在 Hetzner VPS 上，并使用 Coolify 进行管理。采用 better-auth 进行身份验证，支持实时游戏、ELO 匹配、OpenPanel 分析，以及一个功能齐全的成就系统。 来玩吧： [https://playtiao.com](https://playtiao.com) 源代码： [https://github.com/trebeljahr/tiao](https://github.com/trebeljahr/tiao) 我很乐意回答关于技术、游戏设计或其他任何问题。 我希望更多的人能玩这款游戏，因为我认为它真的很有趣，也希望有一天能看到人们在围棋棋盘上或在手机/电脑上玩这个游戏。 祝一切顺利！

大多数RAG（检索增强生成）设置失败的原因在于它们将记忆视为一个静态的文件柜。当每一个临时的bug修复或被放弃的规则都被永久存储时，最终上下文窗口会被噪声淹没，导致token成本激增并降低代理的推理能力。 该实现采用了一种生物学的方法，通过使用艾宾浩斯遗忘曲线来管理上下文，视其为一个活的基质。记忆被赋予一个“强度”评分，每次回忆都会强化数据并平坦其衰减曲线（间隔重复），而未使用的数据最终会达到一个阈值并被修剪。 为了解决“逻辑邻居”问题，即语义搜索遗漏相关但不相似的节点，在向量存储上叠加了一个图层。与LoCoMo数据集进行基准测试时，该方法达到了52%的Recall@5，几乎是无状态向量存储准确度的两倍，同时将token浪费减少了约84%。 该系统作为一个以本地优先的MCP（多通道处理）服务器，使用DuckDB构建，假设对于处理长期项目的代理而言，“忘记什么”与“记住什么”同样重要。我很想听听其他人是否在探索非线性衰减或类似的生物学约束来进行上下文管理。 GitHub: [https://github.com/sachitrafa/cognitive-ai-memory](https://github.com/sachitrafa/cognitive-ai-memory)