最新

嗨，HN， 我创建Horizon是因为我在信息过载中感到窒息。我关注了数十个RSS源、子版块、GitHub用户，当然还有HN本身。我发现自己花了几个小时“无目的地滚动”，只为了找到3-4个对我的工作和兴趣真正重要的内容。 Horizon是一个个人智能助手，自动化处理这一过程。它不仅仅是聚合信息；它还会过滤和丰富内容。 它的工作原理如下： 抓取：从GitHub（发布/事件）、Hacker News、Reddit以及任何RSS源提取信息。 评分：使用大型语言模型（如Claude、GPT-4、Gemini，或通过OpenAI兼容API的DeepSeek）根据您的特定兴趣/标准对内容进行评分。 丰富：对于高评分的项目，执行网络搜索以添加原始片段中可能没有的上下文。 总结：生成一个干净的每日Markdown报告，并可选择将其部署到静态网站（GitHub Pages）。 演示： [https://thysrael.github.io/Horizon/](https://thysrael.github.io/Horizon/)

Mac 有 Screen Studio，Windows 有 FocuSee，但 Ubuntu 却没有类似的工具。<p>我开发了 Screenix 来填补这个空白。它在录制过程中提供平滑的光标跟随缩放效果，支持 60fps 捕捉，无需后期处理。这是一款可以直接使用的工具，无需在 OBS 设置中花费一个小时。<p>目前仅支持 X11/Xorg。Wayland 的光标位置在协议层面受到限制，因此我首先专注于完善 Ubuntu 的 X11 支持，然后再进行扩展。<p>screenix.studio

嘿，HN， 我在观察一位我熟识的天使投资者仅凭15分钟的推介和直觉做出五位数投资决策后，创建了Brevoir。没有研究基础设施，没有分析师，只有感觉和一份演示文稿。结果发现，这几乎是所有早期投资者面临的问题。 在过去十年中，个人投资者市场迅速增长，但相关工具却未能跟上。现有的工具是为拥有研究团队和分析师预算的机构所设计的。没有人为那些自己撰写支票的个人投资者建立基础设施层。 Brevoir就是这个基础设施层。只需上传一份推介文稿或公司网址，平台就会在不到2分钟内生成一份涵盖七个部分的全面尽职调查报告：创始人背景、市场验证、竞争对手分析、市场反应信号、风险警示、可比分析以及Brevoir评分。我们使用平行研究代理、行业领先的OCR和网络爬虫技术，以及大量投资特定逻辑，确保输出结果不仅仅是摘要，而是可供决策的报告。 此外，我们刚刚推出了一个完整的交易管理平台，包括看板管道、交易室、标签和CSV导入功能。Brevoir是个人投资者从初步评估到决策的整个交易流程的操作系统。 首份报告免费，无需信用卡。希望能收到任何评估初创公司的人的反馈。 brevoir.com

在量化开发中，市场速度（Python）与账面速度（C++）之间存在着持续的紧张关系。多年来，我们有像 PyBind11 这样的桥接工具，但手动的样板代码通常让人难以在日常工作中使用它们。 随着 C++26 反射（P2996）的出现，这座桥现在可以变得隐形。新的语法是：^^T 和 [: x :]。 我建立了这个仓库，以展示如何使用 Bloomberg/Clang P2996 分支，自动将 C++ 量化引擎反射到 Python 执行循环中。我使用了 Merton 跳跃扩散模型作为示例——这是一个标准模型（没有特殊的 alpha），以便在实际应用中展示这项技术。我最初是通过 Callum Piper 的 ACCU 演讲发现这一点的。 我还包含了一个 justfile 和 Docker Clang 构建，这样人们可以在不必经历构建繁琐过程的情况下，实验新的反射语法。 1. [https://github.com/pybind/pybind11](https://github.com/pybind/pybind11) 2. [https://isocpp.org/files/papers/P2996R13.html](https://isocpp.org/files/papers/P2996R13.html) 3. [https://github.com/bloomberg/clang-p2996](https://github.com/bloomberg/clang-p2996) 4. Merton, R.C. (1976). 当基础股票收益不连续时的期权定价。《金融经济学杂志》，3(1–2)，125–144。 5. [https://youtu.be/SJ0NFLpR9vE](https://youtu.be/SJ0NFLpR9vE)

构建了一个小型的ECS容器，通过ClickHouse SQL查询我们的可观察性数据，比较过去7天的历史数据，并在Slack上发送警报。从DuckDB原型 → Lambda → 持续运行的代理，整个过程大约花了一周时间。

作为一名日常使用Claude Code和Cursor的用户，我一直感到沮丧的是，计划在终端和聊天界面中仅仅是一个平面的步骤列表。在执行过程中，我无法监控每个步骤的进展——我只能等待整个过程完成，并希望它能成功。如果我想重组计划，我只能在聊天框中复制粘贴文本。我无法将特定的指令或文件附加到第4步，而不让它泄露到第7步。我也无法让一个步骤使用Figma MCP，而另一个步骤使用Supabase。 因此，我构建了Overture。它是一个开源的MCP服务器，可以将代理的计划转化为浏览器中的交互式节点图，所有代码在此之前都不会被编写。 现在，我可以点击任何步骤，准确地附加所需的内容——文件、文档、API密钥、MCP服务器、特殊指令——这些都仅限于该步骤。我可以拖动以重新排序、删除步骤或添加新步骤。我可以看到哪些步骤相互依赖。当计划有分支点（例如Stripe Checkout与Stripe Elements）时，我可以选择一个或同时运行两个，并选择获胜者。在执行过程中，每个节点会单独更新——完成时为绿色，失败时带有日志为红色，我可以在不等待整个运行完成的情况下检查任何步骤的输出。 它与Claude Code、Cursor、Cline、Codex等任何支持MCP的工具兼容。计划在底层是结构化的XML，代理可以为每个步骤声明输入字段（“该步骤需要一个Stripe API密钥”），这样我可以提前填写所有内容，而不是在执行过程中被打断。 使用命令 npx overture 来尝试。所有操作都在本地进行。 目前仍处于早期阶段——欢迎贡献。图形渲染、布局算法以及让代理始终生成结构化计划都是需要改进的领域。