最新

嗨，HN， 和很多人一样，我对发布的爱泼斯坦/麦克斯韦法庭文件感到沮丧，因为它们大多数是没有文本层的扫描图像（PDF），这使得无法进行Ctrl+F搜索或程序化分析。 我使用Python、Tesseract和OpenSearch构建了一个处理流程来解决这个问题。 网站： [https://epsteinfilez.com](https://epsteinfilez.com) 技术栈： - 数据处理：使用ocrmypdf（Tesseract）的Python工作进程对原始文件进行并行OCR处理。 - 搜索：使用OpenSearch对提取的文本进行索引。 - 前端：使用Next.js（SSR）构建用户界面。 - 基础设施：自托管的Docker集群。 功能： - 在大约15,000页上实现亚秒级全文搜索。 - 在PDF页面上直接高亮搜索词。 - 深度链接到特定页面/文档。 这是一款透明度工具，而非政治工具。我希望让原始的主要来源对研究人员和记者可访问。 欢迎对搜索相关性或索引流程提供反馈！

我曾经为一个每月收入为零的副项目支付200美元的分析费用。然后我花了两个小时尝试在GA4中配置一个简单的漏斗，最终决定自己动手开发一个。 Prysm是我希望存在的工具： - 实时3D访客位置全球地图（使用Three.js和WebGL着色器） - 3.8kb的跟踪脚本，远低于GA的45kb——纯JavaScript，无依赖 - 无需使用Cookies/指纹识别——无需同意横幅 - AI聊天功能，回答问题（“为什么流量激增？”） - 自动时间线：首位客户、收入目标、流量事件 有趣的部分： - 在处理单页应用（SPA）、离线模式和自定义事件的同时，保持跟踪脚本在200行以内 - 使用GPT-4o-mini处理简单查询，将成本控制在每位客户每月9美元 - 为全球地图构建连接池（最多5个并发连接，以避免压垮Supabase实时服务） 技术栈：Next.js、Supabase、Mapbox、OpenAI 定价：每月9.99–29.99美元，面向独立开发者 目前处于私人测试阶段。是什么让你最终决定从当前的分析工具切换到这个呢？

大家好，我们是Avi、Kiet和Satya。我们正在开发Superset，这是一个开源终端，旨在并行管理多个编码代理（如Claude Code、Codex等）。 - Superset使得创建git工作树和自动设置环境变得简单。 - 代理和终端标签被隔离到工作树中，避免了冲突。 - 内置钩子[0]可以在编码代理完成或需要关注时通知用户。 - 提供差异查看器，快速审查更改并创建PR。 我们三位工程师曾经构建和维护过大型代码库，一直希望能够尽可能并行地处理多个功能。Git工作树[1]是解决这个问题的有效方法，但创建和管理它们却很麻烦。我们开始开发Superset，作为一个利用我们在运行并行代理时发现的最佳实践的工具。 这里有一个演示视频： <a href="https://www.youtube.com/watch?v=pHJhKFX2S-4" rel="nofollow">https://www.youtube.com/watch?v=pHJhKFX2S-4</a> 我们都在使用Superset来构建Superset，它使我们的生产力提升了两倍多（你可以从自动更新中看出来）。我们有很多朋友在他们选择的IDE上使用它，或者用Superset替代他们的终端，它似乎很受欢迎，因为他们可以继续使用任何CLI代理或工具，而Superset只是增强了他们现有的工具集。 Superset主要使用Typescript编写，基于Electron、xterm.js和node-pty。我们选择xterm+node-pty是因为它是一个在桌面应用中运行真实PTY的可靠方式（被VSCode和Hyper使用），而Electron让我们能够快速发布。 接下来，我们正在探索一些功能，比如在云虚拟机中运行工作树以减轻本地资源负担、代理之间的上下文共享，以及一个顶层编排代理，用于同时管理多个工作树或项目。 在构建这个产品的过程中，我们学到了很多：制作一个好的终端比你想象的要复杂，终端和git的默认设置并不是通用的（如svn与git、奇怪的shell设置、复杂的单体仓库等）。 为自己构建产品的速度更快，也非常有趣。虽然现在还处于早期阶段，但我们希望你能在所有CLI工具和环境中尝试Superset，欢迎你的反馈！ :) [0] <a href="https://code.claude.com/docs/en/hooks" rel="nofollow">https://code.claude.com/docs/en/hooks</a> [1] <a href="https://git-scm.com/docs/git-worktree" rel="nofollow">https://git-scm.com/docs/git-worktree</a>

大家好，我是安德烈斯。我作为独立创始人一直在构建Kapso，现在已经拥有超过4000名开发者，全部是自然增长的。 WhatsApp拥有超过30亿用户，开放率高达98%。你可能会期待开发者在上面构建大量应用，尤其是在美国，WhatsApp的使用增长最快。 但事实并非如此……我敢打赌，这主要是因为开发体验（DX）非常痛苦。 每个团队都需要一次又一次地构建相同的功能。Meta为所有事情都提供了webhook。里面有宝贵的调试数据，但没有办法理解这些数据，除非你自己构建工具。 这就是我构建Kapso的原因。你将获得： - 2分钟内即可使用的WhatsApp API和收件箱，而不是几天 - 完整的可观察性：每个webhook都被解析，每条消息都被追踪，实际的调试工具 - 多租户平台：生成设置链接，客户连接他们的Meta账户，完成 - 用于确定性自动化和AI代理的工作流构建器 - WhatsApp流程：使用AI和无服务器函数在WhatsApp内部构建迷你应用 - 适合人类和大型语言模型（LLM）的文档 我们的费用比Twilio便宜95%，并且提供慷慨的免费套餐（每月2000条消息）。 我们还开源了几个工具：一个TypeScript客户端用于WhatsApp云API，一个WhatsApp收件箱的参考实现，以及一个用于WhatsApp的语音AI代理。 GitHub链接：[https://github.com/gokapso](https://github.com/gokapso) 欢迎提问！ [https://kapso.ai](https://kapso.ai)

嗨，HN， 我正在开发Draped，这是一款虚拟试衣产品，旨在帮助人们选择他们已经拥有的服装。 这个想法源于一个简单的问题：人们有衣服，但每天仍然不知道该穿什么。 通过Draped，用户可以： - 数字化他们的衣橱 - 根据环境（天气、日期、场合）获取搭配建议 - 通过轻量级的虚拟试衣功能预览服装（目前还在早期阶段） 我目前正在快速迭代，并验证用例，以便在扩展之前做好准备。 我非常希望能得到以下方面的反馈： - 对这个问题本身的看法 - 对虚拟试衣方法的想法 - 任何我应该研究的类似产品 网站： [https://draped.me](https://draped.me) 很高兴回答问题，并分享我在开发过程中的学习。 谢谢！

我开发这个工具是因为在生产环境中运行 yt-dlp（尤其是在无服务器架构或 Vercel 上）是一场关于 IP 封锁、冷启动和二进制依赖的噩梦。 TranscriptAPI 是一个轻量级的封装工具，负责提取、格式化和代理轮换。它优先考虑手动生成的字幕，而非自动生成的，并返回带有时间戳的干净 JSON，便于用于 RAG 流水线。 MCP（模型上下文协议）集成：我最近添加了对 MCP 的原生支持。如果你使用 Claude Desktop 或其他符合 MCP 的代理，可以将此 API 作为工具直接在聊天上下文中“观看”视频，而无需手动复制转录文本。 技术栈： 后端：在 AWS Lambda 上使用 Python（FastAPI）（用于突发扩展） 缓存：Redis（以防止对同一视频进行重复请求） 挑战：处理长直播中的“漂移”时间戳，自动生成的字幕与视频帧失去同步。 它为爱好者提供了免费套餐。我很想知道你们在将完整的 3 小时转录文本输入 LLM 时是如何处理上下文窗口限制的。