返回首页
最新
作者在此（内森）。这个网站的目标是绘制整个英国铁路网络：不仅包括旅程规划器所显示的部分，还包括遗产线路、仅供货运的曲线、命名的隧道和高架桥，以及数千个已关闭且从未被绘制的车站。
该项目完全基于开放数据。线路和当前车站的数据来自OpenStreetMap，通过Overpass获取，已关闭的车站数据来自Wikidata（大约6100个车站位于活跃OSM车站250米半径之外），邮政编码查询则来自postcodes.io。主要挑战在于这些数据源之间往往不一致，甚至自身的数据也可能存在矛盾，因此大部分工作涉及到小规模的协调规则。例如，遗产标志会在共享线路名称的每个段落中传播，因此斯旺奇铁路的颜色保持一致。
我与一个铁路爱好者社区分享了早期版本，许多修正来自对网络了解远超我个人的用户。关于数据挑战的详细说明可以在这里找到：
<a href="https://trainmap.co.uk/story.html" rel="nofollow">https://trainmap.co.uk/story.html</a>
不需要账户或应用程序。您可以通过邮政编码、车站名称、三字代码或线路名称进行搜索。我们非常欢迎任何更正，因为总会有人知道我所标记的某个车站是错误的。
灵感来源于 Conductor、dmux、claude-squad、agent-deck 和 Git Tower
## 有何不同：
（除了图形用户界面）一个核心原则是——用户手动能做的所有事情，都必须通过命令行接口（CLI）暴露给代理/自动化。
最好与能够让不同工作树中的代理相互沟通的工具搭配使用（例如 [https://github.com/cheapsteak/agent-channels](https://github.com/cheapsteak/agent-channels)）。
## 背景：
从一月开始，我使用并喜爱 Conductor 已有几个月，但遇到了一些持续的问题，让我意识到我日常使用的核心工具离我太近，以至于产生了我无法自己解决的困扰。
意识到我需要切换到一个可修改的工具后，我经历了几周的 dmux、claude-squad 和 agent-deck 的试用。它们都很出色，但我意识到我真的不想记住键盘快捷键，而且我已经成功推迟学习如何使用 tmux 超过十年，不想结束这个记录 XD。
因此，TBD 在三月诞生了。在随后的几个月里，它变得足够稳定，以至于一些前同事和现同事也开始将其作为他们的日常工具。它就像一个我们共同贡献的小俱乐部。
其架构是一个守护进程，处理大部分状态管理和实际工作，同时提供命令行和图形用户界面两种接口。用户通过图形用户界面操作，而大型语言模型（LLMs）和脚本则通过命令行接口。
它最适合 Claude Code（我们共同的日常工具），但我们中有两个人也在使用 Codex。
运行它的唯一方式是从源代码克隆并构建，部分原因是我想主要吸引那些需要对自己使用的工具进行修改的人。
我认为现在这是一个足够好的起点，适合志同道合的人用作基础，进行分叉并构建自己的变种，以适应自己的工作流程。
我在过去几天里构建了这个。我和几位朋友已经成功地沉迷其中。最近，我去参加了一场——用一个更合适的词来说——社交/协作表演，地点是在柏林的一家艺术画廊。那里一群艺术家用木制的10x10厘米立方体填满了一个巨大的工业大厅，供人们用来搭建结构。玩木块的概念是如此普遍，而这些结构又是如此短暂，各个年龄段的人们都回到了童年的游戏状态。让我印象深刻的是，哪些游戏不需要任何解释。我因此构建了一个匿名的多人拼图。我们已经在里面度过了几个小时，现在你也被邀请进来。希望你喜欢。
我们构建了一个模型路由器，可以连接到编码代理（如 Claude Code、Codex、Cursor 等），并智能地将请求发送到最合适的模型进行处理。以下是本地运行的快速演示：<a href="https://www.youtube.com/watch?v=isKhAyivtfM" rel="nofollow">https://www.youtube.com/watch?v=isKhAyivtfM</a>。
在 Weave，我们几乎所有的代码都是由 AI 编写的，但这变得越来越昂贵。尤其是在 Opus 4.7 发布时，由于其分词器的变化，我们的成本急剧上升。我们知道并不需要在所有情况下都使用 Opus，但也不想在真正需要智能的场景中失去它。因此，我们决定构建一个模型路由器来处理这个问题。
Weave 路由器充当了专门为编码代理设计的 Anthropic/OpenAI 端点。它会查看每一个推理请求，并智能地（稍后会详细说明）决定将其发送到哪个模型，同时处理所需的所有转换。因此，它可以在可能的情况下使用更快/更便宜的模型（如 DeepSeek v4、GLM 5.2、Kimi K2.6），在必要时使用前沿模型（如 Opus 4.8 和 GPT 5.5（以及 Fable 一旦恢复））。
我们如何知道将请求路由到哪个模型？我们在数万条代理记录上训练了一个强化学习模型。当路由模型选择一个成功完成给定任务的 LLM 时，我们会给予奖励。
举个例子：如果你要求路由器规划一个复杂的变更，它（可能）会将该请求路由到 Opus 4.8。用于探索代码库以收集上下文的子代理将被路由到更合适的模型（如 DeepSeek V4 Flash）。然后，当你准备好实施计划时，它（大概率）会交给一个更快的模型（如 GLM 5.2）来执行。
在过去一个月左右的时间里，我们一直在内部使用这个路由器。与我们原本可能支付的费用相比，我们节省了 40% 的令牌费用，且在质量或速度上没有明显差异。
该路由器在 Elastic License 2.0 下可用源代码，因此你可以自行托管。如果你愿意，也可以使用我们的托管版本：weaverouter.com。
如果你有任何问题，我会在这里为你解答！