最新

嗨，HN，我根据你的反馈进行了改进： latex.to 是一个 Overleaf 的替代品，现在可以在浏览器中运行完整的 TeX Live 发行版。 这是通过 CheerpX（JIT wasm 引擎）实现的，运行一个带有 TeX Live 的 32 位 Alpine 镜像。 我之前尝试过的方案： - 最初这个项目只是使用 KaTeX 将 LaTeX 转换为图像。 - v86 wasm 引擎：速度太慢（至少比 CheerpX 慢 10 倍）。 - 各种 TeX Live 二进制文件的 wasm 移植：这些通常不支持 Biber（因为它是一个 Perl 应用）或像 ConTeXt 这样的引擎。 使其能够工作的原因： - CheerpX 仅通过 HTTP 范围请求流式传输所需的数据。编译基础示例只需下载 50MB（整个镜像为 5GB）。 - Cloudflare R2 只能缓存小于 512MB 的文件。因此，5GB 的镜像被拆分为 1 个基础镜像和 19 个挂载镜像。 - LaTeX 在编译之前需要对字体进行预处理（索引），这可能需要很长时间，并且可能导致 CheerpX 内存溢出。因此，所有超过 0.7MB 的字体都预先处理到镜像文件中。 第一次编译会稍慢，因为需要下载字体等资源，但所有内容都被缓存，第二次编译会快得多。 100% 免费，无需登录，无编译超时，文档在浏览器中编译，而不是发送到远程服务器。 如果有任何问题或反馈，欢迎随时告诉我。

我的问题可能听起来有些愚蠢，但ReAct模式似乎总是有效，并且实际上能带来很好的结果。另一方面，我们有计划模式，老实说，我无法想象它在生产系统中是如何具体使用的。我不确定这样说是否正确，但它的技术实现方式是，你给大型语言模型（LLM）提供上下文，然后告诉它：“嘿，给我一个你将如何解决这个问题的计划。”这样它就会制定一个计划，但在ReAct模式下，它不也会遵循同样的计划来解决那个具体问题吗？我想向那些在生产中使用过计划模式的人学习，你们是如何使用的，为什么使用？你们是如何确保LLM严格遵循这个计划的？

嗨，HN， 我创建了ApeiroCraft，因为我厌倦了发送提案后对后续情况毫无头绪。客户有时会忽视提案，有时会多次打开但不回复，或者接受提案——而我仍然需要手动将所有内容转化为发票。我希望有一个简单的流程，而不是在PDF、电子签名工具和发票软件之间忙碌： 1. 创建并发送提案 2. 在提案被打开时收到通知（以及打开的次数） 3. 让客户在线审核并签署 4. 一键将接受的提案转化为发票 为什么不直接使用PDF？ 一旦PDF离开你的收件箱，你就失去了可视性。我希望提案保持互动，而不是变成静态的附件。 为什么不将现有工具拼接在一起？ 可以，很多人确实这样做。我只是厌倦了在多个应用程序中维护相同的客户和定价信息。 适用对象 定期发送提案的自由职业者、机构和顾问，他们希望从“这是我的提案”到“这是你的发票”之间有一个更清晰的路径。 现在还处于早期阶段。我更希望听到哪些功能显得多余、笨重或缺失，而不是听到它很棒。我非常希望能收到提案撰写者的反馈。 → apeirocraft.tech

大家好， 我已经在这个项目上工作了一段时间，想在这里分享一下以便获得反馈和贡献。你可以在以下链接的游乐场中试用它： [https://usepopkorn.dev](https://usepopkorn.dev) 我把它称为 Popkorn。这个项目的想法是创建向量动画，类似于 Rive 和 Lottie，但使用一种类似 CSS 的语言，内置交互性和其他现代需求。我在大多数情况下保持了与 CSS 的一致性，只是为交互等功能添加了一些自定义语法。 紧密贴近 CSS 使得开发体验（DX）良好，结果也使其对大型语言模型（LLM）非常友好。几乎我所有的示例库都是 AI 生成的。即使是像 GLM 或 DSv4 Flash 这样的廉价模型，也能从头开始一次性生成完整的动画，无需微调。游乐场中有一个 Copilot 功能，可以让你使用自己的密钥，或者使用 MCP 来测试 AI 功能。请分享你制作的内容！ 这个项目有一个基于 Canvas 或 SVG 的网页播放器，以及一个使用 Skia 的 React Native 播放器。它支持嵌套变换和父子关系、可重用符号、遮罩和轨道遮罩、渐变、修剪路径、路径变形、运动路径以及每个子树的时间缩放，足以满足专业级动画的需求。Lottie 和 SVG 的转换器允许你导入现有资产，并通过内置的 Copilot 提示进行更改。我没有预料到的是，转换后的 Lottie 场景通常比它们原来的 JSON 更小，尽管 CSS 是一种更冗长的语法。 我的愿景是创建一种可编辑、可访问的格式，既适合人类使用，也适合 LLM，能够很好地与版本控制集成，真正做到开源和免费，而不是那种难以比较、编辑和提示更改的不透明二进制或 JSON 数据块。现有格式由公司支持，这很好，它们也做了很棒的工作，但公司的发展路线图往往是基于商业利益。我更希望未来的运动设计能够由社区驱动，并与现有标准保持一致。

这是我在夜晚和周末的项目。它是一个在线平台，通过指导项目和互动课程来学习Python编程语言。平台内嵌有完整的运行环境和代码编辑器，以及带有评分的任务和练习。 任何反馈都非常欢迎！

大家好，我正在构建一个基于 Zed 的开源集成开发环境（IDE），虽然功能并不复杂，但我（和 Codex 一起）已经花了一个月的时间在这个项目上。我希望能够得到真诚的反馈和必要的贡献。目前的版本是 v0.4，我计划在 v1.0 正式发布时在 Show HN 上发布。我希望能得到一些指导，以便我能朝着正确的方向前进。 <p>代码库链接：github.com/oreoro/dez

嗨，HN，我们是Bence和Ryan，Hoplite的创始人（<a href="https://hoplite.sh">https://hoplite.sh</a>）。Hoplite让您可以在云端部署编码代理，提供一套工具，使得质量保证（QA）功能变得极其简单。在入职过程中，我们会将您的本地设置（会话、记忆、MCP服务器）迁移到云端，并准备好您的项目以便运行。 <p>这里有一个演示：<a href="https://youtu.be/bnyktZ_9pjE" rel="nofollow">https://youtu.be/bnyktZ_9pjE</a></p> 我们从最初申请YC时的想法转变而来，最初的构想是为零售投资提供AI解决方案。最终，这并不是我们自己会使用的产品，也没有服务于我们感到有联系的客户群体。在反思我们真正想做的事情时，我们意识到我们喜欢与创始人和开发者交流，并且对云代理这一特定领域有很强的意见。我们尝试了所有现有的解决方案，但没有找到一个能够A) 充分利用云端优势，B) 性能良好且使用体验舒适的产品。 <p>我们正在构建一个我们认为反映主流开发在6到12个月内的样子。随着模型的改进，开发者将会审查越来越少的代码，而是专注于评估产品输出。这意味着评估新的用户流程，直观验证新功能的外观，确保API按预期工作，CLI在Windows上运行正常等。同时，还要在并发运行数百个代理的情况下完成这些工作。</p> <p>在代理方面，我们创建了一个自定义的测试框架。我们花了很多时间考虑是否应该使用像Codex/Claude Code这样的现成解决方案，但最终我们希望拥有内部构建所带来的独立性和自由度。这也意味着我们可以在不依赖Anthropic和OpenAI的情况下测试全新的功能。</p> <p>除了Temporal用于持久工作流，Modal用于沙盒，Planetscale用于我们的数据库外，所有内容都托管在AWS上。我们的基础设施决策是基于一个强烈的信念，即代理正在成为第0层基础设施，它们需要相应的可靠性和安全性。</p> <p>您现在可以使用代码“HACKERNEWS”免费试用——我们提供了100美元的免费积分，此外您还可以连接您的Codex订阅并通过它使用OpenAI模型。有关我们的定价的更多细节，请访问<a href="https://hoplite.sh/pricing">https://hoplite.sh/pricing</a>。</p> <p>目前我们专注于优化两个关键体验：入职和预览，期待听到您对它们的反馈。如果您发现代理在某些任务中的表现未能达到您的预期，请告诉我们！</p>

我几乎每天都在使用Claude Code、Codex和Cursor（有时还会用到Antigravity），但一直无法准确了解我在这些工具上的实际使用量。 因此，我开发了TokenMaxxer。这个小型命令行工具可以读取这些工具本地生成的文件，并将所有数据汇总到一个仪表板中，按工具、模型、提供者和日期进行分类。目前它支持18种工具，您可以查看个人页面，了解您的日常活动、费用估算以及您最常使用的模型和工具。如果您想与其他TokenMaxxer竞争，还有全球排行榜哦！ 我很想看看有没有人能打破目前的第一名（目前的记录是458亿个token）。 感谢您的光临！我正在寻找改进的方法，因此非常欢迎您的反馈和建议。

嗨，HN，我是Anas。我在产品设计工程师的岗位上工作了十年。最近，我第一次在职业生涯中被裁员，因此在这段空闲时间里，我决定开发Choreo，因为我注意到UI动画的交接环节存在问题。Figma在结构和设计方面表现出色，但在行为方面，我们通常依赖线性视频时间轴（如After Effects和Figma Motion）或在原型中伪造动画，这让工程师不得不猜测关键帧。我想要一个原生的画布，可以在实时DOM上设计基于状态的行为（悬停、按压、聚焦），并导出干净的、零依赖的原生CSS、React或Web动画API。这个应用完全基于浏览器。我很想知道你对架构和用户体验的看法。 这个应用是完全免费的（只要我能在经济上支持它，它将一直免费），并且不需要任何注册。 注意：教程部分的文档尚未更新到最新版本。我会在接下来的几天内处理这个问题。

我在一个在线游戏开发社区工作，这个社区的文化反对使用人工智能进行任何事情，甚至是编码。这个社区围绕一个开源的游戏开发软件工具链以及其他用于分发、玩耍、评审和讨论这些游戏的网络应用程序建立。 我过去曾对开发软件工具链提交过拉取请求（PR），但这个工具链相当复杂（包括用多种编程语言编写的工具），我一直很难理解它，因此通常不太愿意去尝试。 到了2026年，使用大型语言模型（LLM）修复这个工具链中的错误变得容易多了。LLM在切换编程语言、添加调试跟踪以追踪错误在每一层的流动、生成自动化测试以重现错误，然后正确修复错误方面毫无问题。 当然，问题在于：我该如何说服团队合并一个完全由LLM生成的代码的PR，而这显然是违反他们政策的？ 我选择的答案是：我撒谎说我写了这段代码。 但为了“卖”这个谎言，我首先请LLM详细解释错误修复的过程，然后我非常仔细地审查生成的代码（确保它的写法与我自己写的一模一样，尤其是注释），最后我完全手动撰写所有的提交信息和PR描述。 我发现这种方法极具教育意义。我学到了很多关于工具链中编程语言的知识，以及开源游戏开发工具的内部工作原理。在许多情况下，我更深入的理解让我能够真正审查LLM生成的代码，发现其中的问题，然后让LLM进行修复。 我确信，如果我只是点击一个按钮让LLM生成提交信息和PR描述，我绝对不会发现那些问题。而且显然我也不会学到这么多。 我不能以自己的名义写任何关于这件事的内容，但我现在真心推荐使用LLM来提交开源PR，但绝不要使用LLM生成提交信息或PR描述。即使开源项目明确允许LLM生成PR，也要假装是自己写的代码。 如果你对代码的理解不够深入，无法撰写提交信息或PR描述，可以请LLM为你生成一个，但随后要用自己的语言从头重写一遍。这部分是为了避免描述中有人工智能的味道，同时也是为了确保你对代码有足够的理解，以解释它的功能以及为什么这段代码是正确的做法。 假装这段代码真的是我的代码，迫使我深入学习这段代码，以便能够真正掌握它。我对自己在这方面撒谎感到羞愧，但我为通过这样做所学到的知识和取得的成就感到自豪。

嗨，HN！我们是Theodore和Louis，Armature的创始人（YC P26）。我们重建了您收到的MCP工具调用背后的整个会话，包括用户要求其代理执行的操作以及代理的想法。 您只需用三行代码将您的MCP封装起来（我们的SDK支持Typescript、Python和Go），就可以在仪表板上看到： - 所有重建的会话：就像阅读用户在Claude或ChatGPT中进行的真实对话！ - 您的MCP最受欢迎用例的排名，基于会话聚类构建 - 您的用户代理遇到的最常见问题，以便您进行修复。 这是一个快速演示：<a href="https:&#x2F;&#x2F;youtu.be&#x2F;ZFlvquhyNMQ" rel="nofollow">https:&#x2F;&#x2F;youtu.be&#x2F;ZFlvquhyNMQ</a> 这个故事的背景是，我们最初将Armature作为一个独立的测试工具推出（<a href="https:&#x2F;&#x2F;www.ycombinator.com&#x2F;launches&#x2F;QQc-armature-making-your-app-finally-usable-by-ai-agents">https:&#x2F;&#x2F;www.ycombinator.com&#x2F;launches&#x2F;QQc-armature-making-you...</a>），可以通过MCP本身自然使用。我们很快意识到，我们对用户如何使用Armature MCP以及他们是否满意或感到沮丧一无所知。这也是我们在之前的公司中经历过的事情：Louis构建的MCP面向数百万用户，而Theo在加入Datadog的分支公司之前是Palantir的前线工程师。测试和产品分析在将产品暴露给代理时一直是个真正的痛点，但我们总觉得在分析方面无能为力，因为对话发生在用户的AI客户端中。 然后我们突然想到：如果我们询问代理为什么会进行某个工具调用呢？用户的意图或潜在的沮丧又是什么？于是我们开始尝试MCP的仪器化，结果用例让我们感到惊讶！我们的许多首批客户为他们的CI实施了变通方案，以触发新测试，或者让他们的编码代理高效获取结果。尽管我们定期与首批用户交谈，但他们从未与我们分享过这些反馈。于是我们构建了自动化工具，自动聚类用例，识别常见问题，并让我们的编码代理进行修复。当我们的CTO朋友们听说这件事时，他们想亲自试试，于是我们给他们提供了我们内部产品的克隆版本，他们开始分享反馈，甚至比在我们“真实”产品上更积极！ 这时我们决定认真开始将MCP分析作为一项产品。起初我们担心会降低MCP的性能，因此我们不断迭代，直到达到了与未进行仪器化时完全相同的成功率（89.17% vs 89.15%，共870次运行）。然后，隐私显然是一个约束，因此我们应用了从处理银行数据或构建敏感数据日志扫描中学到的方法。如今，数据脱敏在客户端运行，才会传输到我们的服务器。我们仍然有很多事情没有完全弄清楚：并非所有模型对所有字段的填充程度相同，无状态/无服务器的MCP会话指纹识别并不完美，而用例聚类仍需优化。 但我们终于向所有人推出了我们的分析产品，您可以在<a href="https:&#x2F;&#x2F;armature.tech">https:&#x2F;&#x2F;armature.tech</a>上自助使用，设置时间不到5分钟，并提供慷慨的免费套餐。 现在，我们正在努力全面闭环，将评估功能带回我们的产品，以便我们可以：识别顶级工作流程和问题 -> 推荐修复和改进 -> 在用户运行的相同工作流程上大规模测试修复，跨所有工具和模型 -> 开放PR以直接发布修复。评估可以从会话分析中自动生成，因此您可以捕捉每一个回归，并在发布之前测试每个改进在所有模型和工具上的实际影响。 这里有一个更具体的例子：10天前，一个早期访问我们构建的营销自动化平台通过MCP分析发现用户对在创建活动后无法更改目标受众感到沮丧。因此，他们发布了该功能，并在Fable 5的Claude Code上成功进行了本地测试。几天后，在准备新的MCP公开发布时，他们在Armature上运行了一系列评估，意识到小模型可能会产生虚假观众ID，这将导致他们的MCP默认将活动发送给所有联系人（这显然可能在生产中导致灾难）。这就是让我们所构建的产品感觉如此有帮助的故事！ 现在，对我们来说，最有用的反馈是了解我们产品中仍然缺少什么，以便您能感受到自己完全掌控“代理体验”。如果您在生产中运行MCP，我们也希望知道：您今天是如何判断代理是否成功，以及背后的用户是否满意的？