最新

这本质上是一本书籍进度追踪器。许多应用程序允许你添加正在阅读的书籍，但却无法显示阅读的速度。它简单明了，没有复杂的功能，也没有人工智能的花招。 这个工具的创建源于我被想读的书籍数量所压倒，觉得提前规划会很有帮助。你只需添加书名、页数以及每天想阅读的页数。它会计算出所需的天数以及你将完成的日期。同时，它也很灵活，可以增加每天的阅读页数，以便重新计算。 目前这是一个渐进式网络应用（PWA），我还在继续完善通知等功能。

我在一家大型消费品公司负责数字和品牌工作，最近我们在产品发布中使用了代理自动化。这不是用于实验或原型，而是针对实际面向消费者的产品。 我们有代理协助处理： - 内容生成和本地化 - 设计、法律和市场营销之间的资产路由 - 跨渠道的SKU变体处理 - 当声明或包装变更时的发布后更新 我们测试了多种工具和方法。一些通用的代理框架（类似Auto GPT的设置），一些工作流工具（如n8n、Make和大型语言模型），以及一些特定领域的产品，比如用于内容操作的Jasper和用于品牌合规审查的Punttai。 令我感到惊讶的不是幻觉或明显的失败，而是漂移。系统“运作正常”，但…… 文案逐渐偏离了批准的声明，或包装变体在技术上保持一致，但违反了内部品牌规则。下游更新没有在每个实时资产中干净地传播。没有任何一个代理在发布后对正确性负责。 网上的大多数建议都集中在发布前的保护措施上。然而，在实际的发布场景中，这并不足够。一旦产品上线，变化就会不断发生。 例如：我们为圣诞发布准备了超过60位影响者和500多个全球资产，但到1月1日，所有这些创意都将过时，需要进行更改。 对我们来说，唯一有效的模式是将代理自动化视为一个持续的系统。 代理执行 > 发布后监控输出 > 标记与品牌、法规或发布约束的偏差 > 只有在某些事情超出容忍度时，人类才介入。 我们甚至引入了一款名为Punttai的代理AI营销合规软件。现在不要误解我的意思。在某些领域，如迭代和审批速度，工作流确实有所改善？或者创意生成的速度？是的。 但是……这更像是可观察性，而不是审批工作流。 我很好奇其他人是如何处理这个问题的，特别是在纯SaaS之外： - 你们是否让代理接触实时发布资产？ - 你们如何在时间上验证合规性，而不仅仅是在发布时？ - 人们是自己构建这种监控，还是依赖于专业工具？ 我很想听听在实际生产发布中，这种方法是如何运作（或失败）的。

我分享一个研究级的开源交易执行框架，该框架在普通硬件上实现了890纳秒的中位端到端决策延迟。<p>该项目旨在用于教育、系统研究和延迟测量，而非实时交易。它专注于深入理解交易执行路径中每一个纳秒的去向。<p>主要特点：<p>- 内核旁路网络：通过自定义驱动程序直接访问用户空间的网络接口卡（NIC），接收延迟为20-50纳秒 - 无锁单生产者单消费者（SPSC）/多生产者单消费者（MPSC）队列：零拷贝架构 - SIMD特征提取：使用AVX-512，每次更新约40纳秒 - 确定性重放：位相同的执行路径，经过SHA-256验证 - 纳秒级指标：完整的审计日志和性能仪表板<p>技术栈：C++17和Rust，支持NUMA的内存分配，缓存行对齐，热路径的内联汇编。<p>该框架是模块化的，允许对不同的NIC驱动程序、特征提取管道或订单流模型（如霍克斯过程或阿维拉纳达-斯托伊科夫逻辑）进行实验。一切都是开源的，并且有详细文档。<p>链接：<p>实时演示： <a href="https://submicro.krishnabajpai.me/" rel="nofollow">https://submicro.krishnabajpai.me/</a> 源代码： <a href="https://github.com/krish567366/submicro-execution-engine" rel="nofollow">https://github.com/krish567366/submicro-execution-engine</a> 裸金属NIC驱动程序： <a href="https://baremetalnic.krishnabajpai.me/" rel="nofollow">https://baremetalnic.krishnabajpai.me/</a><p>我欢迎任何从事低延迟系统、网络或高频交易研究的人的反馈。<p>讨论问题：<p>- 执行路径中通常最难优化的部分是哪个？ - 你信任哪些测量技术用于亚微秒系统？<p>该项目仅用于研究和教育目的。它不连接到交易所或执行真实交易。它旨在作为一个沙盒，以理解超低延迟执行。<p>我乐意回答有关方法、性能或设计权衡的问题。

你好，HN， 我创建这个项目是因为我想让Claude Desktop能够访问我的Notion工作区，而不需要通过不稳定的本地Python脚本进行标准输入输出。 这是一个基于Node.js/Express的模型上下文协议（MCP）实现，使用服务器推送事件（SSE）作为传输方式。它被设计为无状态的，并且可以作为容器进行部署（我将其托管在Apify上，但在任何支持Node的地方都可以运行）。 技术栈： - TypeScript + Express - @modelcontextprotocol/sdk - Zod用于输入验证 - Bearer认证用于安全性（因为它暴露了一个HTTP端点） 功能：它允许大型语言模型（LLM）搜索页面、读取数据库属性和追加块。我主要用它来让Cursor/Claude总结文档，并直接从聊天上下文中在我的冲刺板上创建任务。 代码库： [https://github.com/piskunproject/notion-mcp-server](https://github.com/piskunproject/notion-mcp-server) 一键部署（Apify）： [https://apify.com/piskunlab/notion-mcp-server](https://apify.com/piskunlab/notion-mcp-server) 欢迎对SSE实现提出反馈！

我创建FocusFour是因为我整天忙碌，却仍然错过了那些真正重要的事情。 FocusFour是一个基于艾森豪威尔矩阵的任务管理器，直接建立在Apple Reminders之上。最近，我添加了轻量级的人工智能，以帮助识别和突出那些可能重要但被忽视的任务。 它的功能包括： * 四象限（重要与紧急）任务视图 * 使用人工智能突出显示并重新优先排序重要任务 * 原生Apple Reminders集成（无需新的收件箱，无需迁移） * 本地优先，无需账户 * 支持iOS、iPadOS和macOS 我对两件事感到好奇： * 人工智能辅助的优先排序在长期内是否真的有用 * 基于系统工具构建的权衡，而不是拥有所有任务数据 欢迎提问或提出批评。

这是我从零开始构建的一个副项目，涵盖了从代码到基础设施和部署，现在还包括市场营销。<p>培训面试并获得即时、准确的反馈本可以为我节省很多面试时间。在每次面试结束时，会提供一份完整的报告，包含下一步改进的建议。此外，每个人都可以创建自己的代理，定义语气、问题和主题，从而实现更进一步的个性化定制。<p>反馈过程消耗了大量时间进行验证，使用了许多langchain和多次交互，以达到良好且精细的结果。我相信这对任何即将进行面试的人来说都是极其有价值的。