最新

大家好！我们是来自 Kenobi 的 Rory、Chris 和 Felix（<a href="https://kenobi.ai">https://kenobi.ai</a>）。Kenobi 让您可以为任何网站添加基于 AI 的内容个性化。作为网站所有者，您只需通过脚本标签安装我们的个性化小部件，就像集成聊天机器人一样。作为访客，您与小部件互动（目前通过提供公司名称），Kenobi 会根据您的需求更改网站内容。 我们在这里构建了一个任何人都可以尝试的演示：<a href="https://kenobi.ai/start">https://kenobi.ai/start</a> 我们相信，网络的许多部分即将从静态转变为动态，因为大型语言模型（LLM）在转换渲染的 HTML 方面非常擅长。目前，我们专注于 B2B 登陆页面内容（而不是应用程序 UI），因为在提高漏斗顶部的入站转化率方面有很大的商业机会。 我们今天的 Kenobi 之旅漫长而曲折。您可能会注意到帖子标题中提到我们参加了 YC 的 2022 年冬季批次（我知道在 YC 的狗年里，四年几乎是古老的）。Kenobi 是我们最初进入 YC 的想法的重大转变——我们原来的公司叫 Verdn，通过 API 提供可追踪的环保捐赠。自夏季以来，我们一直在尝试不同的想法……我们最初从为外部营销活动提供个性化 UI 截图开始，但后来人们告诉我们，他们希望对实际网站进行变更[0]——于是我们构建了一个代理工作流程，研究访客的公司，并为他们“预渲染”登陆页面的更改。最终，促使人们在冷外部营销活动中整合个性化 URL 的阻力太大[1]。此外，人们不断要求我们为他们的入站流量做这个，因此我们的当前版本应运而生。 现在，使用 Kenobi，您可以选择一个希望进行自定义的页面，并选择希望动态化的 [文本] 元素。您可以为这些元素定义自定义提示指令，当有人访问您的页面时，我们的代理工作流程会研究他们的公司，并尽快呈现更新的内容，通常在几秒钟内[2]。每当发生这种情况时，您还会在 Slack 中收到通知，以便您知道谁在使用您的网站。 我们一直在尝试生成实际上看起来不错且与页面设计相符的自定义图像，并引入公司数据源，以便根据访客的行业和理想客户画像（ICP）展示合适的案例研究。我们最受欢迎的功能是去匿名化流量，以便 Kenobi 的个性化可以在访客访问您的页面时自动发生——这一功能很快就会推出，因为目前您必须指定您的来源。 我们对从知道谁（很可能）在页面上并请求个性化体验中获得的商业价值感到惊讶。我们看到的响应率是我们通常从跟进访问我们网站的公司获得的三倍。 这个领域已经有很多参与者，每个人似乎都有自己的角度。我们非常希望听到大家对个性化互联网未来的看法！ 来自伦敦的问候！ 附言：Chris 还录制了一段视频，展示了目前的 Kenobi 端到端体验，您可以在这里查看 <a href="https://www.loom.com/share/bc0a82a2f2fd40f695315bae80e8f5d8" rel="nofollow">https://www.loom.com/share/bc0a82a2f2fd40f695315bae80e8f5d8</a> [0] - 许多人尝试过 AI “微网站”生成器，但发现仅仅为了完成交易而管理一个单独的网站是繁琐且低效的。 [1] - 尽管我们为预生成的网站更改提供了 CSV 导出和 Clay 集成选项，但让人们将 URL 融入他们的电子邮件序列（每个人使用不同的工具）似乎几乎无法克服，除非我们构建看似是我们自己的序列软件。 [2] - 我们在研究步骤中使用轻量级基础模型和基于实际内容的搜索，并通过另一个轻量级 LLM 处理和我们自己优化速度的领域特定语言（DSL）将其转换为标记更改。

使用 Metal 和 Swift 从头开始原生编写。为 AirVis 应用程序构建。

嘿，HN - 我开发了ModelGuessr，这是一个游戏，你可以与一个随机的AI模型聊天，并尝试猜测它是哪一个。 在AI领域，一个重要的未解之问是，AI公司是否有足够的品牌差异化来获得真正的利润。模型会像云计算一样被商品化，还是像智能手机一样具有差异化？ 我创建ModelGuessr就是为了测试这个问题。我认为人们在猜测时会比他们预期的更困难。而且，模型之间的混淆越多，这些模型可能就越像商品。 如果有足够多的人参与游戏，我会发布一些关于混淆模式的后续分析（哪些模型容易被混淆，是什么让它们被识别出来等等）。非常欢迎任何反馈！

我之前一直手动删除分享链接中的UTM参数和点击ID。最终，我开发了一个小工具来自动完成这个操作。 这个工具是一个单页面应用，可以从链接中去除210多个跟踪参数。所有操作都在客户端使用JavaScript进行，链接不会离开您的浏览器。 它去除的内容包括： - 平台跟踪器（如fbclid、gclid、ttclid、msclkid、twclid等） - UTM参数 - 分析垃圾数据（如_ga、_gl、_hsenc、mkt_tok） - 招聘者/ATS跟踪（如Greenhouse、Lever、Workday、LinkedIn Jobs、Indeed、Glassdoor等） - 联盟参数 此外，它还可以解包来自Facebook、Twitter、Google AMP、YouTube和LinkedIn的重定向链接。 招聘者跟踪功能是最近添加的，因为一些求职者提出了这个需求。结果发现，在18个不同的ATS系统中，有60多个参数用于跟踪候选人的活动。 如果您对实施有任何问题，欢迎提问。