返回首页
最新
你好，<p>我叫Zsolt。我为实验室和长寿诊所开发临床工具，并将其中一些作为免费的公共工具发布。<p>男性激素实验室解读器的独特之处在于它可视化睾酮的产生和反馈路径，帮助识别激素失衡的真正根本原因。所有激素的解读都是基于最佳范围。这是大型语言模型（LLMs）仍然面临挑战的领域。<p>公共版和临床版之间唯一的区别在于，临床版会建议诊断和治疗方案。但如果存在任何类型的功能障碍，从图表中显而易见，区分也很简单。<p>longevity-tools.com上的所有工具都是100%免费且私密的。没有电子邮件或任何数据收集，没有第三方脚本，没有跟踪脚本。完全保护隐私。<p>查看我的其他工具：<p>## 甲状腺功能解读器
<a href="https://longevity-tools.com/thyroid-function-interpreter" rel="nofollow">https://longevity-tools.com/thyroid-function-interpreter</a><p>可视化激素、计算敏感性和分泌能力，帮助更容易识别甲状腺功能障碍模式。<p>## 葡萄糖代谢解读器
<a href="https://longevity-tools.com/glucose-metabolism-interpreter" rel="nofollow">https://longevity-tools.com/glucose-metabolism-interpreter</a><p>验证空腹和胰岛素状态，然后使用胰岛素依赖性和非胰岛素依赖性标志物对葡萄糖代谢功能障碍进行分类。<p>## 肝功能血液检测解读器
<a href="https://longevity-tools.com/liver-function-interpreter" rel="nofollow">https://longevity-tools.com/liver-function-interpreter</a><p>计算肝脏健康评分，进行差异诊断逻辑分析，帮助识别升高酶的组织来源，并根据临床指南提出相关后续步骤。<p>## 铁状态解读器
<a href="https://longevity-tools.com/iron-status-interpreter" rel="nofollow">https://longevity-tools.com/iron-status-interpreter</a><p>根据炎症调整铁蛋白，估算真实的铁储存量，针对最佳目标进行解读，并提供基于指南的后续步骤以及个性化补充计划。<p>## 握力解读器
<a href="https://longevity-tools.com/grip-strength-interpreter" rel="nofollow">https://longevity-tools.com/grip-strength-interpreter</a><p>显示握力百分位数，估算全因死亡风险影响，提出可实现的目标，并预测未来肌肉虚弱的风险。<p>## 人类Bortz血液年龄计算器
<a href="https://longevity-tools.com/humanitys-bortz-blood-age" rel="nofollow">https://longevity-tools.com/humanitys-bortz-blood-age</a><p>基于商业实验室血液检测的最先进生物年龄计算器模型。它是基于306,000名英国生物库参与者进行训练的，具有比Levine PhenoAge更高的预测价值。<p>## Levine PhenoAge生物年龄计算器
<a href="https://longevity-tools.com/levine-pheno-age" rel="nofollow">https://longevity-tools.com/levine-pheno-age</a><p>基于常规血液生物标志物的生物年龄计算器，由Morgan Levine、Steve Horvath及其合作者开发。它优先考虑可及性和低成本实验室标志物，而非最大精确度。
嗨，HN — 我是作者。iesna.eu 是一个基于浏览器的生态系统，用于处理光度数据：解析标准的灯具文件（LDT/EULUMDAT、IES LM-63、Oxytech、ATLA-S001），根据 EN 13201 / ANSI/IES RP-8 / CJJ 45 / IES-IDA MLO 进行设计计算，以及（我最想展示的部分）在 Bevy 中渲染真实的城市场景，利用光度数据驱动实际的路灯行为，包括天空辉光的贡献。
天空辉光分析演示将一个真实的 LDT 文件加载到 Bevy 场景中（Khronos Bistro 测试资产）。灯具的光强分布直接驱动路灯的渲染——没有任何虚假处理——而天空辉光等级会随着你调整向上照明的百分比实时更新。切换到全切断灯具时，天空的等级会从 F（严重）变回 A（优秀）。你可以在建筑物和天空中看到这种差异。
技术栈：Rust 核心（eulumdat-rs 及相关库，大约 20 个库处理光度格式），Bevy 用于 3D 渲染，WASM 用于浏览器部署。没有后端；一切都在客户端运行。在现有光度库的基础上增加了大约一千行新代码，以实现 Bevy 的集成。
我希望获得反馈的几个方面：
- 目前的大气散射模型是单次散射的 Rayleigh+Mie。这对于我的使用案例是否合理，还是应该朝多次散射的方向发展？
- Bistro 测试场景在视觉上效果很好，但并不是一个受控环境。
- 有没有人知道一个更典型的公共城市几何资产，适合真实的路灯评估？
- CJJ 45 实现（中国国家道路照明标准）是我唯一一个需要从翻译的 PDF 中逆向工程的标准。如果有人有相关的第一手经验，我会很感激能进行一次理智的检查。
在 GitHub 上开源（eulumdat-rs 和相关库）。
Crates.io: eulumdat
嘿，HN！
我开发了 SimplePDF Copilot：一个可以与 PDF 编辑器互动的 AI 助手。它可以填写字段、回答问题、聚焦特定字段、添加字段、删除页面等等。
这个工具是基于我七年前开始的 SimplePDF 构建的，开创了尊重隐私的客户端 PDF 编辑，目前每月有超过 20 万人使用。
关于隐私模型：PDF 文件本身从未离开浏览器。解析、渲染和字段检测都在客户端进行。
模型所需的文本（以及你的消息）会发送到你指定的任何大型语言模型（LLM）。默认情况下，这是我们的演示代理（DeepSeek V4 Flash，受限于速率），但你可以自带密钥（BYOK），指向任何云服务提供商，或者完全本地化（我一直在使用 LM Studio 进行测试）。
与现有的“与 PDF 聊天”工具仅能提取文本/OCR 层不同，Copilot 可以对 PDF 进行操作：填写字段、添加字段（使用 Joe Barrow 的 CommonForms 在客户端检测，jbarrow 在 HN 上发布了一些我添加的后处理启发式方法）、聚焦字段、删除页面等等。
我之所以构建这个工具，是因为 SimplePDF 主要被医疗行业客户使用，在那里文档隐私至关重要，我希望提供一种不需要将个人身份信息（PII）发送给第三方的 AI 体验。
技术栈相当标准：
- Tanstack Start
- 来自 Vercel 的 AI SDK
- Tailwind（我个人更喜欢 CSS 模块，我是老派，但考虑到我开源的目标，我认为 Tailwind 更合适）
更有趣的部分是客户端工具调用：事件通过 iframe 的 postMessage 进行双向传递。
如果你不熟悉“工具调用”和“客户端工具调用”，这里有个简要介绍：
工具调用是 LLM 用于执行操作的方式。当 Claude 运行 grep 或 ls，或访问 MCP 服务器时，这些都是工具调用。
客户端工具调用意味着调用工具的意图来自 LLM，但执行发生在浏览器中。
这对速度很重要，你无法比客户端之间的操作更快，同时也让你能够限制暴露给 LLM 的数据。在演示中，我确实将文档内容提供给 LLM，但这个连接可以通过简单地移除暴露内容数据的工具来断开。
演示是完全开源的，已在 GitHub 上提供，演示链接与此帖的链接相同。
不公开的部分是 SimplePDF 本身（作为 iframe 加载）。
我可以继续谈论这个话题，如果你有任何问题，请告诉我，任何问题都可以！
[1] [https://github.com/jbarrow/commonforms](https://github.com/jbarrow/commonforms)
[2] [https://github.com/SimplePDF/simplepdf-embed/tree/main/copilot](https://github.com/SimplePDF/simplepdf-embed/tree/main/copilot)
[3] [https://copilot.simplepdf.com/?share=a7d00ad073c75a75d493228e6ff7b11eb3f2d945b6175913e87898ec96ca8076&form=w9&lang=en](https://copilot.simplepdf.com/?share=a7d00ad073c75a75d493228...)
音乐的基本构成要素——音符、音阶、和声——并不是原始元素。它们是涌现出的结构。音高只是节奏的加速表现。<p>由 NoteookLM 生成的播客：<a href="https://www.youtube.com/watch?v=q9bFUocrm70" rel="nofollow">https://www.youtube.com/watch?v=q9bFUocrm70</a>
你好，HN。在过去的7个月里，我花费了近3000小时构建SNEWPAPERS，这是第一个具有全文提取、几乎完美的光学字符识别（OCR）、广泛分类法以及语义和智能搜索功能的历史报纸档案。
问题：
我想搜索报纸档案，但每个服务都只允许你搜索关键词和日期，并返回原始的报纸图像，而且很多图像没有上下文，信息量庞大而杂乱。
解决方案：
我教机器如何阅读报纸，到目前为止，我已经从“美国编年史”收藏中提取了超过60万页（约5TB）的内容。我需要处理的问题包括各种布局、字体大小、图像扫描质量、分辨率、纵横比，以及如何在页面上的图像中导航。我还必须弄清楚如何使OCR几乎完美，以便人们不会讨厌阅读提取的内容。我构建了一个多模型管道（布局技术、OCR技术、LLM、VLLM），使用启发式方法从布局到分割再到分类。我将所有内容放入OpenSearch/Postgres中，使其具有语义搜索功能，并在其上方添加了一个智能搜索工具，能够很好地使用API，帮助你编写查询以找到所需的信息。关于AWS架构和扩展，我也很乐意讨论，这确实很有挑战性！
如果你有五分钟时间，想要快速体验一下个性化的功能，我建议你：
在搜索任何内容之前，先访问Sleuth页面
询问它关于1736年至1963年间的任何问题，可能再问1到2个后续问题
然后转到搜索页面，这样你可以看到它为你编写的查询（左下角的“保存的查询”），并获取更多你感兴趣的信息
如果你觉得这很酷，想要了解更多，那么在导航栏的“指南”中有大约10分钟的视频指南，介绍各种功能。
其他一些人也尝试过这个项目，值得一提的是：
[https://dell-research-harvard.github.io/resources/americanstories](https://dell-research-harvard.github.io/resources/americanstories)（非常好的尝试）
[https://labs.loc.gov/work/experiments/newspaper-navigator/](https://labs.loc.gov/work/experiments/newspaper-navigator/)（专注于图像）