最新

本地化人工智能的普及至关重要。 我一直在努力突破商用硬件的极限，榨取每一丝额外的性能。我的科学代理人工智能助手帮助我重新分配了每一份计算资源。 我重写了内核，深入研究了 CUDA，直到能够解释整个过程中涉及的每一比特和每一毫秒的计算能力，将 Qwen 30B-A3B 的推理速度从使用 llama.cpp 的 8 token/秒提升到 19 token/秒，我的项目达到了 22.2 token/秒，对于非新颖内容更是达到了 109 token/秒，并将预填充速度提升了 5-9 倍。

metrIQ 最初是我为自己训练设计的一个电子表格。数字本身没问题，但电子表格无法提供任何洞察——它只能存储你输入的内容。 于是我转向了 ChatGPT。它可以解释事物，但它会忘记我的历史记录，每天对同一个问题给出不同的答案，无法提供我想要的统计数据，而且所有信息都淹没在泛泛的建议中。我想要一个能记住我的教练。 于是我决定自己开发。最初的版本是用 Lovable 制作的一个粗糙版本，主要是因为我想找个借口尝试一下。然后我的朋友们开始使用它，它确实帮助了他们，于是我重新构建了整个应用程序，为正式发布做准备。 这就是 metrIQ。她是 Sophia，你的专属教练。只需一句话就能记录信息，而且与聊天机器人不同，她能记住你的目标、你的周度进展以及上个月遇到的问题。她的目标设定和提醒都基于这些信息。她不仅追踪你的健身历程，还提供见解、建议和支持。 我非常期待大家来尝试，并感谢所有反馈，无论是积极的还是负面的，尤其是来自正在训练或正在减肥的人们的反馈。如果你尝试过但不喜欢，请告诉我原因，也许我能改进它。 Nikos

大约三年前，我和我妻子在经营我们公司的同时尝试了 HubSpot。我们很快意识到，我们花在试图将我们的工作流程适应 CRM 上的时间，比实际完成工作的时间还要多。 它的理念很简单：CRM 应该适应企业，而不是反过来。大多数 CRM 试图强迫人们以一种非常特定的方式工作，这会扼杀生产力，而且团队在开始实际工作之前需要花费数小时来学习 CRM。 每个管道、对象、工作流、表单和流程都可以更改，而不是被锁定在一种固定的工作流中。目标是让 CRM 适应企业，而不是强迫企业适应 CRM。如果您想深入了解，可以看看 NinjaPipe 中的 Databins、Meta 标签、数据源（因为我很想听听您对此以及我可以做的任何其他改进的看法？） 我 100% 自给自足，并且仍然全职担任软件工程师，每月将大约 10% 的工资投入到公司。我在 2023 年 11 月发布了第一个版本，找到了一些愿意提供诚实反馈的早期用户，并一直在不断改进。自那时以来，我们已发展到拥有 1500 多家企业用户，其中大部分早期增长来自于 3 次 AppSumo 终身交易的推出。围绕这一点建立了一个非常活跃的 Discord 社区，以便人们可以发布 bug、请求、（吐槽）和想法，使其成为一个社区驱动的产品。 我很想听听您的想法以及我还可以做些什么来进一步改进它。