最新

简而言之：将数小时的原始 GoPro 素材和 .fit 文件，转化为一段带有骑行遥测数据叠加的 60 秒精彩集锦。Gemini-3.5-Flash 会扫描骑行的每一秒，并对片段进行评级和精选。每次骑行的总成本约为 0.04 美元，耗时 10 分钟。 详细版本：近十年来，公路自行车一直是我的主要运动方式、社交途径、心理疗愈、服装开销以及个人标签。我几乎每个周末都会骑车，通常从曼哈顿出发，沿着 9W 公路骑行。每次骑行结束后，我都会留下数小时的 GoPro 录像和一个 .fit 文件，其中包含每秒的速度、功率、心率、踏频和 GPS 数据。没有人愿意观看 3 小时被困在 West Side Highway 上被共享单车挡路的视频。回顾过去的录像，找出有趣的片段，并整理一个故事来回忆，这很有趣。但由于骑行本身已经非常耗时，每次骑行手动编辑精彩集锦是不现实的。所以我开发并开源了 <a href="https://github.com/ianmacomber/ride-recap" rel="nofollow">https://github.com/ianmacomber/ride-recap</a>。 我从四个独立来源识别引人注目的时刻： * Garmin 遥测数据（通过 .fit 文件：速度、心率、功率峰值、冲刺、爬坡） * Strava（通过 API：热门赛段） * Gemini 视觉扫描和单个帧的评分 * （可选）通过 Streamlit 应用手动标记 融合步骤中，一个 LLM（大型语言模型）会进行叙事分析，挑选 20 个最能讲述骑行故事的片段，并提高“跨来源一致性”（即如果人类标记、遥测数据、Strava 和 Gemini 都认为某个片段有趣），然后进行贪婪重排序和拥挤惩罚，以避免选择与已选片段过于接近的片段。 事后看来很明显，但除了查看 Gemini 选择的片段，并对哪些应该包含/不应该包含有明确的意见，并具体说明原因，然后重复直到你认为无法再改进之外，没有其他替代方法。如果你自己没有品味，就无法教会 LLM 品味。

我有一个数据治理应用的第一个版本。本质上，它通过数据库连接器/API扫描您的系统，标记不符合您SQL验证规则的数据。这些标记会通过电子邮件发送给A团队。如果在x天内未解决，则会升级给治理团队。 我是否遗漏了任何明显的特性或流程？

我在伊朗阿莫尔经营一家名为 Delis Croissants 的小型面包店。我相信我们拥有世界上最美味的羊角面包，因此我们也需要一个很棒的数字菜单。但我找不到喜欢的数字菜单，于是我请 Claude Code 为我构建了一个属于自己的菜单：Rumizi。Rumizi 在波斯语中是桌布的意思，就是放在桌子上的那块布。 鉴于您可能无法光顾我的面包店，我使用公开数据为纽约顶尖餐厅制作了演示。首先是 Katz's Delicatessen，他们制作了世界上最好的三明治：https://katz-s-delicatessen.rumizi.com/ 更多纽约餐厅演示请访问：https://rumizi.com/restaurants 每个菜单都有一个聊天助手，您可以向它咨询点餐建议。 我与这些餐厅没有任何关联；这些演示是基于公开数据构建的。我正在添加更多内容，如果您希望您喜欢的餐厅出现在 Rumizi 上，请在此处告诉我，或通过 Telegram 联系 @irnco，或通过 Twitter 联系 @srasoulj。

所以这个想法非常简单。如果 CC 需要更改一个文件并运行一些测试，CC 需要： # 回合 1 — 应用补丁（更改包文件） # 回合 2 — 应用补丁（修复 bug） # 回合 3 — 应用补丁（编辑测试脚本） # 回合 4 — 构建 # 回合 5 — 运行测试和 lint # 回合 6 — *如果使用 playwright，CC 需要再进行一轮读取媒体 概念是我们可以使用宏命令将整个过程在一个 RAG 中，在一个回合内完成。例如像这样： step1: 检查环境 step2: 应用补丁（更改包文件） step2: 应用补丁（修复 bug） step2: 应用补丁（编辑测试脚本） step3: 构建 step4: 运行测试和 lint step5: 读取媒体 由于 Antropic 的使用条款，我无法测试此实现。但我曾在其他编码代理和提供商上测试过，这可以将 LLM 的回合数减少 40% - 80%，并节省近乎相同的 token 量。（我需要使用 ** 来隐藏提供商的名称，以避免帖子被机器人删除）。 如果您认为这种方法有帮助，并且我的测试方法是合理的，您可以给我点赞！谢谢！ 实现和测试基准可以在 md 文件中找到。我使用 DeepSWE 和整个仓库重写案例进行了测试： https://github.com/Tura-AI/tura