最新

您好， 我开发了 TalkBits，因为大多数语言学习应用都侧重于词汇或练习，而不是实际对话。学习语言的难点在于在压力下自然地表达。 TalkBits 让你能与一个像母语者一样的 AI 进行实时口语对话。你可以选择不同的场景（旅行、日常生活、工作等），自然地说话，AI 会用自然的语音回应。 我们的目标是让你感觉像是在和真人聊天，而不是做练习。 从技术上讲，它使用了实时语音输入、转录、LLM 响应和 TTS 流，以保持低延迟，从而使对话感觉流畅。 我特别感兴趣的反馈是： – 感觉自然吗？ – 对话在哪方面会破坏沉浸感？ – 什么会让你经常使用它？ 也欢迎回答技术问题。 谢谢

在首页看到 HTTP 猫的图片，让我想起了几个月前做的一个小项目。它每天都会从 Unsplash 上展示一张不同的猫咪照片，如果你选择加入，还会向你发送通知。

我一直以来都在处理一个令人沮丧的问题：我的 cron 作业返回退出码 0，但结果却是错误的。 例如： * 备份脚本成功完成，但创建了空的备份文件 * 数据处理作业完成，但只处理了 10% 的记录 * 报表生成器运行没有错误，但输出了不完整的数据 * 数据库同步完成，但计数不匹配 日志显示“成功”——退出码 0，没有异常——但实际结果是错误的。错误可能埋藏在日志中，但我不会每天主动检查日志。 我尝试过： * 在脚本中添加验证检查（例如，如果计数 < 100: 退出 1）——有效，但你必须修改每个脚本，并且更改阈值需要更改代码 * Webhook 警报——需要为每个脚本编写连接器 * 错误监控工具（Sentry 等）——它们捕获异常，而不是错误的结果 * 手动抽查——不可扩展 脚本内验证的方法适用于简单情况，但它不够灵活。如果你需要更改阈值怎么办？如果文件存在但来自昨天怎么办？如果你需要检查多个条件怎么办？最终你会将监控逻辑与业务逻辑混在一起。 我构建了一个简单的监控工具，它监视作业结果，而不仅仅是执行状态。你向它发送实际结果（文件大小、记录计数、状态等），如果出现问题，它会发出警报。无需翻阅日志，你可以调整阈值，而无需部署代码。 你是如何处理这个问题的？你是在每个脚本中添加验证，主动检查日志，还是使用在结果与预期不符时发出警报的工具？你处理这些“静默失败”的方法是什么？

我最近在学习维基百科，觉得很有意思的是，竟然有一个全球公开的页面，专门用来随意编写内容，供用户学习如何使用编辑器。我原以为会有类似的东西，但仅限于每个用户，并且对公众不可见，而不是像这个页面这样是全球性的。

我提出这个问题是基于我个人的情况，并非对软件工程的泛泛之谈。<p>我是一名计算机科学专业大四学生，主攻机器学习。我的大学没有机器学习方面的应用研究，所以在学校里做机器学习（上课/研究）基本上就是一条通往学术界理论/算法领域的单行道。<p>去年，我突然意识到我擅长（并且喜欢）通过连接系统中的各个组件来解决问题，而不是把问题硬塞进某种形式，以便应用一些数学定律。具体来说，我非常喜欢与艺术家/UI/UX/前端/非技术人员合作，担任他们的后端支持。我为机器学习工程师构建过数据管道，为UI/UX/前端设计师构建过后端，为生物医学工程研究人员构建过机器学习管道，以及为艺术家构建过投影/图像软件。<p>我比较泛，不拘泥于工具，涉猎广泛但不够深入。这感觉就像是软件工程。<p>话虽如此，我确实喜欢了解事物的工作原理，并且对阅读数学有相当的耐受力。这听起来很书呆子气，但我喜欢推导梯度下降的收敛性，也喜欢实分析。我还非常喜欢Nand2Tetris（一个开源课程，教你从与非门开始构建一台最小的计算机，以及从面向对象语言到二进制的编译器）。对我来说，看到人们过去做出的伟大设计选择，是非常优雅的。我觉得这些在软件工程中被低估了。<p>目前，我有一个机会和我的强化学习教授一起工作，他在顶级会议上发表论文的记录非常出色。我真的犹豫不决，因为他的研究方向是强化学习算法，而我在之前的另一个算法研究项目中经历了一次非常糟糕的体验（我对我们在做什么有一个模糊的概念，但远远不足以做出贡献）。我同时也在申请工作和硕士，而且我非常确定，如果我毕业后进入行业，我就再也不会碰这个话题了。<p>我有这两个问题： 1) 我听起来像你认识的软件工程师吗？你认为我还适合哪些其他角色？ 2) 我应该仅仅为了研究经历而抓住这个机会吗？你认为这对于我作为一个机器学习应用从业者跟上趋势有必要吗？<p>附注：这是我第一次在HN上发帖，这看起来比一般的Ask HN帖子长很多。我不知道这是否合适。如果我应该去一个subreddit，请告诉我。<p>如果你读了这么多，先谢谢你！