最新

我曾使用过 Calibre 的内容服务器和 calibre-web，实际阅读时则配合 Calibre 和 Apple Books。虽然能完成任务，但体验总是不够流畅——于是我利用 Claude Code 构建了自己的解决方案。 它与 Calibre 完全兼容——我本人就是这样使用的：我的书籍仍然存储在 Calibre 库中，BeePub 只需指向该库即可保持同步（只读模式；Calibre 始终是数据源）。这与 calibre-web 的工作方式相同。 我在 CJK / 繁体中文支持（包括竖排文本）以及漫画 EPUB 方面投入了大量精力。还有一个使用 Capacitor 构建的原生应用，目前在 TestFlight (iOS) 上。它还支持 OPDS 和 KOReader 进度同步 (kosync)，因此可以很好地与电子墨水阅读器配合使用。 如果您感兴趣，可以在 <a href="https://demo.beepub.app" rel="nofollow">https://demo.beepub.app</a> 上体验（登录：demo / demodemo — 数据每 6 小时重置一次）。 这是我每天都在使用的项目，所以请期待它不断更新！

大家好，我是 Shubham 和 Parth，我们是儿时好友，共同创立了 Agnost AI (https://agnost.ai)，为构建聊天和语音代理的团队提供产品分析服务。 我们阅读生产环境中的对话，找出行为上的缺陷，例如用户愤怒地提示（对代理咒骂）、反复重述同一个请求、纠正代理、要求缺少的功能，或者在得到技术上成功的回答后离开。 我们提供一个无需注册的交互式演示：https://app.agnost.ai?demo=true 这是一个演示视频：https://www.tella.tv/video/agnost-ai-launch-hn-demo-9haa 核心问题在于，聊天和语音产品不像 Web 应用那样拥有相同的指标。当产品界面是语言时，点击和漏斗图的用处大大降低。用户也很少提供明确的反馈，即使提供了，通常也是委婉的。我自己也很少在 Claude 或 Codex 中输入“/feedback”。大多数用户只是咒骂、重复提问、纠正代理或直接离开。因此，产品工程师可以从延迟、错误和追踪中获得技术可见性，但仍然必须猜测用户是否得到了他们想要的东西。 在过去一年中，我们一直专注于构建代理，并有几位创始人向我们寻求类似 PostHog 的工具，用于他们正在构建的 AI 助手的对话分析。 我们无意涉足可观测性或评估领域。可观测性告诉你技术上发生了什么。评估验证你已知的情况。我们更侧重于发现方面，例如用户想要什么、他们在哪里感到沮丧、他们反复要求什么，以及应该存在哪些新的评估。 团队通过 SDK 或 OTel 将代理对话消息发送给我们，还可以选择性地附带账户、计划、来源、组织等元数据。我们将对话聚类成特定于产品的意图。功能请求和错误是默认类别；大多数其他聚类是根据客户数据动态创建的，并会随着时间推移而演变。你可以用简单的英语创建自己的聚类。如果一个聚类变得太宽泛，我们会将其拆分。如果出现新的模式，我们会建议它。 一家 AI 视频编辑公司使用 Agnost AI 发现了隐藏在聊天中的功能请求。其中最重要的是，大约有 70 位用户想要自动字幕功能，但他们以“在此帧中添加此文本”的方式表达了 12 次，在一次会话中，还有“能否加上字幕”、“提供音频的转录”以及各种语言的变体。该团队后来构建了该功能。 最初的难点在于，在不将所有内容发送到 LLM 的情况下处理数百万条消息。在 ClickHouse 中，“按时间获取对话中的最后 50 个事件”和“获取此对话中的所有事件”需要不同的排序顺序，因此我们在排序键、分区、物化视图和投影方面进行了大量迭代。 对于查找新聚类，将所有内容通过 LLM 处理太慢且成本太高。HDBSCAN 式的嵌入聚类在规模化时也因成对比较而变得棘手。我们首先根据余弦漂移将对话分割成片段，运行 BIRCH 来压缩候选空间，然后在较小的集合上使用类似 HDBSCAN 的聚类。对于匹配现有聚类，我们使用嵌入、较小的分类器/BERT 式模型，并将 LLM 仅作为模糊情况的后备。 我们已经与多家公司合作上线，每天处理约 100 万条聊天和语音消息。定价公开：Starter 版本免费，Pro 版本为 499 美元/月，Enterprise 版本适用于更高流量、安全和保留需求。我们仅使用客户的数据为该客户服务。我们已通过 SOC 2 Type 1 认证，Type 2 认证正在进行中，我们的 SDK 已在 PyPI 和 npm 上提供。 我们非常希望听到 HN 社区以及构建聊天或语音代理的开发者的反馈：你们目前是如何检测这些信号的？哪些反馈方法有效？什么会阻碍你们尝试我们的产品？我们很乐意回答问题并接受批评。