最新

《设计模式》（GoF著）是我最喜欢的书之一。这本书结构清晰，易于阅读和参考。我记得我曾手动抄写每一个模式来学习它们，并将其录入到Java模式库中。 几个周末前，我受到启发，构建了一个研究信息摄取管道，该管道利用人工智能对Arxiv进行筛选，以获取更高质量的研究，并将重复出现的最佳想法提炼成一种执行摘要或精神文档。这份文档现在指导着我开始的所有软件项目。 我想分享这份文档，希望您也能从中受益！

就像 HN 上的每个人一样，我最喜欢做的事情莫过于（重新）阅读我自己的评论。让一个如此强大的、甚至美国政府都不得不暂时限制出口的大型语言模型（LLM）来确认我自认为是最聪明、最谦虚、最高质量的评论者之一的直觉，似乎是顺理成章的事情 [0]。 在确认了我的完美之后，我决定与你分享这份喜悦，因为在重置之前我还有几个百分点的使用额度。我输入了一些提示词，然后审查了输出结果，最终诞生了 Selbstbild，一个 BYOK（Anthropic / OpenRouter）的 Web 应用，它能让你通过我们的一位“机器神”来总结和评估你的公开评论，包括 Fable 5（前提是你负担得起 API 定价的奢侈）。 说真的，很长一段时间以来，我一直将自己在社交媒体（包括 HN）上的评论作为个人“大海捞针”测试的一部分，这仅仅是因为我了解自己有些独特的风格以及我倾向于写些什么，同时也因为我有时会以一种略显令人困惑的方式写作，这使得在模型发布窗口期进行一次相当快速的检查成为可能。不过最近，随着长上下文检索在前沿领域变得相当成熟，有趣的部分不再是模型是否能检索，而是它如何筛选这些非结构化的评论集合，以何种方式呈现内容等等。因此，有了这个项目。 * 一切都在你的浏览器中运行，唯一的网络调用是到 Anthropic / OpenRouter 和平台 API，没有任何内容通过服务器代理，没有分析，没有 cookie。如果你愿意，可以通过网络标签页和源代码进行验证，我也会这样做。 * 在花费任何 token 之前，你会得到一个成本估算，所以不会有意外。 * 免责声明：LLM 不是智能实体，没有预测能力，这也不是一个用于专业评估你个人的工具。这只是一个给技术爱好者的星座运势。 * 创建：Fable 本身几乎完成了所有工作，我自己的贡献是几分钟的提示词输入，加上审查和部署。 * 无 cookie 横幅：事实证明，你并不是真的“被迫”显示一个，只有当你做了一些我认为用户应该真正了解的事情时，你才需要一个。 * 分类器：根据你的主题，你的评论可能会触发 Fable 5 分类器。我对此无能为力，但这是透明沟通的。就我个人而言，我的评论没有触发它。 关于整个 LLM 编码的现状：我的审查发现了一些问题。从 Cloudflare KV 中删除时，最初没有考虑到缓存，因此即使在用户请求删除时，内容也可能被保留，这并不理想。此外，一些“any”被意外地包含进来，并且 Fable 5 决定使用一个旧版本的 Anthropic API。这些问题通过快速阅读代码被发现，总体而言，代码审查过程令人愉快（纯粹从主观角度来看，我更喜欢审查 Anthropic 的模型输出而不是 GPT-5.5），但如果如此明显的缺陷能在这样一个简单的项目和如此先进的模型中出现，这表明我们距离“无需审查”的阶段还有很长的路要走。这些问题很可能在第二次审查时被发现（无论是使用审查代理、提示 Fable 还是其他模型），但仍然让我对更重要、更复杂的代码库中可能出现的其他问题感到担忧。 通过 Fable 5 进行自我评估：<a href="https://selbstbild.eu" rel="nofollow">https://selbstbild.eu</a> 代码库：<a href="https://github.com/Topfi/selbstbild" rel="nofollow">https://github.com/Topfi/selbstbild</a> [0] <a href="https://www.anthropic.com/news/fable-mythos-access" rel="nofollow">https://www.anthropic.com/news/fable-mythos-access</a>