最新

我经常带着笔记本电脑远程工作，如果它坏了，我的工作就会停滞几天。我需要尽快找到一台新的 MacBook Pro，可能还得飞到别的地方去争取更好的价格…… 我一直在寻找一种小型的 Linux 设备，可以连接外接显示器或电视进行编码（即使速度慢也没关系）。最初，我以为可以用我的安卓手机来实现，但它们无法像在台式机上那样运行 Ruby、Postgres、Node.js 和 VS Code（或类似软件）。苹果在 MacBook Neo 上使用 A18 芯片运行 macOS，但在 iPhone 或 iPad 上却没有（老实说，我也不知道为什么）。Steam Deck 之类的设备又太大了，而且我也没有在安卓/iPhone 上找到好的 Linux 模拟器。 你有什么推荐的 Linux 紧凑型设备或平板电脑吗？

几个月前，我发现了 <a href="https:&#x2F;&#x2F;a2ui.org&#x2F;" rel="nofollow">https:&#x2F;&#x2F;a2ui.org&#x2F;</a>，并决定将其作为一个副项目来实现。<p>canopy 将 jsonl 文件渲染为功能强大且交互式的原生 GUI。<p>这是一个 Hello World 示例：<p>```example.jsonl<p>{&quot;type&quot;:&quot;createSurface&quot;,&quot;surfaceId&quot;:&quot;main&quot;,&quot;title&quot;:&quot;Tasks&quot;}<p>{&quot;type&quot;:&quot;updateDataModel&quot;,&quot;surfaceId&quot;:&quot;main&quot;,&quot;ops&quot;:[ {&quot;op&quot;:&quot;replace&quot;,&quot;path&quot;:&quot;&#x2F;tasks&quot;,&quot;value&quot;:[{&quot;title&quot;:&quot;Ship demo&quot;,&quot;done&quot;:false}]}]}<p>{&quot;type&quot;:&quot;updateComponents&quot;,&quot;surfaceId&quot;:&quot;main&quot;,&quot;components&quot;:[ {&quot;componentId&quot;:&quot;root&quot;,&quot;type&quot;:&quot;Column&quot;,&quot;children&quot;:[&quot;title&quot;]}, {&quot;componentId&quot;:&quot;title&quot;,&quot;type&quot;:&quot;Text&quot;,&quot;props&quot;:{&quot;content&quot;:{&quot;path&quot;:&quot;&#x2F;tasks&#x2F;0&#x2F;title&quot;}}} ]}<p>```<p>jsonl 到 GUI 渲染器只是一部分，canopy 可以直接连接到你的 LLM 提供商，并让 LLM 通过这些增量的 jsonl 构建应用程序。<p>canopy 在“反向控制模式”下支持 --claude 或 --codex 运行，以 canopy 作为 MCP 服务器并提供适当的提示启动 claude/codex。<p>MCP 还为其自身提供了一个“截图”工具，因此 LLM 实际上可以“看到”它构建的内容。 显然，它还可以与应用程序本身交互以进行测试。<p>readme 中的图像是真实的示例。<p>除了基本的原生组件（如输入字段、滚动、布局等）之外，canopy 还可以执行 - FFI 函数调用 - 截取自己的屏幕截图 - 音频/视频捕获 - API 调用。<p>对于“演示”应用程序，它运行良好，但我注意到在生成的应用程序中存在不同类型的“行为问题”，主要是在更复杂应用程序的状态管理方面，这个问题会被放大。 我尝试了一个“像素编辑器到 ico 导出”，编辑器部分运行良好（尽管用户体验为 0），但导出根本不起作用。 目前我无法获得可用的“sqlite 浏览器”。<p>但我相信这些都是提示问题/工具问题，可以通过更好的抽象（包、可重用组件）来解决。<p><a href="https:&#x2F;&#x2F;github.com&#x2F;artpar&#x2F;canopy" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;artpar&#x2F;canopy</a><p>go build -o canopy

你认为为公司业务部署本地 LLM 如何？我们有 Microsoft 365 订阅，并且内置了 Copilot 用于学习流程和问答。但要使用 LLM 访问包含敏感数据的内部系统，例如特殊部门的软件，除了本地 LLM 我没有其他想法。但到目前为止，我发现 GPU 价格昂贵。GPT 告诉我，我可以使用配备 RTX 6000 Pro 96GB 的 360 亿参数本地 LLM，这需要花费 1.2 万美元。而且我认为我们在浏览器上使用的普通 GPT，也就是 GPT 5.4 扩展版，比 360 亿参数的 LLM 强大得多。我很好奇是否有其他人有类似的想法，或者有什么专业建议。