最新

各位 HN 的朋友们， 我构建了一个微型的零 DOM 布局引擎，用于矢量图形和自定义渲染器，可以将嵌套的行/列/网格解析为精确的 `{x, y, w, h}` 框，并支持文本测量、溢出信号和碰撞分离。 这有助于使 SVG、PDF 和 Canvas 响应式。 欢迎任何构建 Canvas/SVG 图表、仪表板、节点编辑器或图表工具的朋友提供反馈。

我看到沙盒越来越流行和普遍。但我想免费且以本地为中心地实现这一点。我最近一直是一个人的团队，所以基于云的存储库似乎有点大材小用，而且（我的项目）的规模足够小，可以进行一次有趣的实验。如果您有任何想法，请告诉我 :)

Imagent 为 AI 代理提供了在工作流程中生成图像、视频和语音的能力，将其作为首要步骤，并通过单一界面隐藏了不同提供商和模型之间的差异。

我们正在与一位客户合作实施 RevTurbine (revturbine.com)。我们正在实施一项反向试用，该试用由关键的入职操作（连接用户的交易账户）触发，即用作完成该操作的激励。 该试用期位于一个独立的非公开层级（最低付费计划功能的子集），这提供了极大的灵活性：可以调整限制以控制 AI 成本，可以根据需要进行细分（对更具潜力的客户提供更高的限制），等等——所有这些都符合客户的承诺：21 天试用期（未指定层级）。所有这些都可以立即完成（不会影响付费客户，也不会有混乱的迁移等），并且可以进行 A/B 测试。在试用期内，您还可以根据使用情况/功能进行向上销售到付费层级（除了时间限制作为转化时刻）。 我认为这可能适用于其他人，所以想分享一下。也很乐意听取任何评论/问题。

目前我对 AI 编码助手的最大不满之处在于： 痴迷于重复造轮子。你经常会发现它在一个文件中为同一个功能编写三个重复的函数。为什么？因为它害怕超出上下文窗口的限制，所以它只读取大型文件的一小部分，完全忽略了已有的功能。 文件本身为什么会如此臃肿？因为 AI 倾向于添加新代码而不是修改现有代码，而且它很少删除任何东西。经过几次迭代，你的代码库就会变成一堆“僵尸代码”。 缺乏整体性认知。它会过度关注当前任务，而对它所做的更改是否会破坏系统的其他部分毫不在意。如果你指出原始逻辑现在已损坏，它会将其视为一项全新的任务。它会修复那个特定的 bug，但它新写的代码在修复后是否还能正常工作？“不关我的事。” 上下文窗口的长度非常有限。如果你试图通过将所有必要的上下文信息塞入提示来解决上述问题，你很快就会达到 20 万个 token 的限制。再进行两次交互后，它就会触发自动压缩，然后突然又变回了“笨蛋”。 长上下文 = 即时脑损伤。当你好不容易将完美的上下文信息塞进窗口后，模型就会完全“失控”。上下文越长，它的回复就越不连贯。 逻辑推理能力几乎不存在。一个人类开发者只需要 3-5 行代码就能在现有函数中调整的简单功能？AI 却会坚持为此设计一个全新的系统架构。 你越是调整它，它就越“笨”。你消耗了数百万个 token，每次它回复“我明白了！”或“我完全理解了！”时，它生成的代码仍然无法运行。