最新

这是一篇关于一个简单但（我认为）被低估的观点的文章： 如果一个过程遵循逻辑斯谛曲线，那么早期的行为几乎与指数增长无法区分，这意味着你通常无法从早期数据推断其最终的承载能力。 换句话说，即使有非常好的数据，非常不同的长期结果也可能都与相同的初始“失控”阶段一致。 我使用《火星救援》作为框架（基本上是数学同人小说），但真正的问题是推断和模型选择。 好奇大家是否认为这是一个公正的评价，或者我是否夸大了此类问题在实践中有多么病态。 https://mathenchant.wordpress.com/2026/04/18/sorry-mary

嘿，HN！我是Markus。过去12个月里，我一直在为我父亲的生意构建一个客户支持CRM系统。<p>他被大量的支持消息淹没（处理退货、产品问题、销售等），而且没有一个好的方法来组织和处理这些消息，经常忘记回复。<p>我们尝试了attio、freshworks、n8n做一些自动化。我非常喜欢n8n，但我不希望为了查看消息和客户信息而切换到另一个应用程序。尝试通过Google Sheets和Airtable搭建桥梁，然后深入研究，尝试构建自己的解决方案。那时我已有10年没有编程了。我几乎是在Backbone.js和underscore开始流行的时候停止编程的，然后去从事商业混凝土行业，建造了旧金山和洛杉矶市中心（包括那个有很多涂鸦的）的许多高层建筑。<p>这个应用程序的目标是尽可能多地自动化客户支持，从分流到起草回复，再到跟踪历史记录。 功能包括： - 全渠道收件箱——从一个统一的收件箱处理电子邮件、聊天、短信和社交对话。 - 电子邮件集成——连接Gmail和Outlook，实现双向对话同步。 - 工单——完整的工单生命周期，包括优先级、状态、类型和分配。 - AI建议回复——根据对话上下文生成草稿答案。 - 工作流构建器：用于工单、联系人和消息的无代码拖放式自动化（您也可以创建自己的应用程序） - 知识库 - 数据导入——批量导入历史联系人和工单。 - 通话录音和转录——AI转录和分析语音对话。（Beta） - AI：Kopilot——使用您的客户数据回答问题的对话式AI助手。 - AI提供商——自带您的OpenAI、Anthropic或其他模型密钥。<p>主页是<a href="https://auxx.ai" rel="nofollow">https://auxx.ai</a>，您可以在这里试用演示：<a href="https://auxx.ai/demo" rel="nofollow">https://auxx.ai/demo</a>。它是开源的。您可以在这里找到代码库：<a href="https://github.com/Auxx-Ai/auxx-ai" rel="nofollow">https://github.com/Auxx-Ai/auxx-ai</a>。（欢迎点赞）

简单来说，难道不能用一支由扫雷舰开头的船队吗？数百艘油轮排成一列，两侧再有护卫舰/飞机护航？伊朗有什么有效的武器/战术吗？

我正在为几家处于早期到中期阶段的初创公司提供咨询，他们都问了同一个问题：他们的 AI/ML 团队需要生产环境的 Postgres 数据，但没人确切知道该如何提供给他们。<p>我之前处理过类似的情况，是为 BI 团队提供数据——使用带有较大 `max_standby_streaming_delay` 和 `hot_standby_feedback` 设置的只读副本，并接受主库偶尔出现的膨胀。效果还不错。但 AI/ML 的需求感觉有所不同，但我还无法完全表达出来，这也是我提问的部分原因。<p>我正在尝试校准以下几点：<p>代理实际上连接到哪里？主库（带有 RLS），只读副本，数据仓库（Snowflake/BigQuery/Redshift），湖仓一体（S3 上的 Iceberg/Delta），还是其他地方？<p>如果你没有这样做——是出于合规性、成本顾虑、糟糕的体验（失控的查询、提示语中的 PII），还是其他原因？<p>而我最感兴趣的是：这与向 BI 工具提供数据库访问权限是否真的有所不同，还是只是换了件新衣服的同一个问题？<p>我不是在寻找产品推荐。我试图从真正面临过这个挑战的人那里获得真实的感受。