最新

作者（Nathan）在此。本网站的目的是绘制整个英国铁路网络的地图：不仅包括行程规划器显示的线路，还包括遗产线路、仅用于货运的曲线、命名的隧道和高架桥，以及成千上万个已关闭且从未被绘制在地图上的车站。 该项目完全基于开放数据构建。线路和当前车站来自 OpenStreetMap（通过 Overpass），已关闭车站来自 Wikidata（约 6,100 个位于距活动 OSM 车站 250 米半径之外），邮政编码查询来自 postcodes.io。主要挑战在于，这些数据源之间很少达成一致，甚至自身也存在不一致，因此大部分工作涉及细微的协调规则。例如，遗产线路标志会传播到共享线路名称的每个路段，从而使斯旺尼奇铁路（Swanage Railway）的颜色保持一致。 我与铁路爱好者社区分享了一个早期版本，大部分的修正都来自那些比我更了解铁路网络的人。有关数据挑战的详细介绍可在此处找到： <a href="https:&#x2F;&#x2F;trainmap.co.uk&#x2F;story.html" rel="nofollow">https:&#x2F;&#x2F;trainmap.co.uk&#x2F;story.html</a> 无需注册账户或下载应用程序。您可以通过邮政编码、车站名称、三字母代码或线路名称进行搜索。非常欢迎您提出修正意见，因为总会有车站被我错误地标记。

灵感来源于 Conductor、dmux、claude-squad、agent-deck 和 Git Tower ## 与众不同之处： （除了图形用户界面）核心理念是——用户可以手动完成的一切，都必须通过命令行界面（CLI）暴露给代理/自动化。 最好与允许不同工作区（worktree）中的代理相互通信的工具搭配使用（例如 <a href="https://github.com/cheapsteak/agent-channels" rel="nofollow">https://github.com/cheapsteak/agent-channels</a>）。 ## 背景： 我从一月份开始使用了几个月的 Conductor，并且非常喜欢它，但遇到了一些持续存在的问题，让我意识到一个我大部分清醒时间都在积极使用的核心工具，离我太近了，以至于我无法自己解决它带来的不便。 意识到我需要切换到一些可 hack 的工具后，我花了一周左右的时间试用了 dmux、claude-squad 和 agent-deck。它们都很棒，但我随后意识到我真的不想记住键盘快捷键，而且我十多年来一直设法推迟学习如何使用 tmux，不想打破这个记录 XD。 于是 TBD 在三月份诞生了。自那以后几个月，它已经变得足够稳定，以至于我的一些前同事和现同事也开始将其作为日常工具使用。这有点像一个有趣的私人俱乐部，我们一起贡献。 其架构是一个守护进程，负责大部分状态管理和实际工作，以及 CLI 和 GUI 客户端作为两个接口。用户通过 GUI 操作，LLM 和脚本通过 CLI 操作。 它最适合 Claude Code（我们共享的日常工具），但我们也有两个人使用 Codex。 运行它的唯一方法是克隆并从源代码构建，部分原因是我想象它的主要吸引力在于那些需要 hack 他们正在使用的工具的人。 我认为它现在已经是一个足够好的起点，供志同道合的人们以此为基础，分叉并构建自己的变体，以适应他们自己的工作流程。

我花了几天时间完成了这个。我和几个朋友已经成功地沉迷其中了。最近，我在柏林的一个美术馆参加了一场——用一个词来形容——社交/协作表演。一群艺术家用 10x10 厘米的木块填满了一个巨大的工业展厅，供人们搭建结构。用木块玩耍的概念是如此普遍，而这些结构又是如此短暂，这真是太美了。所有年龄段的人都被带回了童年般的玩耍状态。关于什么样的游戏不需要任何解释的想法一直萦绕在我脑海里，于是我构建了一个匿名的多人拼图游戏。我们已经在里面度过了几个小时，现在你也受邀加入。希望你喜欢。

我们构建了一个模型路由器，它可以接入各种编码代理（例如 Claude Code、Codex、Cursor 等），并智能地将请求发送给最适合的模型来处理。以下是本地运行的快速演示：<a href="https://www.youtube.com/watch?v=isKhAyivtfM" rel="nofollow">https://www.youtube.com/watch?v=isKhAyivtfM</a>。 在 Weave，我们几乎所有的代码都由 AI 编写，而且成本越来越高。当 Opus 4.7 发布时，由于其分词器（tokenizer）的更改，我们的成本飙升，这成为了一个关键问题。我们知道并非所有任务都需要 Opus，但我们也不想在真正需要其智能的时候错过。因此，我们决定构建一个模型路由器来为我们处理这个问题。 Weave Router 充当一个专门为编码代理服务的 Anthropic/OpenAI 端点。它会查看每一个推理请求，并智能地（稍后会详细介绍）决定将请求发送到哪个模型，同时处理所有必要的转换。这样，它就可以在可能的情况下使用更快速/更便宜的模型（例如 DeepSeek v4、GLM 5.2、Kimi K2.6），并在必要时使用最前沿的模型（Opus 4.8 和 GPT 5.5（以及 Fable，一旦恢复可用））。 我们如何知道将请求路由到哪个模型？我们使用数万个（到目前为止！）代理轨迹（agent traces）训练了一个强化学习模型。当路由模型选择了一个能够成功完成给定任务的 LLM 时，我们会对其进行奖励。 举个例子：如果您要求路由器规划一个复杂的更改，它（很可能）会将该请求路由到 Opus 4.8。而负责探索代码库以收集上下文的子代理将被路由到更适合的模型（例如 DeepSeek V4 Flash）。然后，当计划准备好实施时，它（最有可能）会被交给一个更快的模型（例如 GLM 5.2）来执行。 我们在内部使用这个路由器已经有一个月左右的时间了。与我们原本需要支付的费用相比，我们在 token 上的成本节省了 40%，而且在质量或速度上没有明显差异。 该路由器在 Elastic License 2.0 下开源可用，因此您可以自行托管。如果您愿意，也可以使用我们的托管版本：weaverouter.com。 我很乐意在这里回答您可能有的任何问题！