最新

我想创建一个SaaS产品。如果你在开发、数据库、存储或任何方面遇到问题，请告诉我问题所在，并提供一个可行的解决方案。我会着手开发最好的想法并将其发布。

嗨，HN， 我开发交易机器人一年了。交易部分很简单，新闻管道差点要了我的命。 在我的模型能够看到任何头条新闻之前，我必须：抓取12个来源，解析不一致的格式，去重（一个美联储的决定 = 来自不同出版商的8篇几乎相同的文章），对紧急程度进行分类（加息 vs. 新任副总裁），运行情绪分析，并规范化为干净的 JSON。总共七个步骤，每个步骤都有其自身的失败模式。 我花在维护这个管道上的时间比构建策略还要多。所以我把它做成了一个 API。 ``` curl "https://api.tradingnews.press/v1/news?urgency=breaking&limit=5" \ -H "X-API-Key: $KEY" → { "articles": [{ "content": "FOMC: 美联储将利率提高25个基点至5.75%", "urgency": "breaking", "sentiment": -0.42, "received_at": "2026-04-07T14:00:00.034Z" }] } ``` 它与原始新闻源的不同之处在于： 1. 去重。当美联储宣布利率决定时，路透社、美联社、彭博社、CNBC、华尔街日报、MarketWatch 和金融时报都会在30秒内发布。一个事件就有7篇文章。我们把它们合并成一篇。采用三层方法：URL 去重 → 在时间窗口内进行嵌入相似度聚类 → 实体 + 事件类型匹配。第二层捕获约80%，第三层捕获剩余部分。 2. 紧急程度分类。每篇文章都被标记为“突发”、“闪电”或“常规”。基于约5万个已标记的金融头条新闻进行训练，对“突发”新闻的准确率约为94%。一个查询参数消除了90%的噪音： ``` GET /v1/news?urgency=breaking ``` 3. 情绪评分。每篇文章的评分从 -1.0 到 +1.0，来自一个金融 NLP 模型（不是通用的 LLM）。与 FinBERT 的一致性为84%。在同一处理过程中计算——没有增加延迟。 4. 速度。平均低于200毫秒，对于像 FOMC 决定这样的突发新闻，速度为34毫秒。我测试过的大多数金融新闻 API 的交付时间为1-5秒。 定价：每月20美元（REST，1次请求/分钟）/每月50美元（REST + WebSocket 流，30次请求/分钟）。提供3天免费试用。 这**不是**什么： * 不是新闻阅读器或仪表盘——仅限 API，JSON 输入/输出 * 不是市场数据提供商——没有报价或 OHLCV，使用 Polygon * 目前还不是企业级——专为个人交易者和小规模量化团队构建 * 目前还没有历史存档（最受欢迎的功能，正在开发中） 技术栈：Express/TypeScript，自定义 NLP 管道，用于去重的嵌入模型，Postgres，Redis，专用基础设施（不是无服务器的——延迟很重要）。 文档：[https://docs.tradingnews.press](https://docs.tradingnews.press) 注册：[https://tradingnews.press](https://tradingnews.press) 很乐意回答关于去重架构、紧急程度分类器或任何其他问题。

星逐（Astrial）是一款在线围棋变体游戏，在球面上进行。棋盘是一个细分的截角十二面体——一种阿基米德立体，共有302个交叉点，连接成一个封闭的球面图。没有边，没有角，每个方向都是等价的。 这种拓扑结构创造了3度、4度和5度顶点的混合，因此每个点都有不同数量的“气”。5度点与更多（和更大）的面相邻，使其成为最有价值的领地；3度点最容易被包围。计分基于区域：球面的300个四边形面按比例分配给周围的棋子，白方有2.5%的贴目。 游戏遵循标准的围棋规则——轮流落子，无气则提子，禁止自杀，以及位置超级劫。当双方连续两次pass时，游戏结束。 [https://astrial.app](https://astrial.app)

我对量化如何工作一直很感兴趣。我深入研究了它的各个组成部分，最终得到了一些真正令人惊讶的发现。

前沿模型能完成大学计算机科学课程吗？我用 BSCS-bench 进行了确切的测试：涵盖莱斯大学计算机科学课程的 11 门核心课程中的 66 个作业。<p>我还撰写了一篇配套文章，讨论了这些结果对整个高等教育的影响：<a href="https:&#x2F;&#x2F;www.bscsbench.com&#x2F;blog&#x2F;no-calculators-please" rel="nofollow">https:&#x2F;&#x2F;www.bscsbench.com&#x2F;blog&#x2F;no-calculators-please</a>