最新

本地化人工智能的普及至关重要。 我一直在努力突破商用硬件的极限，榨取每一丝额外的性能。我的科学代理人工智能助手帮助我重新分配了每一份计算资源。 我重写了内核，深入研究了 CUDA，直到能够解释整个过程中涉及的每一比特和每一毫秒的计算能力，将 Qwen 30B-A3B 的推理速度从使用 llama.cpp 的 8 token/秒提升到 19 token/秒，我的项目达到了 22.2 token/秒，对于非新颖内容更是达到了 109 token/秒，并将预填充速度提升了 5-9 倍。

metrIQ 最初是我为自己训练设计的一个电子表格。数字本身没问题，但电子表格无法提供任何洞察——它只能存储你输入的内容。 于是我转向了 ChatGPT。它可以解释事物，但它会忘记我的历史记录，每天对同一个问题给出不同的答案，无法提供我想要的统计数据，而且所有信息都淹没在泛泛的建议中。我想要一个能记住我的教练。 于是我决定自己开发。最初的版本是用 Lovable 制作的一个粗糙版本，主要是因为我想找个借口尝试一下。然后我的朋友们开始使用它，它确实帮助了他们，于是我重新构建了整个应用程序，为正式发布做准备。 这就是 metrIQ。她是 Sophia，你的专属教练。只需一句话就能记录信息，而且与聊天机器人不同，她能记住你的目标、你的周度进展以及上个月遇到的问题。她的目标设定和提醒都基于这些信息。她不仅追踪你的健身历程，还提供见解、建议和支持。 我非常期待大家来尝试，并感谢所有反馈，无论是积极的还是负面的，尤其是来自正在训练或正在减肥的人们的反馈。如果你尝试过但不喜欢，请告诉我原因，也许我能改进它。 Nikos

大约三年前，我和我妻子在经营我们公司的同时尝试了 HubSpot。我们很快意识到，我们花在试图将我们的工作流程适应 CRM 上的时间，比实际完成工作的时间还要多。 它的理念很简单：CRM 应该适应企业，而不是反过来。大多数 CRM 试图强迫人们以一种非常特定的方式工作，这会扼杀生产力，而且团队在开始实际工作之前需要花费数小时来学习 CRM。 每个管道、对象、工作流、表单和流程都可以更改，而不是被锁定在一种固定的工作流中。目标是让 CRM 适应企业，而不是强迫企业适应 CRM。如果您想深入了解，可以看看 NinjaPipe 中的 Databins、Meta 标签、数据源（因为我很想听听您对此以及我可以做的任何其他改进的看法？） 我 100% 自给自足，并且仍然全职担任软件工程师，每月将大约 10% 的工资投入到公司。我在 2023 年 11 月发布了第一个版本，找到了一些愿意提供诚实反馈的早期用户，并一直在不断改进。自那时以来，我们已发展到拥有 1500 多家企业用户，其中大部分早期增长来自于 3 次 AppSumo 终身交易的推出。围绕这一点建立了一个非常活跃的 Discord 社区，以便人们可以发布 bug、请求、（吐槽）和想法，使其成为一个社区驱动的产品。 我很想听听您的想法以及我还可以做些什么来进一步改进它。

Google Zanzibar 数据日志语言允许您描述概念及其之间的关系。我将其泛化为可在 Lean4（及其他语言）上使用的 DSL，这使您可以表示一个知识库，您可以构建、存储和评估它，将其置于 Git 中，并在没有大型引擎或依赖外部基础设施的情况下进行改进。

这个问题是专门为 GTM（Google Tag Manager）工程师和效果营销人员准备的。想了解一下是否有任何智能代理广告优化工具对你们来说是真正有效的？ 我尝试了 Google Ads 的 PMax（Performance Max），我们的注册量有所增加，但销售线索（pipeline）没有增长（大多数注册用户都不是目标受众）。我正在评估 Factors 和 Pixis。 想知道还有什么其他工具值得关注？

使用自定义字体、纸张样式、布局控件，以及 PNG、PDF 或 ZIP 导出功能，将输入的文本转换为手写页面——无需注册账号。

<a href="https:&#x2F;&#x2F;seaticket.ai&#x2F;" rel="nofollow">https:&#x2F;&#x2F;seaticket.ai&#x2F;</a><p>我构建了 SeaTicket，用于关联 GitHub、Discord、论坛和电子邮件中的重复 Bug 报告。它不依赖于关键词匹配，而是识别出可能描述同一根本问题的报告并捕获重复项。

各位 HN 的朋友们， 我正在开发 megaDSP，一个适用于所有平台的超大型 DAW 插件。我的目标是将其打造成一个免费、开源、半自主或全自主的 GitHub 项目，并围绕社区反馈不断发展。 目前，它拥有超过 50 种音频效果，可以组合成效果链。它还支持“快照”功能，可以在不同的效果链之间无缝切换（非常适合现场演出，例如可以作为高级的吉他效果器踏板）。 如果您有时间，我非常希望您能试用一下，并提出宝贵的意见。 市面上的插件种类繁多，但很多要么是 DAW 特定插件，要么带有烦人的版权保护等。 拥有一个集成了强大 DSP 算法的超大型插件，似乎能为音乐/音频领域带来福音。 谢谢， Kevin 首个预发布版本： https://github.com/kevinlong206/megaDSP/releases/tag/v0.30.0-beta.1