最新

Hi HN， 我们刚刚在 Flexprice 中发布了 Nomod 集成。 背景介绍：Flexprice 是一个开源的计费系统，处理发票、使用情况和信用钱包。我们希望弥补的一个不足是，在不破坏计费状态的情况下，支持特定地区的支付提供商。 通过这次集成： * 在 Flexprice 中最终确定的发票可以同步到 Nomod * 为发票生成托管的 Nomod 支付链接 * 支付状态更新会反馈到 Flexprice * 发票和支付记录保持同步 * 信用额度（如果适用）仅在支付成功后应用 这简化了计费逻辑，避免了后续的对账问题。目前还没有演示，但文档已上线：[https://docs.flexprice.io/integrations/nomod/](https://docs.flexprice.io/integrations/nomod/) 欢迎大家提问，或者分享您在构建计费或支付集成方面的经验，也欢迎加入我们的开源社区：[http://bit.ly/4huvkDm](http://bit.ly/4huvkDm)

在《迷宫传说》中，你将操控一个发光的黄色光球，穿梭于蜿蜒曲折的走廊、狭窄的弯道和充满欺骗性的死胡同。一旦撞到墙壁，你可能会损失一些金币。 旅途中，你将遇到一些有价值的收藏品，比如蘑菇、钥匙和能化险为夷的能力。明智地使用它们吧！ 锁定光标以获得精准操作，如果值得冒险，就去追逐道具，记住……每一次挑战都是独一无二的。

我发现代码代理在以下两方面表现出色：1. 仅使用 bash 命令（grep、glob、ls 等）就能在大型代码库中找到所需的一切；2. 基于它们的发现构建新事物（废话）。 如果将代码库换成你的工作场所文档呢？ 设想一个 `Google_Drive` 文件夹、一个 `Linear` 文件夹、一个 `Slack` 文件夹等等。 在过去的一周里，我们一起构建了 Craft 来测试这个想法。 它是一个代码代理（使用 OpenCode 以实现模型灵活性）的界面，运行在虚拟机上，具有： 1. 你的公司完整的知识库，以目录/文件的形式呈现（保持同步） 2. 自由编写和执行 python/javascript 的权限 3. 能够为用户创建和呈现工件 演示：<a href="https://www.youtube.com/watch?v=Hvjn76YSIRY" rel="nofollow">https://www.youtube.com/watch?v=Hvjn76YSIRY</a> Github：<a href="https://github.com/onyx-dot-app/onyx/blob/main/web/src/app/craft/README.md" rel="nofollow">https://github.com/onyx-dot-app/onyx/blob/main/web/src/app/c...</a> 事实证明，OpenCode 在处理文档方面做得很好。 工作场所应用程序也具有自然的结构（关于特定主题的 Slack 频道、团队的 Drive 文件夹等）。 并且由于每个文档的完整元数据都可以写入文件，LLM 可以定义任意复杂的过滤器。 在大规模应用中，它可以编写和执行 python 来提取和过滤（甚至可以重复使用经过验证的正确逻辑）。 换句话说，bash + 文件系统提供了比传统的 RAG 或 MCP 更灵活、更强大的接口，而当今更智能的 LLM 能够充分利用这一点。 这对于需要考虑数千（或更多）文档的聚合式问题特别有用。 当然，它还可以创建基于你公司文档保持更新的工件。 因此，如果你想要“一个仪表板来实时检查每次中断中有多少百分比是由每个后端服务引起的”或者只是“幻灯片，遵循 XYZ 格式，涵盖我下周在开发知识共享会议上要展示的主题”，它也可以做到。 Craft（和 Onyx 的其余部分一样）是开源的，因此如果你想在本地运行它（或尝试实现），你可以这样做。 快速入门指南：<a href="https://docs.onyx.app/deployment/getting_started/quickstart">https://docs.onyx.app/deployment/getting_started/quickstart</a> 或者，你可以在我们的云端试用：<a href="https://cloud.onyx.app/auth/signup">https://cloud.onyx.app/auth/signup</a>（你的所有数据都进入一个隔离的沙盒）。 无论哪种方式，我们都设置了一个“演示”环境，你可以在你的数据被索引的同时进行试用。 真的很好奇大家有什么想法！

设想一种扩展的英语，使得任何追求精确性的人——科学家、律师、工程师，或者任何记录复杂思想的人——使用的句子都嵌入了非平凡的计算。理解这样的文本不仅仅需要阅读，还需要执行嵌入在语言本身的算法。 就像 LaTeX 允许你精确且可重复地撰写文档一样，这种计算英语将使自动机器翻译变得极其困难。即使是一小段计算，如果被误解，也可能彻底改变其含义。随着时间的推移，任何重视精确性的人都可能默认使用英语，从而为正式交流创造全球性的锁定。 日常对话仍然可以用任何语言进行，但对于技术写作、法律文件、说明或严谨的报道，计算英语可能成为通用标准。它的采用将取决于它保证确切含义的能力，而不是易于学习。 这种锁定会确保英语永远成为世界的通用语言吗，就像 LaTeX 之于科学家一样？