最新

完全开源，是 cline 的硬分叉。GitHub 页面上有完整的评估，比较了 7 个智能体（Cline、Kilo、Ohmypi、Opencode、Pimono、Roo、Dirac）在 8 个中等复杂任务上的表现。GitHub 上提供了每个任务、每个差异以及正确性和成本信息。<p>Dirac 比其他 6 个智能体的平均成本低 64.8%。

Webcellar 简化了在 Excel 中使用 JavaScript（和 TypeScript）的过程。 其主要功能是，来自 "<i>.xlsx.js"（或 "</i>.xlsx.ts"）文件的 JS 模块导出，只要 Webcellar 正在运行，就会自动在相应的 "*.xlsx" 文件中作为函数使用。 另一个功能示例是，Webcellar 自动处理 Excel 和 JS 之间的数据维度和数据类型转换。例如，JS 对象会被转换为 Excel 实体（即，具有可访问属性的单个单元格值）。 Webcellar 主要用于满足我在应用程序开发中的需求，其用例主要涉及预测、风险分析、决策分析等。使用 Excel 管理相关的应用程序数据（例如，编辑单元格或按列排序）非常简单，并且通常可以减少我花在开发用户界面上的时间。然而，Excel 应用程序开发受到公式和 Visual Basic（一种嵌入在 Excel 中的编程语言）的限制。在这种情况下，通过 Office 加载项在 Excel 中使用 JavaScript 似乎很有前景，但 Office 加载项的开发可能会变得不必要地繁琐。因此，我开发了 Webcellar 来简化在 Excel 中使用 JavaScript（和 TypeScript）的过程。 查看 Webcellar 源代码、演示（也作为带注释的截图）和更多信息，请访问 Github 存储库：<a href="https:&#x2F;&#x2F;github.com&#x2F;Acmeon&#x2F;Webcellar" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;Acmeon&#x2F;Webcellar</a> 注意：几乎没有代码是 AI 生成的。AI 代码仅用于一个文件 `.webcellar&#x2F;taskpane-init.html` 中，用于捕获请求的 Office.js URL。 我很乐意回答您可能有的任何问题。

以下是两家公司在全企业范围内整合人工智能的不同方法：一种是从下往上，另一种是从上往下。 第一家公司（tom-tailor.ru）采用“数字生态系统”方法来防止“过度自动化”。他们使用许多小型服务来赋能员工。一个通用数据总线将这些服务集成在一起，但主要侧重于独立性和人。他们与市场紧密合作，并监控趋势和竞争对手。这就是他们实现灵活性的一种方式。他们需要1.5个月来检查一个流程是否成功。 第二家公司（政府机构unirusgroup.ru）使用的座右铭是：“能力中心”不是“开发中心”。能力中心充当专业知识和培训的枢纽，并被用作采用人工智能的主要场所。该中心汇集了来自整个企业的专家，并将他们的知识整合到中心。该中心拥有一个强大的沙盒，用于开发和使用人工智能模块。这使他们能够扩展和共享人工智能知识，并避免技术创新中的孤岛。 这些公司平衡了“拼凑式自动化”与“过度自动化”。 其他观察： * 仪表板无助于解决问题，反而会使人不堪重负；与此同时，当人创建仪表板时，他们会分享自己对数据的高度理解。 * 人工智能用于预测风险增加的领域，这些领域需要关注以防止关键故障；其他领域将受到较少的关注。这使得公司能够在资源有限的情况下运作。 * 自下而上的方法需要更少的时间来检查新模块是否成功，因为它们在这里更小。 * 架构是人与人工智能之间的桥梁；其作用类似于认知距离中的工件。 提到的图表： * 创新扩散中的营销鸿沟（“mure-abyss”）显示了在项目扩展期间，13%的活跃用户和70%的被动用户之间的差距。 * 边际效益微笑曲线：研发阶段高，生产阶段低，销售阶段高。 * 在利益相关者之间存在一个“认知距离”三角：业务、管理和开发人员。如果没有平衡和尊重，项目很可能会失败。人工智能或工件可以在它们之间进行调解。 斯科尔科沃研究亮点： * 记忆和决策是分布式的；所有组件都具有本地内存和一定的自主性（分布式认知，Noosphere）。 * 决策类型：专家驱动、流程驱动、数据驱动。每种类型都有其特定的应用领域；数据驱动并非完美无缺。专家驱动类似于一个紧凑的黑盒决策者，如大型语言模型。 * 数据驱动方法作为一种物质过程，促进人工智能应用。 * 原型测试需要90天。 企业人工智能开发的步骤（斯科尔科沃，SberService）： 1. 找到流程足够成熟的领域 2. 定义指标并建立“数据故事” 3. 将原型开发为模块 4. 扩展和监控 建议使用TRL和MRL指标（技术和制造工艺就绪度等级）来寻找创新机会。

嗨，HN！我刚刚发布了 CSS Studio，一个驻留在你网站上的设计工具，在你的浏览器中运行，并将更新发送到你现有的 AI 助手，该助手可以编辑任何代码库。你实际上可以直接在网站上试用最新版本。 从技术上讲，它的工作原理是你在开发模式下查看你的网站并开始编辑它。在你的助手里，你可以运行 /studio，然后它会轮询（或使用 Claude Channels）一个 MCP 服务器。更改通过 MCP 以 JSON 格式流式传输，同时还有一些视口和 URL 信息，并且该技能有一些关于如何最好地实现它们的说明。 它包含了许多你期望从可视化编辑工具中获得的功能，比如文本编辑、样式和动画时间线编辑器。

我一直在认真思考这个问题。 几年前，想要构建一个平台，让用户可以创建自己的智能体、工作流程，甚至是无代码构建器本身，都需要一支强大的工程团队。而今天，情况似乎大不相同。 所以问题很简单： 一个非程序员现在真的能构建一个高科技产品吗？不是那种简单的着陆页，而是像智能体平台或无代码工具本身这样具有基础性的东西？ 我目前的理解是： 你不再需要编写所有代码，你需要的是架构。 现在已经有工具可以用于后端逻辑、用户界面、数据库，甚至 AI 编排。 瓶颈已经从“编写代码”转移到“知道要构建什么以及系统如何连接”。 但我不太确定上限在哪里。 例如： 一个非程序员能够将 API、大型语言模型和自动化工具缝合在一起，从而创造出具有竞争力的产品吗？ 还是他们最终总会遇到需要真正工程技术的瓶颈？ “无代码构建一个无代码平台”真的可行吗，还是仅仅是一种暂时的幻觉？ 如果答案是肯定的，那么实际的路径是什么？ 不是那种模糊的建议，而是具体来说： 你会使用什么技术栈？ 你从哪里开始？ 在哪个阶段你需要引入工程师？ 很想听听那些没有传统编码背景，但实际上尝试过构建复杂事物的人的经验。 我试图区分炒作和现实。

各位 Google Workspace 用户，如果能针对某些重复性任务（例如故障排除支持），通过子窗口或 Workspace 小程序，为特定用户组部署定制的、预先构建的 Gemini 操作流程，您觉得这是否实用？例如，如果用户收到标题为 X 的电子邮件，就运行 Gemini 流程来总结整个对话线程，并向预先创建的共享频道发送聊天消息。或者，如果外部供应商发送电子邮件，让 Gemini 调出过去 6 个月内来自该电子邮件域的所有对话列表，以便内部人员快速了解情况。

过去 7 年，我一直在做开源、全职工作和自由职业的混合工作。我的公开 GitHub 资料看起来几乎是空的。 <p><pre><code> 我所有的真正工作都在公司账户、客户组织或单独的工作邮箱下的私有仓库中。在不违反保密协议或共享专有代码的情况下，我无法向任何人展示这些成果。 所以我构建了统一贡献门户 (UCP)。 您通过个人访问令牌（只读，仅限贡献元数据）连接您的 GitHub 账户。UCP 提取日期和计数——没有仓库名称，没有提交消息，没有代码——并将所有内容合并到一个 52 周的热力图中。 令牌使用一次后即被丢弃。不存储任何内容。 在线：https://unifiedcontributions.vercel.app/ 它是免费的。我今天在 Product Hunt 上发布了它，目前还没有用户。我正在努力弄清楚这是否是其他开发人员遇到的真正问题，或者只是我遇到的问题。 对 HN 的诚实提问： 1. 您是否遇到同样的问题——您的公开资料中看不到的工作？ 2. 您会使用它吗？缺少什么？ 3. 这种方法有什么明显的问题吗？ 很乐意回答关于其技术工作原理的任何问题 </code></pre>

我是一个独立开发者，厌倦了在手机上查看 Google Analytics。官方应用浏览报告还可以，但你无法用自己真正关心的指标来构建自定义仪表盘。而且，我个人对手机上的 Looker Studio 仪表盘也不满意，现有的商业智能工具又过于复杂，不适合我简单的需求。 所以，我开发了 EasyDash——一款原生 Android 应用，可以直接连接到你的 GA4 资源，让你通过拖放小部件创建自定义仪表盘。图表、指标卡片、数据表格——你想看什么就选什么。 你的数据直接从你的手机发送到 Google 的 API。我永远看不到它。 目前还处于早期阶段，我很想听听你的想法——你希望这样的工具能实现什么功能？