最新

我一直在构建一个众包的 AI 检测基准。针对同一个提示，会有两个回复——一个来自真人（2022 年之前，可以证明在互联网上 AI 垃圾内容泛滥之前），一个由 AI 生成。你来选出哪个是垃圾内容。错三次你就出局了。 数据集：来自 Reddit、Hacker News 和 Yelp 的 16000 个真人帖子，每个帖子都与来自两个提供商（Anthropic 和 OpenAI）的 6 个模型在三个能力层级上的 AI 生成内容配对。相同的提示，长度匹配，没有对抗性训练——只是模型在平台语境下的自然表达。 每次投票都会记录模型、层级、来源、响应时间和位置。 初步测试结果：Reddit 帖子很容易被识别（人类的表达方式太随意，AI 难以模仿），HN 上的内容则要难得多。 我将在 HuggingFace 上发布完整的数据集，如果能通过这项众包研究获得足够的数据，我将发表一篇论文。 如果你玩 HN 专属模式，你就是在帮助校准 AI 在这里的可检测程度。 欢迎大家对这些配对内容提出反馈——有没有特别容易识别的？有没有特别难的？

我们真的需要另一个智能体编排工具吗？可能不需要。但我找不到一个能匹配我实际使用编码智能体 CLI 的工具，所以我自己构建了一个。<p>Codelegate 是一款桌面应用程序（Tauri 2 + React + xterm.js），它将智能体会话组织成一个以键盘操作为主的工作区。我构建它的目的是为了解决几个特定的痛点：<p>1. 我希望双手都在键盘上就能完成所有操作。通过 `Alt+1..9` 切换会话，通过 `Alt+A/G/T` 切换窗格。无需鼠标。 2. 我使用 Git worktree 并行处理同一个代码库。Codelegate 内置了 worktree 流程：为每个智能体创建一个隔离的分支，并在会话结束时自动清理。 3. 我希望继续使用我的 CLI 工具（zellij 等），而不是用它们来替代智能体。 4. 我需要在 macOS 和 Linux 上都能使用它。<p>每个会话提供三个窗格：智能体、终端和 Git。Git 窗格处理带有语法高亮的差异审查、批量暂存/取消暂存、提交和修改。会话按代码库分组在侧边栏中。<p>目前支持 Claude Code 和 Codex CLI，但任何可以在 shell 中运行的工具都可以使用。<p>这是 v1.0.0 版本，它只涵盖了我最常用的智能体 CLI 和功能。它采用 GPLv3 许可证，因此您可以 fork 并根据自己的工作流程进行定制。<p>希望您喜欢使用它或将其打造成您自己的工具！

Hi HN， 我是 Firstrun（<a href="https://firstrun.dev" rel="nofollow">https://firstrun.dev</a>）的开发者。它是一个工具，可以将你的静态文档转化为交互式的、逐步引导的演练，你可以将它们嵌入到任何地方。 问题： 每个开发者都知道，花几个小时写出优秀的文档，最终用户却只是略读，错过了关键步骤，然后提交一个“它不起作用”的支持工单，这有多痛苦。 静态文本和过时的截图对于复杂的设置或新手引导流程来说，效果并不好。 Firstrun 的作用： 我想构建一种最快的方式来创建交互式指南，而无需投入大量的工程时间或使用臃肿的企业级工具。 创建：你添加你的内容（或从现有文档中提取步骤）。 生成：Firstrun 将其转化为干净、交互式的逐步 UI。 嵌入：你只需在你的文档站点或 SaaS 应用中添加一个简单的脚本标签。 跟踪：它为你提供用户在哪一步骤放弃或失败的确切分析数据，这样你就能知道你的设置流程中哪一步让他们感到困惑。 你可以在这里试用：<a href="https://firstrun.dev" rel="nofollow">https://firstrun.dev</a> 我很乐意听取你对 UX 和嵌入式小部件的反馈。这是否解决了你的 SaaS 或开源项目的痛点？ 你目前是如何处理新手引导流程和交互式文档的？ 很乐意回答任何技术问题！

我们构建了 SocialCraft AI，使用指数衰减模型来模拟 LinkedIn 连接的衰减，其中关系强度每 90 天降低 50%。 我们发现的问题是，许多专业人士难以在 LinkedIn 上维持有意义的联系，导致互动减少和错失机会。例如，如果您有 180 天没有与某个联系人互动，他们的关系强度将降至其原始值的 25%。这种衰减会严重影响人脉网络的有效性和内容的可见性。 从技术上讲，我们实施了一个互惠账本和互动速度评分，以量化和跟踪随时间的互动。关键的决定是使用指数衰减模型，这使我们能够根据上次互动日期预测连接强度。与简单的指标（如连接数或互动率）相比，这种方法可以更细致地理解关系动态。 我们与其他社交媒体分析工具的区别在于，我们专注于关系的数学建模，而不仅仅是表面上的互动指标。虽然 LinkedIn Analytics 等工具可以提供关于帖子表现的见解，但它们常常忽略了驱动互动的潜在关系动态。我们的模型帮助用户了解何时重新与联系人互动以保持其强度。 目前，我们处于 Beta 测试阶段，并根据用户反馈不断完善我们的算法。一些限制包括需要更多的数据来提高准确性，以及整合 LinkedIn 以外的其他社交平台。我们还在努力增强我们的内容生成能力，以便更好地与我们推荐的互动策略保持一致。 您可以在 https://social-craft-ai.vercel.app 免费试用 SocialCraft AI。我们欢迎任何关于我们方法的的技术问题或反馈！