2 分•作者: lemper•6 个月前
返回首页
最新
2 分•作者: justEstif•6 个月前
我想要一个可以管道操作的网页搜索工具。我找到的每个工具要么有交互式用户界面（ddgr, googler），要么需要一个付费 API，或者返回 HTML。我想要一个可以组合的：管道到 jq，输入给代理，在脚本中使用，无摩擦。<p>所以我构建了 qry。它是一个中心二进制文件，通过 stdin/stdout JSON 将查询路由到适配器二进制文件。中心文件对搜索引擎一无所知。适配器对路由一无所知。你可以在配置文件中交换适配器。<p>目前有四个适配器，其中三个不需要 API 密钥：<p>- DDG Lite 抓取<p>- Brave Search HTML 抓取<p>- Exa AI，通过公共 MCP 端点<p>- Brave Search API（需要密钥）<p>```
$ qry "numpy 最新版本"<p>[{"title":"...","url":"...","snippet":"..."}]<p>```<p>安装：<p>```<p>mise use -g go:github.com/justestif/qry@latest<p>mise use -g go:github.com/justestif/qry/adapters/qry-adapter-ddg-scrape@latest<p>mise reshim
```<p>适配器协议是纯 stdin/stdout JSON，因此可以用任何语言编写适配器。在构建适配器的文档在仓库中。<p><a href="https://github.com/justEstif/qry" rel="nofollow">https://github.com/justEstif/qry</a>
3 分•作者: Lions2026•6 个月前
我构建了一个名为 SafeAgent 的小型 Python 库，用于在 AI 智能体重试工具调用时保护现实世界的副作用。<p>在试验智能体工作流程时，我们遇到的一个问题是重试可能会多次触发不可逆转的操作：<p>智能体调用工具
↓
网络超时
↓
智能体重试
↓
副作用发生两次<p>示例：<p>• 重复付款
• 重复发送邮件
• 重复创建工单
• 重复交易<p>大多数系统通过使用散布在不同服务中的幂等键来临时解决这个问题。<p>SafeAgent 将其集中到一个小的执行保护程序中。<p>这个想法很简单：<p>1. 每次工具执行都会获得一个 request_id
2. SafeAgent 记录执行回执
3. 重试返回原始回执，而不是再次运行副作用<p>示例：<p>第一次调用
真实副作用：发送邮件<p>第二次调用，使用相同的 request_id
SafeAgent 返回原始执行回执
（没有第二次副作用）<p>该项目还处于早期阶段，但包括以下示例：<p>• OpenAI 工具调用
• LangChain 风格的工具
• CrewAI 动作<p>PyPI：
<a href="https://pypi.org/project/safeagent-exec-guard/" rel="nofollow">https://pypi.org/project/safeagent-exec-guard/</a><p>GitHub：
<a href="https://github.com/azender1/SafeAgent" rel="nofollow">https://github.com/azender1/SafeAgent</a><p>很好奇其他人是如何处理智能体副作用的重试安全性的。
1 分•作者: jfornear•6 个月前
3 分•作者: azhng•6 个月前
2 分•作者: TigerUniversity•6 个月前
1 分•作者: eghatch92•6 个月前
我最近对我的主项目感到非常疲惫，并且正在努力将其打造成一家真正的公司。所以今晚我想构建一些有趣但可能也有用的东西。<p>在制作烤土豆（大约需要 90 分钟）的时候，我尝试用代码构建一个销售流程检查器。我做一些咨询工作，这对于年轻的销售人员来说一直是个挑战。我们将会和整个团队一起开会，他们的老板会就交易资格问题对他们进行提问，而他们却不知道该如何回答。这让他们感到尴尬，而且他们也学不到任何东西。<p>我最终构建了这个 BANT 检查器，并用我的一些关于资格认证方法的知识对其进行了训练。一个半小时以来，它运行得相当好。而且它还是以“便便”为主题的！<p>我怎样才能添加更多的“便便”元素呢？
1 分•作者: todsacerdoti•6 个月前
1 分•作者: scottmf•6 个月前
1 分•作者: Olshansky•6 个月前
1 分•作者: datacorp•6 个月前
1 分•作者: TigerUniversity•6 个月前
1 分•作者: low_tech_punk•6 个月前
3 分•作者: katagamistudio•6 个月前
我创建 Yumo.to 的初衷是希望提供一种以地图为先导的方式，方便大家探索日本的温泉，而无需在预订网站上费力搜索。<p>目前，Yumo.to 涵盖了日本 47 个都道府县的 19,652 个温泉，这些数据是通过整合国家数据集、都道府县和市町村的开放数据、OSM（开放街道地图）以及水质化学数据等资源，构建成一个可搜索的地图。<p>你可以根据纹身规定、价格、营业时间、交通方式以及部分水质数据进行筛选，每个详情页面都链接回了数据来源。我特别希望收到关于搜索质量、缺失数据以及哪些筛选条件或行程规划功能能让它变得更有用的反馈。
2 分•作者: minorglitch•6 个月前
3 分•作者: YounesDz•6 个月前
我在这里经常看到关于（也许是种虚构生物）“十倍工程师”的讨论，今天我突然想到这个问题。
1 分•作者: YounesDz•6 个月前
1 分•作者: jeffkumar•6 个月前
1 分•作者: johnnyfeng•6 个月前
目前使用 Claude Code 的唯一不足之处在于，当需要登录 LinkedIn、Twitter 等网站时，如何控制浏览器。现有的使用浏览器的方式可能仍存在风险。是否有类似 Perplexity Comet 或 GPT Atlas 浏览器，并能控制 Claude Code 的服务？
1 分•作者: faruk_tugtekin•6 个月前
# 问 HN：在 Google 索引我们的网站之前，我们收到了来自 Gemini 的潜在客户——发生了什么？
在我们的网站上线两个月后，有两家公司联系我们，说他们在搜索 AI 可见性服务时通过 Gemini 找到了我们。
当时：
* 网站未添加到 Google Search Console
* 零反向链接
* Google 尚未索引任何页面
* 我们与不同行业的一家老牌公司同名——典型的名称冲突
根据所有传统的 SEO 指标，我们本应是不可见的。在 Google 上，我们的确是。但在 Gemini 上，显然不是。
*我们认为发生的事情*
我们的内容结构明确以 LLM 可读性为目标——而不是 SEO。一致的术语、清晰的实体定义、命名的研究方法，以及主题深度而非广度。
LLM 似乎对权威性的评估方式与搜索引擎不同。Google 通过外部信号（链接、参与度、域名年龄）来代理权威性。LLM 似乎评估的是更接近概念一致性的东西——一个来源是否以模型可以解析和信任的方式展示了对主题的真正理解。
我们没有试图排名。我们试图被理解。而且对于至少一个模型来说，它奏效了。
*我分享这个的原因*
关于“GEO”（生成引擎优化）是否是一个真正的学科，还是仅仅是重新命名的 SEO，存在着日益激烈的争论。SEO 阵营认为：好的内容 + 技术优化 = 你也会出现在 AI 答案中。
这个案例表明，这些机制至少部分是独立的。我们没有任何 SEO 信号，但却有 AI 可见性。你显然可以单独实现两者中的一个。
我没有一个受控实验——只有两封收到的电子邮件和一个假设。但这让我们对“可见性”的含义有了不同的看法，当检索系统是语言模型而不是索引时。
还有其他人观察到类似的模式吗——AI 驱动的发现发生在传统搜索可见性之前或独立于传统搜索可见性？
---
*一个没有 SEO 的 GEO 咨询公司的讽刺意味，我们并没有忽略。如果你有兴趣，我们会在 argeo.ai 上撰写相关内容。*