最新

嗨 HN， 我是 Listed 的联合创始人 Harrison。今天，我们推出了我们的代理平台，帮助您的企业在新 AI 时代取得成功。 您可以在这里试用该平台：[https://getlisted.ai](https://getlisted.ai) 您可以在这里观看发布视频：[https://www.youtube.com/watch?v=MJUPo6H78z8](https://www.youtube.com/watch?v=MJUPo6H78z8) 这个想法源于纯粹的沮丧。我向 ChatGPT 询问了我的公司，它却凭空捏造，虚构了功能，并搞错了基本事实。我意识到，企业无法为这些模型提供经过验证的真实信息来源。 这个问题现在变得至关重要。随着 Google 的 AI 概览和答案引擎的兴起，您网站上非结构化的 HTML 已经无法为 LLM 提供所需的丰富、细致的上下文。这导致 OpenAI、Google、Perplexity 等公司的一大批 AI 机器人抓取您的网站，出现错误，并将这些错误永久地嵌入到它们的模型中。 所以，我们构建了 Listed。 最简单的类比是，它就像 Cursor，但用于上下文。我们的代理不是帮助您编写代码的 AI，而是帮助您构建全面、结构化的上下文，使 LLM 能够准确、有利地呈现您的业务。 我们的代理系统的工作原理如下： 自动化上下文构建：当您注册时，我们的代理会抓取您现有的网站，以构建您的 AI 列表的初稿。它会组织数据并识别薄弱环节。 智能工作流程：基于持续的分析，代理会启动简单的、基于聊天的流程，以帮助您丰富您的列表，并提高其准确性和排名潜力。 性能分析和反馈循环：代理会不断衡量您的 AI 排名（可发现性）和在所有主要模型（GPT-4o、Claude 3、Gemini 等）中的召回准确性。这些数据会反馈到系统中，生成新的工作流程，以持续提高您的性能。 连接：您的 AI 列表是一项托管服务。您只需在您的网站上添加一个简单的代码片段。当 AI 爬虫访问时，这就像一个路标，本质上是“提示注入”，引导它们使用您干净、结构化、AI 优化的数据源，而不是试图解析您混乱的网站。 目标是让每个企业在 AI 生态系统中发挥积极作用。您提供 AI 公司迫切需要的干净、经过验证的数据，作为回报，您可以控制您的叙述，并在它们的答案中获得更高的排名。 我们今天推出了免费套餐。我们希望您试用一下，并听取您的反馈。 您可以在这里开始：[https://getlisted.ai](https://getlisted.ai) 我将在这里一整天回答问题。谢谢！

大家好。<p>三个月前，我开始构建我的第一个 GoLang 包 VarMQ。在短短的时间内，我从社区获得了大量的关注，并在 GitHub 上获得了超过 140 个星标。<p>一周前，为了检查它的性能，我使用一个类似的包 Pond 运行了基准测试，Pond 已经被维护了多年。<p>虽然 Pond 不是一个消息队列，但它可以与 VarmQ 进行比较，因为它有一些相似之处，除了它的存储系统。<p>从基准测试中，我得到了令人惊讶的结果，VarMQ 占用的内存比 Pond 少 50% 以上，并且在 IO 任务中也有良好的性能指标，这让我很高兴并愿意在这里与大家分享。<p>基准测试图表网站：<a href="https:&#x2F;&#x2F;varmq-benchmarks.netlify.app" rel="nofollow">https:&#x2F;&#x2F;varmq-benchmarks.netlify.app</a><p>总的来说，我想提高这个包的采用率，并愿意听取大家的反馈。<p>无论如何，如果您喜欢这个项目，请不要忘记点击 Star 按钮。这有助于项目的成长。<p>谢谢！

大家好， 我制作了这个工具，因为我和我妻子正在寻找一处住所。 在房地产 listing 中，我们通常最先看的是户型图。但有时很难判断户型能给我们提供多少空间，所以这个工具允许我们快速拖动家具尺寸，从而更清晰地了解我们如何融入其中。 请告诉我你们的想法！

输入一个SMILES字符串（或从示例中选择一个分子），它将返回与该分子在三维形状或静电相似性上最接近的，来自超过100亿规模数据库的最多10万个分子——通常在5-10秒内完成。<p>*它可能引起HN关注的原因*<p>* 整个索引存储在<i>磁盘</i>上——查询时无需GPU，总共占用RAM不到10 GB。 * 从头开始构建（未使用FAISS索引 / Milvus / Pinecone）。 * 索引构建成本：一个Nvidia T4卡（约300美元）用于一个55亿的数据库。 * 任何人都可以使用，预测ADMET性质，并将结果导出为CSV/SDF格式。<p>完整的论文和基准测试（DUD-E, LIT-PCBA, SVS）见预印本： <a href="https:&#x2F;&#x2F;chemrxiv.org&#x2F;engage&#x2F;chemrxiv&#x2F;article-details&#x2F;67250915f9980725cfcd1f6f" rel="nofollow">https:&#x2F;&#x2F;chemrxiv.org&#x2F;engage&#x2F;chemrxiv&#x2F;article-details&#x2F;6725091...</a>

我的初创公司正在挣扎。我们打造了一个很棒的产品。我们的 v1 版本确实不错。我们参考了 YC 的创业手册，在作为人工服务运营的同时，进行了将近一年的手动工作。 我们确实获得了一些验证，并且正在产生三位数的低收入。但是，这还不够。 我清楚地看到，如果 B2B SaaS 公司使用我们的产品，他们的营销工作可以受益良多。然而，这些天我得到的回复大多反响平平，甚至直接被拒绝。 完全转向不同的领域无济于事。虽然我们擅长构建产品，但我们对其他行业的领域知识有限。 我们的软件是为市场营销和销售团队构建的。我如何说服他们试用它并增加我们的收入？ 这些新的初创公司，无论是 YC 孵化的还是其他的，是如何通过代理商产生数万美元的月经常性收入（MRR）的，这似乎大多只是一种炒作。这些代理商所做的事情，Claude 或 ChatGPT 都能做到。为什么人们要从这些产品半成品的公司购买东西？ 我们的产品 v1 版本已经准备好了。 我有点渴望获得收入和验证。

我一直试图解释户外光照的重要性，以及大多数人摄入的光照量不足。最终我意识到，展示比讲述更有效。<p>所以我们开发了一款免费应用，它使用你的 Apple Watch 或 iPhone 自动追踪你一天的光照暴露情况。<p>它会告诉你是否获得了足够的光照，展示你的光照摄入是否稳定，并奖励支持激素平衡的习惯。<p>该应用目前在 TestFlight 上进行 Beta 测试，欢迎告诉我你的想法！

嗨，HN，这是我的第一篇帖子！ Functioneer 是终极批量运行器。准备好成为分析忍者吧。我希望能够发布它并获得一些反馈！ 我曾是一名太阳能热工程师，多年来一直很震惊，竟然没有一款工具能让优化和高维度参数测试变得简单。所以，自从我去年学会编程后，就自己做了一个。 使用 Functioneer，每次分析都是一系列步骤，您可以在其中定义参数、创建分支，并执行或优化一个函数，并将结果保存为参数。您可以根据需要添加任意数量的步骤，同时应用于所有分支。这真的很强大！ 示例：在参数网格上测试您喜欢的任何函数（此示例使用流行的 Rosenbrock 函数）： ```python import functioneer as fn # 在此处插入您的函数！ def rosenbrock(x, y, a, b): return (a-x)**2 + b*(y-x**2)**2 # 使用初始参数创建分析模块 anal = fn.AnalysisModule({'a': 1, 'b': 100, 'x': 1, 'y': 1}) # 在 'x' 和 'y' 值网格上进行测试 anal.add.fork('x', (0, 1, 2)) anal.add.fork('y', (1, 10)) anal.add.execute(func=rosenbrock) print(anal.run()['df'][['x', 'y', 'rosenbrock']]) ``` ``` 示例输出： a b x y rosenbrock 0 1 100 0 1 101 1 1 100 0 10 10001 2 1 100 1 1 0 3 1 100 1 10 8100 4 1 100 2 1 901 5 1 100 2 10 3601 ```