最新

我过去是一名数据工程师，数据监控是我的重要工作内容之一。数据科学家和分析师主要在分析方面监控业务指标（注册率、留存率等）的变化，而作为数据工程师，我还需要确保系统不出问题。Data Axolotl 专注于后者。 市面上有大量支持数据测试的工具（我很喜欢 dbt 测试），但即使编写了完善的测试，我们仍然会遇到意想不到的破坏性变更。大多数情况下，当产品经理出现并询问某个晦涩的指标为何突然全面为 null 时，问题就出现了。我们并不知道该指标正在被使用（有时甚至不知道它存在），那么我们怎么可能为它编写测试呢？（一个常见的原因是，某个工程团队停止记录某个数字，因为没有人知道它很重要；即使工程团队做了一切正确的事情，发出了通知“请注意，我们将删除旧的用户 ID 值”，并安全地推出了更新，也没有人会想到营销 ROI 仪表板依赖于此。） 这就是 Data Axolotl 的用武之地：Data Axolotl 是一个 CLI 工具，它可以捕获分析数据集中意想不到的破坏性变更，而无需您提前知道可能发生什么。 简单来说，您只需将其指向一些数据表，每天运行它，它就会随着时间的推移收集大量常见指标。（列的最小值、最大值、均值、行数、不同值的计数等。）如果任何指标突然发生变化，Data Axolotl 就会生成警报。 整个工具都运行在 Python 包中，因此您可以在本地或通过 Airflow 等调度工具在您自己的基础设施上运行它。您无需注册任何新的云服务，也无需冒着数据泄露给第三方的风险。历史数据可以存储在本地的 sqlite 中（默认），或者存储在您基础设施上的远程数据库中。 这是一个相当早期的版本，所以目前它只支持 Snowflake 表，但我们希望将来能添加其他数据库类型。 您今天就可以通过 pip 安装 Data Axolotl，直接从您的本地机器上试用它。`pip install data-axolotl` 完整的设置指南可以在 Readme 中找到。

正在致力于自动化小型企业财务（簿记、对账、基本报告）。 我一直注意到的一件事是：与编程相比，会计似乎是更适合自动化的领域： * **基于规则** 复式记账、会计科目表、税务规则、重要性阈值。对于大多数日常交易，你不是在发明新的逻辑，而是在应用现有的规则。 * **可验证** 账目要么平衡，要么不平衡。总账要么对账，要么不对账。几乎总有一个“基本事实”可以用来比较（银行馈送、对账单、前期）。 * **枯燥且重复** 相同的供应商，相同的类别，每个月相同的模式。人类讨厌这项工作。软件喜欢它。 对于会计，至少在小型企业层面，大部分工作感觉像是： * 标准化来自银行/卡/发票的数据 * 应用确定性或可配置的规则 * 突出异常情况以供人工审核 * 运行一致性检查和报告 真正困难的部分（税务策略、边缘情况、混乱的历史、与当局沟通）在总工时中所占比例较小，但需要人工。而重复的、基于规则的工作才是最耗时的。

Hi HN， 几个月前，我们注意到一个现象。我们接触到的每个 GTM、产品和市场营销团队都面临着同样的问题。他们淹没在来自 Reddit、Discord、Slack 社区、竞争对手网站和社交渠道的外部数据中。但要把所有这些噪音转化为结构化且有用的东西，却需要花费大量时间。 我们看到人们花费数天时间将截图复制到电子表格中，标记帖子，并手动检查竞争对手的网站。我们自己也在做同样的事情，很明显，这些都不应该手动完成。 所以我们构建了 Sushidata，一个由 AI 智能体组成的系统，用于收集、整理和总结混乱的外部数据，并将其转化为可搜索的、结构化的市场视图。 这是一个你可以查看的演示。它还没有投入生产，所以请原谅其中的错误和问题。欢迎创建你自己的表格。我们也很乐意提供帮助。 演示链接：<a href="https:&#x2F;&#x2F;tinyurl.com&#x2F;sushidata" rel="nofollow">https:&#x2F;&#x2F;tinyurl.com&#x2F;sushidata</a> 它的功能： * 提取竞争对手的更新、客户情绪、投诉、功能请求等 * 将所有内容规范化为单个数据集 你可以提出诸如以下问题： * “本周我们的竞争对手有哪些问题趋势？” * “我的竞争对手所有产品的摘要是什么？” 我们为什么构建它： 我们希望消除研究中重复的部分。早期用户告诉我们，该系统为他们节省了数周的手工工作，所以我们继续构建。 演示中有什么： * 一个真实的竞争情报数据集 * 竞争对手监控 * 一个由 AI 智能体驱动的电子表格风格的界面 欢迎反馈 我们非常希望收到 HN 社区的意见，特别是关于数据管道、智能体行为以及简化界面的方法。 很乐意回答关于其内部工作原理的问题。 Victor，联合创始人 Sushidata

我人生和工作中一些最棒的时光，都来自于和建筑师们一起住在合租屋里——无论是在旧金山还是国外。考虑到大家又开始为了 1 月份的 Y Combinator 项目涌向旧金山，我想做点什么来帮助其他人创造类似的体验。 旧金山的房租实在太贵了，而且找到合适的室友也出奇地难——大多数人都会凑合着找个凑合的，只要不是太糟糕就行。所以我做了一个简单的目录，你可以在上面发布你的租房需求，或者浏览其他也在搬家的人。 这个目录的设计是刻意轻量级的：没有花哨的功能，没有复杂的流程——只是为了让大家能够展示自己，希望能组建起团队，让整个搬家过程更有趣，也更少混乱。 我这次没有参加 YC 项目，但还是会在 1 月份和一些建筑师朋友一起去旧金山，很希望有更多人加入。我们正在寻找大约 4 个人，一起组建一个 8 人的黑客之家（每人大约 4000 美元）。 我很乐意收到关于这个项目是否有用的反馈，以及还缺少什么，或者你是否有共同居住的经历，这些经历塑造了你的想法。 [https://www.homi.so/directory](https://www.homi.so/directory)

嗨，各位 HN 用户，我一直对分形很感兴趣，特别是 Mandelbrot 集和 Julia 集。几年前，我创建了一个 2D 观察器来探索这个本质上是 4 维的空间。但前几天，我决定向 Claude 和 GPT 咨询如何将其制作成一个完整的实时 3D 探索器。几个小时后，这个想法就通过“氛围编程”实现了。<p>使用方法是，你可以用鼠标旋转分形，用鼠标滚轮缩放。为了将 4 维映射到 3 维，其中一个维度被映射到一个可调节的滑块。此外，还有一个裁剪平面滑块，可以帮助你可视化分形的内部结构。<p>我对“氛围编程”的心情很复杂。从一个想法到在几个小时内实现，这很棒，但在我的编码项目中，我一直很欣赏这个过程和学习，而不仅仅是最终的产品。“氛围编程”有点跳过了过程，这令人兴奋且高效，但不如一步一步地攻克一个项目那么有成就感。

我喜欢 gitk 及其简洁性，但由于 <a href="https:&#x2F;&#x2F;github.com&#x2F;NixOS&#x2F;nixpkgs&#x2F;" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;NixOS&#x2F;nixpkgs&#x2F;</a> 每天都在变大，使用它变得几乎不可能。我刚刚用提交 e16041020b082ca847b3658ee1b69f8e6a4323b1 做了个快速测试，几秒钟后内存使用量接近 20GiB，而且我无法点击它（但 UI 仍在更新）。这可能是因为 gitk 试图急切地将所有提交加载到内存中，这对于小型/中型存储库来说效果很好，但 nixpkgs 实在太大了。 我很少想查看旧的提交（而且在这种情况下，我通常根本不使用 gitk），并且由于我一直对 <a href="https:&#x2F;&#x2F;pkg.go.dev&#x2F;modernc.org&#x2F;tk9.0" rel="nofollow">https:&#x2F;&#x2F;pkg.go.dev&#x2F;modernc.org&#x2F;tk9.0</a> 感兴趣，并且有一个月的免费 ChatGPT+ 可以测试，所以我决定尝试用 Go 和 modernc.org&#x2F;tk9.0 编写一个 gitk 的替代方案，这就是它。 这里的想法不是要完全取代 gitk，而是重新实现我使用的功能。我试图影响一些架构思想以避免原始版本中存在的一些性能问题，因此它不会将所有提交加载到内存中，而是每次批量加载 1000 个（您可以使用 `-limit` 标志增加这个数量，但我建议不要设置得太高）。最初我也只想使用 Go，但最终我需要使用 `git` 进行一些特定操作以保持其运行速度（默认情况下，它仍然使用纯 Go 实现，但建议使用 `-tags=gitcli` 构建它）。 最终，我得到了我想要的，一个小型、自包含的应用程序，它重现了我想要的大部分功能。