最新

AI 智能体越来越多地执行真实的系统操作：发放退款、修改数据库、部署基础设施、调用外部 API。 由于智能体需要重试步骤、重新规划任务并异步运行，因此有时同一操作可能会执行多次。 在生产系统中，这可能导致重复支付、重复修改或状态不一致。 Kybernis 是一个位于智能体系统执行边界的可靠性层。 当智能体调用工具时： 1. 捕获执行意图 2. 在执行账本中记录操作 3. 附加幂等性保证 4. 仅提交一次修改 重试变得安全。 Kybernis 与框架无关，适用于 LangGraph、AutoGen、CrewAI 或自定义系统等智能体框架。 在反复看到 AI 智能体与生产 API 交互时出现可靠性故障后，我构建了它。 欢迎任何构建智能体系统的人提供反馈。

嘿，HN， 我没通过 AWS 高级网络专业考试。复习了好几周，用了常用的备考网站，以为准备好了——结果没过。 问题不在于努力，而在于工具。静态题库并不能教会你如何思考 AWS 架构决策。它们教你模式匹配答案。这在更难的考试中就行不通了。 所以我自己构建了 Knowza 来解决这个问题，然后觉得其他人可能也有同样的困扰。 想法是：不用静态题库，而是用 AI 生成问题，适应你的弱点，并真正解释每个答案背后的推理——就像高级工程师解释的那样，而不是多项选择的评分标准。 技术栈： Next.js + Amplify Gen 2 DynamoDB（直接 Server Actions，没有 API 层） AWS Bedrock (Claude) 用于问题生成和解释 Stripe 用于计费 说实话，最难的部分不是 AI——而是让问题的质量足够一致，让我可以信任它来进行真正的考试准备。还在不断迭代中。 早期阶段，一个人，一边工作一边构建。欢迎任何考过 AWS 认证或对 AI 生成的教育内容有想法的人提供反馈。 knowza.ai

你现在还喜欢你作为软件工程师或者在科技行业的工作吗？ 最近和几位前辈聊了聊，他们中的一些人感到厌倦，甚至想彻底离开这个行业。 你怎么看？

一个过度设计的微型游戏，用于磨练我的玩具 Rust 引擎。它采用了 Rust => wasm => webgl 的架构。我从小玩音乐，但没有学习基础知识，所以想帮助自己从心理上巩固更多的“理论”。声明：在开发过程中，我大量使用了 Claude 代码来辅助。

我最近注意到，我日常工作中处理的一些简单工单可以用一个提示词解决，所以我构建了一个简单的开源编排系统，连接了 Jira、代码编写代理（cursor/claude）和 GitHub。<p>目标是自动化那些每个合格工程师都会用大致相同方式解决的简单工单，让我们直接接受一个现成的 PR。<p>现在我遇到了一个不同的问题：如何让第一批真正的初创公司实际尝试使用像这样的开源工具？<p>我已经在 X、Reddit 和这里发布了关于我的工具的信息。我收到了一些星标，甚至还有一些积极的评论，这似乎表明大家对这个想法有些兴趣，但据我所知，还没有一家初创公司真正使用它。<p>我真的不确定该怎么做，我不想从中赚钱，所以不想开始冷冰冰地联系公司——但我喜欢在业余时间构建东西，并且很希望看到它被初创公司真正使用。<p>我该怎么做？<p>如果有人感兴趣，这是代码库： https://github.com/ErezShahaf/Anabranch

传统医疗保健依赖于在预定的临床就诊期间收集的零星数据。然而，人体生理机能是一个持续进行的过程，不断对环境、活动、压力、污染、过敏原和疾病进展等因素做出反应。 我们正迈向一个变革的时代，其特征是借助先进的传感器、云计算基础设施和人工智能，实现对健康的持续、真实世界监测。其中，呼出气体是最有价值但尚未充分利用的生理信号之一。 呼出气体包含丰富的生化信息，包括代谢、炎症、环境暴露、生理压力以及各种疾病早期阶段的标志物。主要挑战不在于该信号的价值，而在于如何大规模、持续地捕获和分析它，同时保持匿名性。 Healthmetryx 等创新平台正在解决这些挑战。Healthmetryx 收集来自呼出气体、呼吸生命体征（如 SpO₂、CO₂ 和呼吸模式）和环境条件的实时、匿名数据。这种综合方法可以生成结构化的、可操作的见解，能够区分孤立的呼吸事件和特定位置内的更广泛趋势。 这些技术进步具有广泛的应用，包括： - 人口健康和公共卫生监测 - 针对急救人员和工业人员的职业安全 - 加速临床研究和药物开发 - 监测气候变化背景下的环境暴露 真正的潜力在于对大型数据集的模式识别，其中持续的生理信息能够识别先前无法检测到的信号。这些功能有助于早期风险检测、主动干预策略、增强对环境触发因素的理解，以及改进对人体表现的洞察。 这不仅仅是渐进式进步，它标志着向主动医疗保健的根本转变，从被动的症状管理转向早期识别和减轻健康风险。 随着生物传感器技术、人工智能和大规模数据系统的不断发展，监测和解释日常生理信号的新方法将重新定义医疗实践。这种演变有望改变。 请思考这个问题：基于呼出气体的持续智能何时才能成为医疗保健领域的标准实践？

大家好，HN 社区！ 我们在上线了 LLM 功能后，构建了 Argmin AI。当时，演示效果很好，但在生产环境中，账单和延迟变得难以预测。提示词不断膨胀，上下文越来越大，检索变得嘈杂，重试开始出现，而 Agent 工作流程又增加了循环。 Argmin AI 将 LLM 相关的开销作为一个系统进行优化： 1. 提示词和上下文效率 2. 模型选择和路由 3. RAG 效率低下和缓存机会 4. Agent 工作流程（工具调用、重试、循环控制） 我们通过评估和保护措施（测试、门控、判断）来验证更改，这些都根据您的质量定义和目标量身定制。 在为优化工作付费之前，我们首先进行结构化评估：我们会绘制您管道中主要的成本驱动因素，并估算节省的成本，以便您可以在内部确定重点。 我非常希望收到正在生产环境中运行 LLM 的团队的反馈：您今天面临的最大难题是什么？每个工作流程的成本分配、安全路由还是评估覆盖率？ 附注：如果您不确定您的设置是否有优化的空间，我们基于已发布的行业研究和定价基准，构建了一个 3 分钟的成本计算器：[https://app.argminai.com/signup/cost-calculator](https://app.argminai.com/signup/cost-calculator)

问题：你有一个想法，你开始构建，购买域名，花费数周、数月，却无人问津。 这个想法：一个个人资料页面，你可以在上面列出你所有的项目想法。人们可以表达兴趣，你就可以收集电子邮件——在构建任何东西之前。有了hatchd，你就不需要在Vercel或其他托管平台上搭建验证页面了。 想想Linktree，但它是为你的副业项目准备的。 一个链接，随处分享。 为什么不直接使用Product Hunt？ Product Hunt是为已发布的产品准备的。而这个是为尚未构建的想法准备的。 这是你的个人页面，而不是一个你在信息流中竞争的市场。 没有评论，也没有需要润色的压力——只有“我会用这个”的信号。 为什么不使用Gumroad或着陆页构建器？ 那些是用来销售的。而这个是用来验证哪些想法值得首先构建的。 一个页面集中展示你所有的想法，而不是分散在各个平台上。 我搭建了一个验证页面，看看是否有人也有这个问题：https://hatchd-validation.vercel.app/ 如果这听起来有用，请投票，加入候补名单。如果没用，请告诉我原因。

我刚上了亚马逊，搜索了“意式浓缩咖啡压粉器”。在排名前 15 的搜索结果中，只有一个标了价格。其余十四个都显示“查看选项”，然后“加入购物车查看价格”。 我最初的想法是这太离谱了。第二个想法是，他们一定是快破产了才会做出这种改变。也许还有其他原因，但我开始考虑是不是需要找个替代品了。 哦，而且要评论这篇文章，你得先把它加入购物车！ :-)

你好！ 我希望为 Elixir 项目提供 A2A 支持，并思考了如何在我的应用程序中使用它，而不是过多关注协议本身。这变成了一个类似 GenServer 的代理协议。该软件包具有基本支持，并符合 A2A TCK 套件。 该项目的大部分内容都是由 LLM 编写的，但在每个步骤都进行了详细的规划和审查。从最初的想法到首次在 hex.pm 上发布，只用了一周的时间——所有代码都是在其他工作之余编写的。这是一个令人兴奋的时代，这样的事情是可能实现的。 在发布后不久，我确实发现了一个现有的 Elixir 软件包实现了 A2A（不确定我最初是如何错过的）。另一个软件包具有不同的语义，并且差异足够大，所以我决定保留我的软件包。 无论如何，一如既往地欢迎反馈和评论！ 谢谢， Max