最新

PolyMCP 是一个用于构建和交互 MCP（模型上下文协议）服务器的框架，以及创建能够将这些服务器用作动态工具的 Agent。 开发和管理 MCP 服务器通常会面临几个挑战： * 将 Python 函数暴露为可发现的工具需要重复的样板代码。 * 同时协调多个 MCP 服务器非常复杂。 * 由于对调用和输出的可见性有限，在开发期间调试工具很困难。 * 将 Agent 与 LLM 集成以自动发现和调用工具通常是临时的。 PolyMCP 通过提供以下功能来解决这些挑战： * 灵活的工具暴露：Python 函数可以通过 HTTP、进程内或标准输入/输出方式提供服务，只需最少的设置。 * Inspector 仪表板：实时交互式地监控工具调用、指标和测试调用。 * Agent 集成：支持多个 LLM 提供商，并支持自动工具发现和调用。 * CLI 和工作流程实用程序：简化项目设置、测试和执行。 PolyMCP 减少了 MCP 服务器开发和多工具 Agent 编排的摩擦，提供了一个可靠的框架，用于构建智能的、工具驱动的系统。 Github: <a href="https:&#x2F;&#x2F;github.com&#x2F;poly-mcp&#x2F;Polymcp" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;poly-mcp&#x2F;Polymcp</a>

我正在为一款早期产品（LaunchSaaS）尝试冷启动 SEO，但遇到了瓶颈。<p>到目前为止，我尝试了：<p>使用 Ahrefs 和必应站长工具检查反向链接<p>提交到一些目录网站<p>改进页面 SEO 文案<p>撰写了几篇博文<p>但流量基本为零。<p>对于那些成功度过这个阶段的人： 早期真正有效的方法是什么？ 哪些方法被证明是无用功或浪费时间？<p>很好奇其他人是如何应对冷启动阶段的。

有没有人和我一样，在玩具项目上完全放手，让软件生命周期自主运行？我让 Claude 在一个类似 Ralph 的循环中运行了超过 15 个小时，无人监管，创建了 118 多个提交。<p>这个技术是这样的：<p>while true: 如果存在任务 -&gt; 减少一个待办任务，退出 如果不存在 -&gt; 确定接下来添加什么功能比较合理， 创建 PRD 和 ERD，分解成任务，退出<p>它曾经因为在非 tty 环境下运行 playwright 导致 tty 问题而卡住，但除此之外，我没有手动介入。<p>我用 systemd 在一个 droplet 上持续运行它。<p>这个代理正在创建的玩具代码是一个多租户待办事项 kata。这是提示集：<p>https:&#x2F;&#x2F;github.com&#x2F;waynenilsen&#x2F;ralph-kata-2&#x2F;tree&#x2F;main&#x2F;prompts<p>任何人都可以制作自己的版本，这些只是对我有效的一组提示。<p>在 15 个小时内，它从头开始创建了一个完整的多租户身份验证系统，以及带有分配人、截止日期、电子邮件提醒、标签和全文搜索的待办事项。我手动创建了第一个 PRD，内容类似于“为多租户待办事项系统创建一个 PRD”。<p>对于任何想做类似事情的人来说，e2e 测试在闭合代理与现实的循环方面发挥了关键作用。<p>用提示进行编程的时代显然正在到来。

欢迎提交多份。

Hi HN， 我开发了Finsuba Premium，旨在解决我在交易中反复遇到的一个问题： 大多数网站会突出显示在固定时间窗口（例如 9:30–16:00）内“涨幅最高的股票”，但这往往掩盖了股票的实际可交易性。一只股票可能在一天结束时大幅上涨，但根据你进场和出场的时间不同，结果可能大相径庭。 Finsuba Premium 每天和每周都会发送电子邮件，展示表现最佳的美国股票交易，这些交易基于可识别的进场点和出场点，而不是基于宽泛的时间段涨幅。它包括： - 确切的进场时间和价格 - 确切的出场时间和价格 - 交易持续时间和表现 它不是一个信号服务或警报系统。所有数据都在交易日结束时进行处理，并逐分钟运行。我开发这个产品是为了帮助那些希望通过持续回顾成功的交易设置来提高交易水平的交易者，而不是实时对警报做出反应。 链接：<a href="https:&#x2F;&#x2F;www.finsuba.com&#x2F;premium&#x2F;" rel="nofollow">https:&#x2F;&#x2F;www.finsuba.com&#x2F;premium&#x2F;</a> 欢迎提问，我会很乐意回答关于交易选择方式、数据流程或产品本身的问题。非常欢迎提出反馈意见。

Hi HN， 我为 AI 图像生成构建了一个原生 macOS 应用，最初是为我自己的创作工作而设计的。 我喜欢使用 Z-Image 和 FLUX 等模型，但许多现有工具感觉更像是研究界面，而不是创作工具。它们提供了强大的功能，但往往会打断创作流程。 这个项目围绕着以创作者为先的工作流程构建： * 易于上手，除了下载或导入模型外，无需任何配置 * 渐进式控制：提供高级选项，但非必需 * 内置提示词库，用于保存、重复使用和随着时间推移改进提示词 * 轻量级提示词优化，从您保存的提示词中学习 * 用于放大和背景移除的简单插件 幕后技术： * 在本地完全运行 Stable Diffusion、FLUX 和 Z-Image * 使用 MLX 和 Metal 针对 Apple Silicon 优化 这是一个有主见的尝试，旨在让本地图像生成感觉更像是一个创作工具，而不是一个技术设置。