最新

我开发了 MyStats，一个由 AI 驱动的自我发现引擎，它分析日记条目以提取隐藏的心理模式。 演示：[https://mystats-eta.vercel.app](https://mystats-eta.vercel.app) GitHub：[https://github.com/kks0488/mystats](https://github.com/kks0488/mystats) 主要功能： - 自由书写日记 → AI 提取技能、特质、原型 - 深度心理分析（灵感来自荣格心理学） - 基于您的个人档案生成个性化策略 - 100% 本地存储 (IndexedDB) - 无后端，无追踪 - 韩语/英语双语输出 技术：React 19, TypeScript, Vite, Tailwind, 多 AI API (Gemini/OpenAI/Claude/Grok) 有趣的部分是“原型检测” - AI 根据您对自己的描述，识别出类似“系统架构师”或“反思型成长者”的模式。 使用“Vibe Coding”理念构建 - AI 辅助开发，侧重于快速交付。草稿由 Gemini 生成，使用 Claude Opus 4.5 完善，最终由 GPT-5.2 Codex 完成。 欢迎来自 HN 社区的反馈！

Hi HN， 我经常觉得 Google 地图太杂乱了，当我想知道“那是什么建筑？”或者“这里发生过什么？”的时候。 我编写了这个小工具来解决这个问题。它充当维基百科 API 的一个简洁界面，根据您的确切位置显示相关文章。我个人一直在英国旅行时使用它，它在寻找隐藏的宝藏方面出乎意料地有效。 目前它只是一个简单的 POC（概念验证），但我希望扩展它。如果您觉得它有用，或者在您的位置出现问题，请告诉我！

为什么苹果的语音转录会如此糟糕？ 即使在两三年前，OpenAI 的 Whisper 模型就能提供更好、近乎实时的离线语音转录——而且该模型只有大约 500 MB。有了这个背景，就很难理解苹果的转录，它在强大的服务器上在线运行，为什么今天的表现如此糟糕。 以下是刚刚使用 iOS 原生应用程序的真实示例： - “BigQuery update” → “bakery update”（“BigQuery 更新” → “面包房更新”） - “GitHub” → “get her”（“GitHub” → “得到她”） - “CI build” → “CI bill”（“CI 构建” → “CI 账单”） - “GitHub support” → “get her support”（“GitHub 支持” → “得到她的支持”） 这些都不是晦涩难懂的术语——它们是软件领域中非常常见的词汇，在随意的语境中清晰地说出来。与几年前就已经可以实现的，即使是完全离线的技术相比，这种准确性差距显得尤为明显。 这主要是模型质量问题、流媒体/分割问题、激进的后处理，还是苹果语音堆栈中的某些架构问题？真正的技术限制是什么，尽管有现代硬件和云处理，为什么它没有得到改善？

在我的理论物理学博士期间，我花了不少时间研究椭圆型边值问题。我意识到它们是强大的生成器，能够从相对低维度的输入（边界形状和条件）中产生令人满意的空间模式。与此同时，我接触到了线积分卷积（LIC），它可以生成具有大量微观结构的矢量场的令人难以置信的美丽可视化效果。 我发现将LIC和椭圆型偏微分方程结合起来，可以为制作二维视觉艺术提供非常丰富的基本元素。因此，在过去的几个月里，我一直在使用Opus 4.5，制作一个成熟的绘图程序。目前，我只支持泊松方程和双调和方程，尽管我计划添加各种其他产生有趣模式的物理模型（例如金兹堡-朗道超导方程）。 Elliptica 仍处于 alpha 阶段，但正在积极开发中，应该可以使用。