3 分•作者: EvansWilson•6 个月前
返回首页
最新
3 分•作者: unisub_guy•6 个月前
1 分•作者: hnroo99•6 个月前
我是一名独立前端开发者，正在开发一个简单的多人在线卡牌游戏网站。我的技术栈包括 Next.js 前端和 Node.js 后端，使用 socket.io 处理多人互动。<p>正如标题所示，我想为这个网站开发一个移动端应用。起初我考虑使用 React Native，但后来从 Puzzmo 的这篇精彩博文[0]中了解到了 Webview。Webview 看起来很有吸引力，因为我可以重用许多现有的组件（尽管我知道 Next.js 相关的挑战，需要导出静态构建），并且可以在 Web 开发环境中保持舒适和高效™。我也不介意失去“原生”移动端的用户体验，因为考虑到我独自开发这款应用，更好的开发者体验似乎更值得。而且，似乎也有一些很棒的 Webview 工具可以简化开发流程，例如 Ionic 的 Capacitor[1]。<p>大家对这些有什么看法/见解/恐怖故事吗？<p>[0] https://blog.puzzmo.com/posts/2025/06/01/ios-app-architecture/<p>[1] https://capacitorjs.com/
3 分•作者: vismit2000•6 个月前
4 分•作者: wewewedxfgdf•6 个月前
2 分•作者: alvinunreal•6 个月前
16 分•作者: scoofy•6 个月前
7 分•作者: zdw•6 个月前
34 分•作者: wglb•6 个月前
1 分•作者: acoyfellow•6 个月前
我一直在开发 t2t，一个语音转文本应用程序，它可以在系统范围内运行，并且有一个特别之处：它支持 MCP（模型上下文协议）服务器，以实现可扩展的自动化。<p>*它的功能：*
- 按住 `fn` 键 → 说话 → 文本出现在任何地方（本地 Whisper 转录）
- 按住 `fn+ctrl` 键 → 代理模式，连接到任何 MCP 服务器
- 除了代理模式下的 OpenRouter API 调用外，所有处理都在本地进行
- 跨平台：macOS、Windows、Linux<p>*我为什么开发它：*
我想要一个不绑定特定应用程序的语音转文本功能，并且我对 MCP 作为一种使代理模式可扩展的方式感到兴奋。您可以连接到任何 MCP 服务器（数据库、API、文件系统等），而不是硬编码集成。<p>*架构：*
- Rust + Tauri 用于桌面应用程序
- 本地 Whisper 模型 (whisper-rs) 用于转录
- 本地 MCP 客户端 (stdio/HTTP/SSE) - 没有远程工作者
- OpenRouter API 用于 AI（直接从 Rust 调用）
- Svelte 5 前端<p>MCP 客户端完全在 Rust 中运行，因此它可以在开发和生产构建中工作。工具执行通过 JSON-RPC 在本地进行。<p>*开源：* <a href="https://github.com/acoyfellow/t2t" rel="nofollow">https://github.com/acoyfellow/t2t</a><p>我非常欢迎大家对架构提出反馈意见，特别是关于本地 MCP 客户端的方法。也很好奇其他人是否觉得 MCP 集成有用，或者我是否把事情复杂化了。<p>你觉得怎么样？
1 分•作者: gaganyatri•6 个月前
ASR + TTS + 聊天 + 视觉 + 文档
试用演示：<a href="https://workshop.dwani.ai" rel="nofollow">https://workshop.dwani.ai</a>
过去11个月里构建了 dwani.ai。
用印度语言与 AI 对话，并通过语音和文本获得回复。
结合开源模型，为印度语言构建 AI。
Github：<a href="https://github.com/dwani-ai" rel="nofollow">https://github.com/dwani-ai</a>
设置：<a href="https://docs.dwani.ai" rel="nofollow">https://docs.dwani.ai</a>
1 分•作者: ibobev•6 个月前
1 分•作者: signa11•6 个月前
1 分•作者: imcotton•6 个月前
1 分•作者: neehao•6 个月前
2 分•作者: geox•6 个月前
1 分•作者: svggrfgovgf•6 个月前
1 分•作者: ahsekka•6 个月前
大家好，HN — 分享 ragctl，这是一个开源的 CLI 工具，用于处理 RAG 管道中最容易出错的部分：文档摄取、OCR、解析/清理和分块。<p>现在，向量数据库的设置已经相当标准化了，但是将高质量、一致的文本和元数据输入其中仍然需要大量的脆弱的粘合代码。ragctl 旨在使“预向量”步骤可重复：通过几个命令将混乱的文档转换为可检索的块。<p>功能
• 多格式输入：PDF、DOCX、HTML、图像
• 扫描/基于图像的文档的 OCR
• 语义分块（LangChain）
• 带有重试和错误处理的批量运行
• 输出：直接摄取到 Qdrant（目前）<p>征求反馈意见
• DX：CLI 是否直观？
• 性能/边缘情况：奇怪的 PDF、混合布局、表格
• 路线图：接下来应该添加哪些连接器（S3、Slack、Notion）或向量数据库？<p>仓库：<a href="https://github.com/datallmhub/ragstudio" rel="nofollow">https://github.com/datallmhub/ragstudio</a>
欢迎就架构和分块方法提出问题。
1 分•作者: subramanya1997•6 个月前
4 分•作者: thomaswc•6 个月前
这是一个漫长的谜题，有点像一个 2000 块的拼图。鼓励与他人一起合作解决。<p>如果你喜欢规则，规则就是你可以使用谷歌或任何你喜欢的外部资源来寻求帮助。但是，查看页面源代码是作弊行为。<p>感谢 Octagon 和 TND 团队在游戏测试和提出类别方面的帮助。