最新

纯粹是一个有趣的 LLM 实验。我收集了所有“你对 {年份} 的预测是什么？”帖子的热门评论，并使用 LLM 对它们进行了评分。<p>这里还有一个排行榜 - <a href="https:&#x2F;&#x2F;hnoracles.fooqux.com&#x2F;leaderboard&#x2F;" rel="nofollow">https:&#x2F;&#x2F;hnoracles.fooqux.com&#x2F;leaderboard&#x2F;</a>

大家好，我是 Spring AI Playground 的开发者，我刚刚发布了 Spring AI Playground 的首个功能更新，该项目现已成为 Spring AI 社区的孵化项目。<p>我们的目标是将 MCP 工具视为运行时实体，您可以实时构建、检查和迭代，无需重建或重新部署。<p>本次更新包含以下内容：<p>- 无代码/低代码工具工作室：使用 JavaScript (ECMAScript 2023) 在浏览器中创建可供 AI 调用的工具，并在 JVM (GraalVM Polyglot) 中进行沙盒运行。<p>- 实时内置 MCP 服务器：工具被动态评估并注册到嵌入式 MCP 服务器，立即可用（无需重启）。<p>- MCP 检查和调试：检查已注册的工具、模式/参数和执行结果，以了解代理行为。<p>- 代理式聊天：在一个 UI 中测试结合了 LLM 推理、MCP 工具和可选 RAG 上下文的端到端流程。<p>此次更新还附带了可作为模板复制/修改的示例工具：<p>- googlePseSearch - Google PSE 网络搜索（API 密钥）<p>- extractPageContent - 从 URL 中提取干净的文本（RAG 准备）<p>- buildGoogleCalendarCreateLink - 生成日历添加链接<p>- sendSlackMessage - Slack webhook 消息传递<p>- openaiResponseGenerator - OpenAI API 调用（API 密钥）<p>- getWeather - wttr.in 天气<p>- getCurrentTime - ISO-8601 时间<p>默认情况下，所有内容都在本地优先运行，使用 Ollama（支持 OpenAI 兼容的 API）。无需云服务。<p>默认情况下，本地优先使用 Ollama 和 OpenAI 兼容的端点/配置，因此无需云服务即可运行。<p>GitHub： <a href="https:&#x2F;&#x2F;github.com&#x2F;spring-ai-community&#x2F;spring-ai-playground" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;spring-ai-community&#x2F;spring-ai-playground</a><p>向使用 MCP/代理的开发者提问：您希望每个 MCP 客户端/UI 支持哪些检查/调试工作流程（例如，清晰的模式视图、工具调用跟踪、可重现的运行等）？

作者：Danison Nuñez 项目：Coderive 项目类型：编程语言 亮点：基于公式的执行 ## Coderive - 在循环中迭代 1000 万亿次 *副标题：一部手机解释器如何实现超级计算机无法完成的任务* 不可能的循环： ```java // 在任何其他语言中，这都将是计算上的自杀行为 for i in [0 to 1Qi] { // 1,000,000,000,000,000,000 次迭代 arr[i] = i * i } ``` 传统现实： · Python：创建数组时出现 MemoryError 错误 · Java/C++：理论上需要 31 年（使用 8 exabytes 的 RAM） · NumPy/TensorFlow：立即崩溃 · GPU 计算：超过 80GB VRAM 限制 Coderive 的现实：50 毫秒。 背后的魔力： 1. NaturalArray：存储公式而非数据的虚拟数组 2. 运行时模式检测：将循环转换为数学表达式 3. 惰性求值：仅计算被访问的内容 4. 公式存储：LoopFormula, ConditionalFormula, MultiBranchFormula 技术深度剖析： ```java // 你所编写的内容： for i in [0 to 1Qi] { if i % 2 == 0 { arr[i] = i * i } elif i % 3 == 0 { arr[i] = i * i * i } else { arr[i] = i } } // Coderive 内部创建的内容： arr.addMultiBranchFormula( conditions: [i%2==0, i%3==0], expressions: [i*i, i*i*i], elseExpr: i, range: [0, 1Qi] ) ``` 优化流程： ``` 用户代码 → 模式检测 → 公式创建 → 惰性求值 ↓ ↓ ↓ ↓ O(n) O(1) O(1) 每次访问 O(1) ``` 完整的模式覆盖： · 简单转换：arr[i] = f(i) → LoopFormula · 二元决策：if-else → ConditionalFormula · 多分支：if-elif-else → MultiBranchFormula · 部分更新：仅 if，隐式 else 保留 实际影响： ```java // 处理 8K 视频中的每个像素（约 3300 万帧） for frame in [0 to 33M] { for pixel in [0 to 7680*4320] { // 3300 万帧 × 3300 万像素 if brightness > 128 { pixels[pixel] = 255 } elif brightness > 64 { pixels[pixel] = 128 } else { pixels[pixel] = 0 } } } // 传统方法：不可能 // Coderive：几秒钟，而不是几个世纪 ``` 秘诀： · 无数据移动（数组保持虚拟状态） · 无并行编程（公式本质上是并行的） · 无内存管理（O(1) 内存复杂度） · 无专用硬件（在 Java 7 上运行） 结论：Coderive 不仅仅是让循环更快，它重新定义了在商品硬件上进行计算的可能性。 立即在以下位置查看 Coderive：[https://github.com/DanexCodr/Coderive](https://github.com/DanexCodr/Coderive)

– 注意：Hacker News 用户非常注重隐私。 强调它通过 WASM 在本地运行。