最新

嗨，HN， 这里有一些工具可以帮助你搜索Hacker News上每月的“招聘信息”帖子。这个工具的主要区别在于它包含了聊天、语义搜索以及语义地图可视化（从下拉菜单中选择“business”并展开，可以了解如何使用它）。在后台，它使用LLM指令批量提取、格式化、标记招聘信息，并在所有处理完成后计算UMAP，当然，所有这些都支持搜索。 你可以使用基本的文本搜索来快速筛选结果，或者使用语义搜索（通过搜索栏中的按钮切换）。 最后，你还可以与招聘信息进行聊天（点击“Chat”按钮）。它有一个基本的RAG类型管道，但也包含一些工具，可以让你提出更广泛的问题，例如“本月招聘信息中的总体主题是什么？”，并从中深入挖掘。 总之，我希望大家觉得这个工具有用。欢迎提供任何反馈（可以直接在这里反馈，或者使用这里的联系页面<a href="https:&#x2F;&#x2F;nthesis.ai&#x2F;contact" rel="nofollow">https:&#x2F;&#x2F;nthesis.ai&#x2F;contact</a>，它使用了相同的机制——不需要提供联系信息）。 如果你想构建类似的东西，这里有一个API和一个不错的（在我看来）CLI工具，可以用来摄取数据、搜索或聊天。

经过几个月的开发，我们正在为 HowOne 开放私人 Beta 测试。HowOne 是一个用于构建智能代理应用（agentic apps）的平台，这些应用可以自我优化并随着时间推移而演进。 核心理念：在几分钟内将一个想法变成一个功能齐全的、由智能代理驱动的应用。该平台开箱即用，包括用户、数据库、工具和支付集成。无需编写粘合代码，无需设置基础设施。 我们正在寻找 300 名早期技术用户（邀请码 CD0AP6），他们愿意对系统进行压力测试，找出问题，并告诉我们缺少什么。这并非市场推广，我们需要真正关心自动化、智能代理工作流程和快速产品迭代的构建者的真实反馈。 Beta 测试包括： * 3 个月的 Pro 访问权限 * 创始用户徽章 + 终身折扣 * 抢先体验实验性模块 * 对路线图优先级的意见 * 在模板市场中获得推荐位 * 一对一的工作流程或应用设计指导 如果您正在构建自动化、人工智能工具或智能代理工作流程，我们非常感谢您的反馈。

我真的很喜欢葡萄酒，但我的知识并不渊博，尤其是在加州葡萄酒之外，更是知之甚少。即使是在我熟悉的葡萄品种和产区内，我也并不总是清楚特定酒款的特征——这款仙粉黛会带有胡椒味吗？多汁吗？等等。<p>我开发了一个应用程序来简化这个过程。你设定你想要的葡萄酒类型和价格范围，拍下酒单的照片，剩下的就交给它了。它会根据以下标准对菜单进行排序： - 匹配度：与你的口味偏好的匹配程度。 - 价值：与零售价相比的加价幅度。 - 质量：评论家的评分和在线评级。<p>它还为每款葡萄酒提供了完整的描述/品酒笔记，而许多酒单都省略了这些内容。<p>技术栈<p>- 客户端：React Native<p>- 后端：FastAPI，部署在 Google Cloud Run 上<p>- 数据库：Firestore & Algolia<p>以下是主要流程：<p>图像转酒单：这是标准 OCR 和基于代理的图像识别的结合。仅靠 OCR 无法正确解析布局（将价格与正确的项目分组），但“仅基于代理”的识别经常会产生幻觉。我使用 Google Vision 获取原始文本，并使用 Gemini 2.5 Flash Lite 进行结构化处理。<p>匹配（酒单 → 数据库）：实际上是最难的部分。酒单在命名方面有很大的自由度，而且很难知道模糊匹配是否足够接近。我在这里使用了 Algolia，并设置了自定义排序规则。<p>基于代理的增强：我有一个预先构建的数据库，但为了实时填充缺失的条目，我需要进行实时搜索。我尝试了 Tavily、Perplexity 和 Google Search Grounding。Perplexity (Sonar Pro) 最终在准确性和性能之间取得了最佳平衡。<p>推荐：使用 Gemini 2.5 Flash Lite 进行口味偏好匹配，并使用普通的数学方法根据价值和评级计算分数。<p>经验总结：<p>人工智能需要护栏：如果你将其与真实的输入数据结合使用，并少量使用，效果会非常好。你（目前）无法在没有幻觉的情况下，直接从照片到推荐列表，一步到位。<p>延迟的权衡：很难同时兼顾速度和质量。由于这是为餐厅环境设计的，我不得不努力减少 LLM 的调用，以防止它感觉迟缓。

视频：<a href="https:&#x2F;&#x2F;www.youtube.com&#x2F;watch?v=OT1k7o89ed4" rel="nofollow">https:&#x2F;&#x2F;www.youtube.com&#x2F;watch?v=OT1k7o89ed4</a> 我很好奇是否能通过 LLM（大型语言模型）来驱动一个应用程序。我认为这很有趣，并且在闭合智能体循环方面有一些潜在的应用场景。 请分享一下你脑海中浮现的想法！ <a href="https:&#x2F;&#x2F;www.youtube.com&#x2F;watch?v=OT1k7o89ed4" rel="nofollow">https:&#x2F;&#x2F;www.youtube.com&#x2F;watch?v=OT1k7o89ed4</a> 这是一个我构建完成后的原始演示。 我主要想听听你们的看法，如果这能让你们兴奋起来，有哪些应用场景？ 它能变成什么，又能为你解决什么问题？ 我一直在从智能体验证的角度思考这个问题，即智能体可以独立地验证错误并修复它们。