最新

过去几个月，我经常需要为不同的公司寻找 AI 专业人士，但总是遇到同样的问题：“AI 专家”这个头衔现在涵盖了所有内容，又什么都没说。这感觉有点像互联网早期，那时候只有一个“电脑专家”，几乎什么都做。 公司说他们需要一个“AI 人才”，但大多数时候，他们并不知道自己真正需要的是什么角色。而候选人拥有非常不同的技能组合，却都被贴上了相同的标签。我认为，在未来几年，AI 领域的就业市场将会爆炸式增长，并且角色将会细分很多（LLM 工程师、MLOps、AI 产品经理、应用研究员等等），就像 15-20 年前的 Web 行业一样。 我的想法是建立一个专门为 AI 专业人士服务的门户网站：经过验证的个人资料、结构化的技能、项目、使用的工具、开源贡献、可选的薪资范围。没有信息流，没有社交，没有噪音。只有人才 → 公司。 公司可以使用真实的筛选条件（技能、技术栈、经验、薪资范围）进行搜索，并直接联系有职位邀请或项目提案的个人资料——如果他们真的想要某个人，甚至可以“加价”。 长远目标是创建一个生态系统，让 AI 专家可以收到来自多家公司的 offer，进行比较，并选择更具激励性或薪资更高的职位。 MVP（最小可行产品）将非常简单：个人资料 → 搜索 → 联系。没有花哨的 AI 功能，没有不必要的东西。 我想问你的问题： 你认为这有意义吗？ 从你的角度来看，这是否也是一个真正的问题？ 我遗漏了什么或低估了什么？ 非常欢迎任何反馈（技术、市场或产品方面）。

专业提示：不会有提示的<p>;)

嗨，HN， 我开发了 AgentsKB，起因是我一周内看到 Claude/Cursor 第十次幻觉式地生成 Stripe API 语法。 问题： AI 智能体无法跨会话“记忆”。周一你调试了一个棘手的 Next.js 问题。周二，同样的错误，同样的网络搜索循环，同样的 30 分钟浪费。 解决方案： 一个经过整理的知识库，包含 3,276 个经过验证的问答，涵盖 160 个领域（PostgreSQL、Redis、Kafka、TypeScript、AWS 等）。99% 的置信度，50 毫秒的查询时间。 工作原理： - 通过 MCP（模型上下文协议）集成到 Claude Desktop/Code 中 - 智能体在猜测之前会查询经过验证的答案 - 不再有“让我搜索一下网络”的延迟 技术栈： - MCP 原生（无需管理插件） - 针对原子级问答的向量相似度搜索 - 涵盖常见的痛点：JWT 身份验证、Kubernetes 配置、API 设计模式、PostgreSQL 疑难杂症 当前统计数据： - 3,276 个问答 - 160 个领域 - 73% 原子级（单一概念答案） - 99% 平均权威评分 我为什么开发它： 每次 AI 编码会话都会浪费时间，重新教智能体它“昨天”学到的东西。这为智能体提供了持久的、经过验证的记忆。 试用：[你的 URL] 征求反馈： 1. 接下来我应该优先考虑哪些领域/库？ 2. 您目前如何处理智能体幻觉？ 3. 对专有代码库的自托管版本感兴趣吗？

嘿，HN， 我们为复杂和技术性产品构建了 Ask AI，它可以在你的文档、产品界面或 Discord/Slack 社区中回答用户的问题。 使用你自己的 OpenAI API 密钥，只要你想，就可以完全免费使用它。 它完全基于你的数据进行训练，因此可以直接从你的资料来源回答问题。