最新

嗨，HN， 这个 B2B PMF 评分器接受一个网站 URL，并生成一个 PMF 分析，包括一个 /100 的评分、具体建议和模拟的用户研究结果。 注意：运行需要大约 5 分钟！ 示例：<a href="https://semilattice.ai/pmf-report-1760452680406.pdf" rel="nofollow">https://semilattice.ai/pmf-report-1760452680406.pdf</a> 这只是 Semilattice（模拟用户研究）功能的一个演示，但我们希望它本身就很有用。 它会解析网站上的营销信息，以匹配我们的一个受众模型，然后使用该模型预测 12 个与 PMF 相关的研究问题，这些问题围绕着产品、信息传递和受众。 借助这些模拟数据，它生成 PDF（也提供 markdown 格式）。 关于 Semilattice：我们正在构建用户洞察力作为基础设施。 我们的 API 可以预测特定目标受众如何回答任意问题，即近乎即时的调查。 我们使用真实的地面实况数据构建受众模型，并提供评估工具，因此始终有一个估计的准确性（目前平均 &gt;87%）。 文档在这里：<a href="https://docs.semilattice.ai" rel="nofollow">https://docs.semilattice.ai</a> 我们希望成为做出更好决策和提供更个性化 UX/内容的 API 层。 如果您想与我们一起构建，请联系我们。

各位 HN 用户， 大家好！<p>和大家一样，我正在开发一款使用 LLM 从照片和文档中提取数据的产品。处理流程的一部分是从 PDF 文件中提取数据，提取方式包括原始文本或栅格图像。<p>作为我们潜在客户开发策略的一部分，我们开放了 REST API，允许您处理 PDF 页面。该 API 供匿名用户免费使用，但速率限制为每 30 秒处理 1 页。创建免费帐户可以解除此限制。<p>两个端点如下：<p>- <a href="https:&#x2F;&#x2F;extract.dev&#x2F;api&#x2F;pages&#x2F;extract&#x2F;raster" rel="nofollow">https:&#x2F;&#x2F;extract.dev&#x2F;api&#x2F;pages&#x2F;extract&#x2F;raster</a> - 将 PDF 页面栅格化<p>- <a href="https:&#x2F;&#x2F;extract.dev&#x2F;api&#x2F;pages&#x2F;extract&#x2F;text" rel="nofollow">https:&#x2F;&#x2F;extract.dev&#x2F;api&#x2F;pages&#x2F;extract&#x2F;text</a> - 从 PDF 页面提取文本<p>两者都使用相同的请求格式：<p><pre><code> { &quot;file&quot;: &quot;https:&#x2F;&#x2F;assets.extract-cdn.com&#x2F;data&#x2F;hd-receipt.pdf&quot;, &quot;page&quot;: 1 } </code></pre> 我在此处详细介绍了更多文档：<a href="https:&#x2F;&#x2F;extract.dev&#x2F;docs" rel="nofollow">https:&#x2F;&#x2F;extract.dev&#x2F;docs</a><p>在后台，API 使用 Poppler 提取文本和栅格化页面。请注意，文本提取功能提取的是 PDF 中编码的实际文本，而不是使用 OCR 模型。欢迎试用，如果您觉得有用，我很乐意听取您的反馈。

嗨，HN 在 ProductHunt Ship 关闭后，我开始怀念能有一个简单的方式来收集早期注册用户、向我的候补名单发送邮件，以及在不设置半打工具的情况下了解产品创意获得了多少关注。 所以我创建了 Debutsoft。它是一个轻量级的预发布工具，专为创作者和独立创始人设计。您可以在一个地方创建简洁的登陆页面，收集和导出候补名单注册信息，发送更新邮件，并查看基本分析数据。 我的目标是： * **简单性：** 快速加载并美观的发布页面，无需编辑模板。 * **所有权：** 您始终拥有自己的数据，并可以随时导出。 * **可负担性：** 没有免费套餐（运行任何东西都需要成本），但定价很低，早期用户可以获得终身创始人计划。 它目前仍处于 Beta 测试阶段，我非常重视您的反馈。如果您有预发布项目或只是想测试一下，可以在一分钟内启动一个。 [https://debutsoft.com](https://debutsoft.com) 我很乐意听取您的想法，特别是关于您认为最有用的分析或自定义功能。 感谢您的阅读， James

Hi HN！我们是来自 AMD 本地 LLM（Lemonade SDK）团队的 Jeremy、Victoria、Krishna 和 Daniel，我们正在构建 Infinity Arcade (<a href="https://infinity-arcade.app" rel="nofollow">https://infinity-arcade.app</a>)。这个项目结合了一个开源应用程序和模型，旨在展示在约 2 亿台配备 16 GB 内存的日常笔记本电脑上进行本地 LLM 编码的可能性。进展非常顺利，所以我想在这里展示一下。 问题：虽然基于大型云模型的 LLM 编码非常出色，但你使用当今的开源 7B-8B 参数模型（普通消费者笔记本电脑的最大容量）得到的结果却并不令人鼓舞。即使我们仅限于“简单”的事情，比如用 Python 为复古街机游戏进行编码，最好的 8B 参数以下的模型也几乎无法生成可运行的《贪吃蛇》和《乒乓球》游戏。 我们的解决方案：首先，我们需要一个应用程序，让我们可以轻松地使用正确的提示和功能来驱动本地 LLM，从而创建游戏。我们构建了三个最小的代理：创建、重混和调试。这允许用户制作新游戏，更改现有游戏，并允许系统自动修复自身的错误。 其次，我们需要构建自己的模型，因为现有的开源产品都不够好。我们收集了一个包含超过 5 万行高质量 Python 游戏代码的数据集，然后使用 LORA SFT 来创建 Playable1-GGUF (<a href="https://huggingface.co/playable/Playable1-GGUF" rel="nofollow">https://huggingface.co/playable/Playable1-GGUF</a>)：这是迄今为止该任务中世界上性能最高的 7B 模型。它可以处理 3 倍以上的游戏类型和许多有趣的变化，例如“带有爆炸子弹的太空侵略者”和“每次击中时球都会加速的打砖块”。 这里有一个简短的 GIF 演示了输出：<a href="https://github.com/lemonade-sdk/assets/blob/main/arcade/aracde-201-demo-shiny.gif" rel="nofollow">https://github.com/lemonade-sdk/assets/blob/main/arcade/arac...</a> 还有一个展示完整 UI 的：<a href="https://github.com/lemonade-sdk/assets/blob/main/arcade/infinity-arcade-demo.gif" rel="nofollow">https://github.com/lemonade-sdk/assets/blob/main/arcade/infi...</a> 最终，目标是提供一个参考设计，激励初创公司使用本地 LLM 进行构建。本地 LLM 没有持续的云成本，并且无需担心通过互联网共享用户数据的隐私/安全问题。主要挑战是较小的本地模型的功能，以及集成一个相对不如 OpenAI/Open Router API 成熟的软件堆栈。我们相信 Infinity Arcade 表明这两个挑战都可以克服，并且可以实现本地 LLM 的优势。 你今天可以做的事情：从 GitHub 下载应用程序，一键安装，100% 免费且本地地运行 Infinity Arcade 及其 LLM，查看微调模型的训练数据和流程，并使用所有这些作为参考来构建你自己的应用程序。 链接： GitHub: <a href="https://github.com/lemonade-sdk/infinity-arcade" rel="nofollow">https://github.com/lemonade-sdk/infinity-arcade</a> 模型: <a href="https://huggingface.co/playable/Playable1-GGUF" rel="nofollow">https://huggingface.co/playable/Playable1-GGUF</a> 我们很乐意听取你的反馈！你是否相信本地 LLM 的优势超过了挑战？你是否拥有入门所需的所有资源？请在评论中告诉我们！

嗨，HN， 我_非常_喜欢阅读关于智能体编码/Claude代码主题的博客，这些博客探索新想法，并讨论关于智能体编码的高级话题。 Jesse最近在他博客blog.fsck.com上的几篇文章就是一个很好的例子，正是我所寻找的。阅读这样的文章真的很有启发性、教育意义、趣味性和刺激性。 Geoffrey Huntley在ghuntley.com上的博客也是我非常喜欢阅读的，尤其是他发布新文章的时候。 无论是博客、聚合网站还是YouTube频道，如果你知道有真正深入研究这个领域的作者/内容创作者，我将非常感谢你的推荐。

<a href="https://www.justice.gov/opa/pr/chairman-prince-group-indicted-operating-cambodian-forced-labor-scam-compounds-engaged" rel="nofollow">https://www.justice.gov/opa/pr/chairman-prince-group-indicted...</a>