最新

当我开始这个项目时，我的想法很简单，就是“为什么不把博客转换成图表呢？”。随着项目的进展，我始终忠于这个核心想法。 我们都用 Markdown 来编写文档和其他几乎所有内容，但对我来说，以可视化的方式呈现结构一直很困难。我一直在寻找一种方法，可以轻松地查看链接，并在需要时深入研究详细内容。 当然，我可以使用像 Mermaid 这样的工具，但我希望从头开始构建它，使其更灵活、更具交互性，并且不依赖任何外部库。 它非常容易使用。您可以调整块的颜色，轻松创建链接，最重要的是，您可以在单个 Markdown 文件中完成所有这些操作。 我链接的演示是一个聊天应用程序，它也充当图表生成器。在与 AI 聊天时，Markdown 文本会写在左侧。您可以复制它生成的代码。它已准备好在您自己的网站上使用；您所需要做的就是将该库的 CDN 链接添加到您的页面。您可以通过下面的 GitHub 或 npm 链接，或者聊天右上角的链接访问详细文档。 github: <a href="https:&#x2F;&#x2F;github.com&#x2F;bthndmn12&#x2F;diagram-blog" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;bthndmn12&#x2F;diagram-blog</a> npm: <a href="https:&#x2F;&#x2F;www.npmjs.com&#x2F;package&#x2F;diagram-blog" rel="nofollow">https:&#x2F;&#x2F;www.npmjs.com&#x2F;package&#x2F;diagram-blog</a> 聊天演示: <a href="https:&#x2F;&#x2F;diagram-chat-ai.vercel.app" rel="nofollow">https:&#x2F;&#x2F;diagram-chat-ai.vercel.app</a>

嗨 HN， 我正在构建 Databite，一套开源工具，旨在帮助开发者更轻松、更快速地构建集成。 如果你曾经构建过 SaaS 产品或 AI 智能体，需要更新 CRM 记录、在应用程序之间同步数据，或者在第三方工具中触发工作流，你可能花费了太多时间编写粘合代码。Databite 的目标就是成为那样的粘合剂。 使用 Databite，你可以： * 使用 databite/connectors 包访问预构建的连接器。 * 使用我们的 databite/build 包为 Slack、Notion、HubSpot、Google Sheets 等你选择的服务创建自定义连接器。 * 使用我们的 databite/connect 包将一键身份验证流程嵌入到你的 React 项目中。 * 使用我们的 databite/engine 包安排同步并管理连接。 * 使用我们的 databite/ai 包提供文档，并让 AI 为你构建新的连接器。 我们的理念是让构建集成像 npm 安装一个库一样简单。 这对于构建需要大型动作库的 AI 智能体尤其有用。Databite 可以作为你的智能体执行现实世界任务的“集成层”。 我们还处于非常早期的阶段（不建议现在就将这些库用于任何严肃的事情，分享出来是因为我可能永远不会这样做 (: )）。我们的目标是开始建立一个感兴趣的贡献者社区。我相信，鉴于问题的性质和规模，只有通过一个充满活力的开源项目才能真正解决集成问题（我们采用 MIT 许可证，允许几乎所有可以想象的用例）。 你可以在我们的网站上了解更多信息（[https://databite.dev](https://databite.dev)）。 或者在 Github 上关注我们，及时了解我们的进展（[https://github.com/DatabiteDev/databite](https://github.com/DatabiteDev/databite)）

我通过与自定义硬件加速器集成到 PyTorch 相同的系统，将远程 GPU 执行后端集成到了 PyTorch 中。您可以创建一个远程机器，并在您想要创建或将张量移动到远程 GPU 上时，获取其 CUDA 设备。 ``` machine = mycelya_torch.RemoteMachine("modal", "A100") cuda_device = machine.device("cuda") x = torch.randn(1000, 1000, device=cuda_device) y = torch.randn(1000, 1000).to(cuda_device) ``` 我通过尽可能异步地调度大多数操作，使其具有合理的性能。对于诸如将大量 GB 的权重上传到 GPU 等不可避免的慢速性能情况，我添加了一个装饰器，可以将其应用于函数，将其转换为远程执行的函数。在大多数情况下，函数在使用或不使用装饰器时应该表现相同；主要区别在于函数代码是在本地还是远程执行。 ``` import mycelya_torch from transformers import AutoModelForCausalLM, AutoTokenizer @mycelya_torch.remote def load_model(model_name: str): tokenizer = AutoTokenizer.from_pretrained(model_name) model = AutoModelForCausalLM.from_pretrained( model_name, torch_dtype="auto", device_map="auto" ) return model, tokenizer ``` 目前，您只能将其与 Modal 作为云提供商一起使用，并且可以使用他们的免费月度积分免费使用。 欢迎任何反馈和错误报告 :)

我经常在构思新项目时寻找域名，但大多数域名市场都充斥着无意义的名称或已被注册的域名。所以我创建了 SeekLex——它预处理超过 100 万个二手域名，以过滤掉无意义的名称，检测有意义的单词，并在您喜欢的域名被注册时生成有创意的域名组合。<p>我们的目标是利用自动化和（即将推出的）人工智能，让域名发现更智能、更快速。我计划添加 API、MCP 集成和一个 LLM 代理，以帮助您为您的下一个项目找到最佳域名。<p>非常欢迎您的反馈和想法。

嗨，HN 我们构建了 OSMEA（开源移动电子商务架构）——一个完整的、开源的 Flutter 生态系统，用于构建可扩展的、可用于生产环境的电子商务应用程序。 OSMEA 并非让你从头开始或拼凑各种插件，而是提供模块化架构、自定义 UI 工具包以及适用于 Shopify、WooCommerce 和自定义后端的即用型 API 集成。 亮点 模块化 &amp; 可组合 – 只构建你需要的。 平台无关 – Shopify、WooCommerce 或任何 API。 自定义 UI 工具包 – 可主题化、可用于生产环境的 Flutter 组件。 企业级 – CI/CD、测试覆盖率、异步安全架构。 跨平台 – iOS、Android、Web 和桌面，只需一个代码库。 我们设计它的目的是帮助团队将电子商务应用程序的交付速度提高 70%，同时保持代码库的整洁、可测试和可维护性。 代码库（MIT 许可证）： <a href="https:&#x2F;&#x2F;github.com&#x2F;masterfabric-mobile&#x2F;osmea" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;masterfabric-mobile&#x2F;osmea</a> 我们很乐意听取社区的反馈——尤其是在以下方面： 架构可扩展性 集成改进 实际部署经验 感谢您的关注！