最新

大家好，Arkain 团队在此。<p>今天，我们推出了 Arkain 的 Beta 版，这是一个由 AI 驱动的云端 IDE。<p>我们希望分享我们构建的内容，并从社区获得诚实的反馈。<p>---<p># 我们正在解决的问题<p>你是否曾无数次为新项目设置相同的样板代码？ 好的想法往往需要数周才能落地——这并非因为核心逻辑的复杂性，而是因为环境设置。 React 前端配置、Express 后端脚手架、数据库模式设计、部署管道…… 等你完成设置时，势头已经消失殆尽。<p>团队开发会放大这些问题。 不同的本地环境、版本冲突和依赖管理会产生摩擦，阻碍开发人员专注于真正重要的事情。 我们都经历过——花在调试环境问题上的时间比构建功能的时间还多。<p># 我们的方法<p>我们的目标很简单：消除阻碍开发的生产力障碍。<p>Arkain 是一个基于 Web 的 IDE，只需点击几下即可配置开发环境，并根据自然语言描述生成完整的应用程序。 我们希望开发人员将时间花在构思、功能设计和用户体验上，而不是重复的设置任务上。<p># 主要功能<p>- *通过自然语言进行端到端应用程序生成*：与专注于代码片段或仅前端生成的现有 AI 编码工具不同，Arkain 可以创建完整、可部署的应用程序。 - *上下文感知 AI 代理*：AI 维护项目上下文，因此您无需在每次请求时都重新解释您的架构。 - *安全至上的云基础设施*：基于零客户端架构构建，并使用 SBOM 和容器化技术，兼顾安全性和性能。 - *模板社区*：分享和发现经过验证的解决方案，以加速开发。<p># 当前限制<p>由于处于 Beta 版，我们有几个方面需要改进：<p>- 复杂的业务逻辑仍需要手动完善 - 某些框架组合尚未完全优化 - 需要针对大型项目进行性能调优<p># 我们希望获得的反馈<p>- 哪种类型的项目最能从这种方法中受益？ - 您认为现有开发工作流程中存在哪些摩擦点？ - 对于企业采用——您有哪些安全/治理方面的担忧？<p># 社区驱动的开发<p>我们致力于与社区共同成长。 我们希望对我们所学和构建的内容保持透明，并将逐步开源我们最有用的模板。 我们计划从基于 RAG 的 AI 聊天机器人和反馈仪表板模板开始。<p>如果您有任何问题、想法或改进建议，请随时联系我们。 我们特别希望听到您在日常工作中遇到的任何开发工作流程挑战。<p>期待您在评论中分享您的想法和经验。<p>*您可以在此处免费试用 Arkain：* ([<a href="https:&#x2F;&#x2F;arkain.io" rel="nofollow">https:&#x2F;&#x2F;arkain.io</a>](<a href="https:&#x2F;&#x2F;arkn.ai&#x2F;qH22w" rel="nofollow">https:&#x2F;&#x2F;arkn.ai&#x2F;qH22w</a>))

TL;DR - 我的联合创始人 Collin 和我构建了一个 AI 版的 Digi-Key，旨在帮助 PCB 设计师查找和使用元器件，它拥有更大的产品目录、现代化的筛选工具，以及一个能够真正阅读数据手册的 AI。<p>*问题所在*<p>现代电路板设计充满了极其繁琐的任务，一个小小的错误就可能导致项目失败，并造成数千美元的损失。最糟糕的（在我们看来）是阅读数据手册，这会占用任何项目最初阶段 25% 的时间： 1⃣ 首先，你得费力地浏览产品目录来寻找可行的元器件，使用的搜索工具还停留在黑暗时代。当今的供应链中有大约 8000 万种独特的元器件，但我们用来查找它们的工具仅仅是祖父母们收到的纸质产品目录的数字化版本。 2⃣ 在设计过程中，你得花大量时间在每个子电路中每个元器件的 10-100 页的 PDF 文件之间来回翻阅，祈祷千万不要错过脚注中某个会毁掉你设计的微小规格。 3⃣ 如果需求不可避免地发生变化，而你现在必须弄清楚哪些子系统会受到影响，那就更麻烦了！<p>*我们构建了什么*<p>Zenode 是一款由 AI 驱动的电子产品搜索引擎，可以真正帮助工程师查找和理解元器件。我们的核心功能： 1⃣ 最大、最全面的元器件目录 → 我们合并了来自主要分销商和制造商的数十个现有元器件目录和文档 2⃣ 发现式搜索 → 使用自然语言查询快速查找类别、设置筛选器和对结果进行排序 3⃣ 现代参数筛选器 → 从头开始重建，摆脱了行业中普遍使用的字符串值，并构建了真正有效的数值范围。 4⃣ 交互式文档 → AI 仅限于单个元器件的数据手册/手册。提出问题，即可获得带有突出显示来源的答案，以便快速参考。 5⃣ 深度挖掘 → 同时搜索数十个元器件（例如“有哪些低功耗加速度计？”而不是逐个搜索。<p>*我们学到了什么*<p>1⃣ 在过去两年里，最难的部分是将 3 TB 的混乱、不一致的数据整理成可用的东西。我们不得不教 AI 如何处理手绘图、规范化表示相同含义的不同单位变量和名称，以及处理同一元器件的不同数据手册版本之间存在的信息冲突。这简直是一场噩梦。 2⃣ 我们最初构建了自定义的 PDF 解析器和 AI 提取器，它们在 3 个月内是最好的，直到通用 AI 超过了它们。所以我们停止了重复造轮子，转而加倍关注数据质量。 3⃣ 杀手级功能不是 AI 搜索单个元器件，而是我们反复从用户那里听到的，他们希望 AI 能够跨多个元器件进行阅读，这就是我们推出深度挖掘的原因！<p>*它的优势（和不足）*<p>速度：在几秒钟内浏览 1000 页的微控制器数据手册。 广度：4000 万+ 元器件来源统一到一个目录中，不仅仅是数据手册，还有应用笔记、勘误表等。 比较：深度挖掘允许你跨多个元器件进行提问，而不仅仅是一次一个。 价格/可用性：目前已过时（目前我们希望大家检查现有的聚合器，如 Octopart）。 准确性：足够匹配我平庸的技能；尚未达到 Collin 的水平，但我们正在开始调整，这将迅速提高！<p>*试用一下*<p>它今天上线了 (zenode.ai)。注册一个免费帐户，如果你在注册时在“你从哪里听说我们的”字段中填写“Hacker News”，我们将给你 1000 个奖励积分（一旦我们完成构建，也就是这周的某个时候）。<p>*我们希望得到的反馈*<p>1⃣ 深度挖掘的结果是否应该自动成为你可以进一步细化的筛选器？ 2⃣ 你是否希望能够标记首选元器件/排除其他元器件？ 3⃣ “对 BOM 进行深度挖掘”（对来自不同类别的已知元器件列表进行替代发现 + 可制造性检查）是杀手级功能吗？