最新

在过去的几个月里，我一直在构建“奇美拉项目”——一个原型 AI 智能体，它将三种推理范式整合到一个决策系统中： * 神经（LLM）用于生成创意策略 * 符号推理用于执行业务规则和安全约束 * 因果推理用于预测行动的长期影响 我通过一个为期 52 周的、具有价格弹性、品牌信任度、广告 ROI 和竞争对手效应等动态因素的现实电商模拟，对这个混合智能体进行了测试。 主要结果： * 优于仅使用 LLM 和 LLM+符号推理的基线模型 * 通过模拟长期因果影响，避免了灾难性损失 * 通过定期的因果再训练，实现了近 2 倍的利润提升 资源： * 在线演示：[https://project-chimera.streamlit.app/](https://project-chimera.streamlit.app/) * GitHub：[https://github.com/akarlaraytu/Project-Chimera](https://github.com/akarlaraytu/Project-Chimera) 我非常期待来自 HN 社区的反馈——尤其是在方法论、实验设计以及电商之外的潜在实际应用方面。

嗨，HN！ 我一直很喜欢应用程序启动器，并且对 Raycast 团队采用的方法印象深刻——尤其是他们的扩展系统。大约六个月前，我开始为 Linux 构建类似的东西，目标是在操作系统层面进行深度集成，并赋予扩展强大的功能。 Vicinae 使用 C++ 和 Qt Widgets 编写。我选择了 Widgets 而不是 QML，以便更好地控制 UI，尤其是在扩展处理方面。到目前为止，效果很好——现代 C++ 非常棒。 为了支持我的目标，我构建了许多自定义的 widgets，包括一个完全虚拟化的列表，可以高效地渲染成千上万个项目。这让我对 Qt 肃然起敬——它是一个强大的框架，而且大部分时间都没有妨碍我。 一个关键特性是支持 Raycast 扩展（React + TypeScript），其中大部分可以直接在启动器中安装和使用（尽管并非所有功能都已实现）。还有一个原生 API 包（@vicinae/api），用于编写具有附加功能的 Vicinae 专用扩展。这需要编写一个自定义的 React reconciler——出乎意料地简单，尽管仍然不够完善。 与 Raycast 类似，Vicinae 附带了强大的内置模块，但目标不是做一个克隆。我希望它成长为一个更符合 FOSS 模式的独立项目，同时保持与 Raycast 生态系统的兼容性。我还计划最终将其移植到其他操作系统。 我很乐意收到关于技术方法的反馈，以及关于什么能让它对您有用的建议。非常欢迎贡献——我已经惊喜地发现人们开始提供帮助的速度有多快。 文档：[https://docs.vicinae.com](https://docs.vicinae.com) 代码库：[https://github.com/vicinaehq/vicinae](https://github.com/vicinaehq/vicinae)

我刚刚发布了一个库，用于在视频上执行实时视觉显著性检测（但也支持静态图像）。 这开始于几个月前，当时我在另一个项目上工作，结果像往常一样跑偏了，而且有点过头。我对结果很满意，我认为它可能是一个有用的软件。 它应该可以在 Linux 和 macOS 上运行，但我还没有测试过 Linux，因为我手头只有一个 Mac。通过 WSL 应该也可以在 Windows 上运行。 GitHub：<a href="https://github.com/big-nacho/dosage" rel="nofollow">https://github.com/big-nacho/dosage</a> 展示：<a href="https://big-nacho.github.io/dosage-docs/showcase.html" rel="nofollow">https://big-nacho.github.io/dosage-docs/showcase.html</a>