最新

嗨，HN！这是我的第一个游戏——我一直想做的事情。<p>这是一个用 Phaser 3、React 和 Phaser 模板（<a href="https://github.com/phaserjs/template-react-ts/" rel="nofollow">https://github.com/phaserjs/template-react-ts/</a>）构建的小型浏览器游戏。<p>我用 gemini-cli 花了两天时间（总共大约 8 小时）制作了它。大约 90% 的代码是用 AI 生成的，但我通过进行微调学到了很多东西。<p>它只能在 PC 上运行，因为它是一个典型的 WASD + R（重新加载）射击游戏。<p>我很想听取关于以下方面的反馈： - 游戏玩法（它好玩吗，太难了吗？） - 新功能的想法<p>提前感谢！<p>附注：我最初用立方体作为原型，但现在我有点喜欢它们了。我应该保留它们还是实现适当的精灵图？

传统的数据库依赖于 RAG 和向量数据库，或者基于 SQL 的转换/分析。但它们能够保留每行数据的上下文理解吗？ 我们已将 Agents 作为 Datatune 的一部分发布： [https://github.com/vitalops/datatune](https://github.com/vitalops/datatune) 只需一个提示，您就可以为数据转换定义多个任务，Datatune 会在您的数据上以每行级别执行转换，并具有上下文理解。 示例提示： “从产品描述和名称中提取类别。仅保留电子产品。添加一个名为 ProfitMargin = (总利润 / 收入) * 100 的列” Datatune 解释提示，并使用 OpenAI、Azure、Ollama 或其他 LLM（通过 LiteLLM）对您的数据应用正确的操作（map、filter 或 LLM 驱动的 agent 管道）。 主要特点 - 使用自然语言进行行级 map() 和 filter() 操作 - 用于自动生成多步转换的 Agent 接口 - 内置对 Dask DataFrames 的支持（用于可扩展性） - 适用于多个 LLM 后端（OpenAI、Azure、Ollama 等） - 与 LiteLLM 兼容，可在不同提供商之间提供灵活性 - 自动 token 批处理、元数据跟踪和智能管道组合 Token 和成本优化 - Datatune 让您可以明确控制将哪些列发送到 LLM，从而减少 token 使用量和 API 成本： - 使用 input_fields 仅发送相关列 - 自动处理内部批处理和元数据 - 支持设置每分钟 token 和每分钟请求限制 - 如果未指定，则默认为已知模型限制（例如，GPT-3.5） - 这使得可以在大型数据集上运行基于 LLM 的转换，而不会产生失控的成本。