最新

嗨，HN， 我做了一个 MCP 服务器，用于播放 Sonic Pi 中的音乐，它允许你使用 Claude Code 和 Cursor 生成节拍。 这是 GitHub 链接 - <a href="https://github.com/yevbar/live-prompting" rel="nofollow">https://github.com/yevbar/live-prompting</a>

大家好，我是一名 NBA 爱好者和 Python 开发者，最近我构建了 DeepShot——一个机器学习模型，基于历史数据和滚动表现指标（EWMA），预测 NBA 比赛结果的准确率约为 71%。它具有以下特点： * 来自 Basketball Reference 的真实 NBA 数据 * 指数加权移动平均线 (EWMA) 用于追踪球队的势头 * 交互式 NiceGUI 界面，可进行球队对比和预测 * 完整的 Python 技术栈，开源 (MIT 许可证) 这是 GitHub 仓库：<a href="https:&#x2F;&#x2F;github.com&#x2F;saccofrancesco&#x2F;deepshot" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;saccofrancesco&#x2F;deepshot</a> 如果你喜欢它，这是我的“请我喝杯咖啡”链接：buymeacoffee.com&#x2F;saccofrancesco 欢迎大家提供反馈——特别是那些构建过体育模型或从事实时数据工具开发的朋友。也欢迎大家提供关于下一步发展方向的建议（球员级别建模？投注建议仪表盘？）。

自从我沉迷于“氛围编码”（对不明就里的人来说，“氛围编码”=使用大型语言模型生成代码）以来，几天前我问了Grok一个问题，如果用C语言这种复杂的语言一天生成数千甚至更多的代码行（LOC）算不算多，特别是考虑到这个项目涉及人工智能（所以对于一个复杂的任务，每天的代码行数是四位数，我们不是在讨论一个记事本克隆、POS系统、牙科预约、加密货币钱包，或者任何初级开发人员应该做的事情）。 但问题是这样的：即使一个人是个彻头彻尾的新手，除了下载Python 3.9之外几乎不会写代码，但如果必须处理大量的代码，你就需要编译，解决潜在的错误（在编译期间），如果大型语言模型给你的代码与你的目标背道而驰（例如：它自动在我的项目上设置了一个安全“对齐”，基本上禁止在我的电脑上运行“rm -rf”……但我使用的是Windows，所以我看到了这个“安全”功能，只是手动从代码中删除了它）。 问题是：初级开发人员或者刚开始编程的人和已经编程多年甚至几十年的人之间有什么区别吗？在某种程度上，这有点像问“数学家使用计算器的方式和非数学家使用计算器的方式一样吗？” 我猜区别很小？

你好， 我日常使用的主力机是首发购买的 M1 Pro，这是我买过的最好的科技产品之一，即使到现在，它也能轻松应对我抛给它的任何任务。我每天的工作负载通常是同时运行安卓模拟器、iOS 模拟器和多个 Docker 容器，而且我从没听到过风扇的声音，电池续航有所下降，但仍然非常可观。 我想要一台新的个人笔记本电脑，一直在纠结是买 MacBook Air 还是选择搭载 Linux 的 Framework 13。我想尝试学习一些新东西，所以选择了 Framework，但我必须承认，我有点后悔了。 M1 发布于 2020 年，而我购买的 Ryzen AI 340 是 AMD 最新的 2025 芯片之一，所以 AMD 有 5 年的额外研发时间，我本以为它们在电池效率和散热方面能接近 M1。 Ryzen 采用了台积电 N4P 制程，而 M1 采用的是较旧的 N5 制程。我找到了台积电的新闻稿，其中展示了新制程的性能/效率提升：“与 N5 相比，N4P 为用户带来了 +11% 的性能提升或 22% 的功耗降低。除此之外，N4P 还能为用户提供比 N5 高 6% 的晶体管密度。” 我非常失望，使用 Framework 的感觉就像在使用旧款基于英特尔的 Mac。如果我在 Chrome 中打开太多标签页，我能感觉到笔记本电脑底部变热，打开 YouTube 视频，风扇通常就会开始转动。 为什么 AMD/英特尔一直没能赶上？x86 架构真的无法与 ARM 架构匹敌吗？我们什么时候才能看到 x86 笔记本电脑芯片在效率/散热方面与 M1 匹敌？！ 公平地说，我还没在 Framework 上试过 Windows，也许是我的 Linux 设置效率不高。 谢谢， 斯蒂芬

嗨，我创建了这个命令行工具，帮助人们根据目录中出现的字符类型，决定将哪些键重新映射到哪里。<p>它会统计字符和字符序列，这样你就可以了解特定项目或编程语言中出现的打字模式。 输出格式包括表格、JSON、CSV，并有一个带有许多过滤选项的漂亮 TUI（文本用户界面）。

嗨，HN， 我想分享一下我一直在做的事情：*RAG-Guard*，一个注重隐私的文档 AI。它是一个将检索增强生成（RAG）与 AI 驱动的问答相结合的实验，但有一个特别之处——你的数据 <i>属于你</i>。 想法是这样的：你可以上传合同、研究论文、个人笔记或任何其他文档，RAG-Guard 会在你的浏览器中本地处理所有内容。除非你明确批准，否则任何东西都不会离开你的设备。 ### 工作原理： * *零信任设计*：每一步都在你的浏览器中进行，除非你另有指示。 * *本地文档处理*：文件完全在你的设备上解析。 * *本地嵌入*：我们使用 [all-MiniLM-L6-v2](<a href="https:&#x2F;&#x2F;huggingface.co&#x2F;sentence-transformers&#x2F;all-MiniLM-L6-v2" rel="nofollow">https:&#x2F;&#x2F;huggingface.co&#x2F;sentence-transformers&#x2F;all-MiniLM-L6-v...</a>) 通过 Transformers.js 在你的浏览器中生成嵌入。 * *安全存储*：文档和嵌入存储在你的浏览器加密的 IndexedDB 中。 * *客户端搜索*：向量相似性搜索在本地进行，因此你可以在不向服务器发送任何内容的情况下找到相关的文本块。 * *手动批准*：在任何内容发送到 AI 模型之前，你可以审查并批准确切的文本块。 * *AI 调用*：只有你批准的文本才会被发送到语言模型（例如，Ollama）。 没有跟踪。没有分析。没有“使用你的数据进行训练”。 ### 为什么我构建了这个： 我一直对 RAG 和 AI 驱动的问答的潜力着迷，但我一直对隐私权衡感到不安。大多数现有工具都需要你将敏感文档上传到云端，在那里你将失去对数据发生什么的控制。 通过 RAG-Guard，我想看看是否有可能在不损害隐私的情况下构建一些有用的东西。目标是创建一个尊重你的数据并让你掌控一切的工具。 ### 适合谁： 如果你是处理敏感文档（合同、研究、个人笔记）的人，并且你希望拥有 AI 的强大功能，而又没有未经授权访问或滥用的风险，那么这可能适合你。 ### 接下来是什么： 这仍然是一个实验，我很乐意听取你的想法。这是你会使用的东西吗？哪些功能会使其更好？ 你可以在这里查看：[<a href="https:&#x2F;&#x2F;mrorigo.github.io&#x2F;rag-guard&#x2F;" rel="nofollow">https:&#x2F;&#x2F;mrorigo.github.io&#x2F;rag-guard&#x2F;</a>] 期待你的反馈！