最新

大家好，我是CommerceTXT的作者。<p>我构建CommerceTXT是因为我厌倦了从HTML中提取价格和库存数据的脆弱性。目前的AI代理仅仅为了解析一个产品页面，就要浪费大约8000个token，结果却会虚构价格或者遗漏“缺货”的信息。<p>CommerceTXT是一个严格的、只读的文本协议（CC0公共领域），旨在为代理提供确定的事实依据。可以把它想象成`robots.txt` + `llms.txt`，但专门为交易而设计。<p>v1.0的关键技术决策：<p>1. *分形架构：* 根目录 -&gt; 类别 -&gt; 产品文件。代理只获取它们需要的内容（节省带宽/token）。<p>2. *严格只读：* v1.0 故意排除了交易/操作，以避免安全问题。它纯粹是上下文信息。<p>3. *Token效率：* 一个典型的产品定义大约需要380个token，而HTML等价物则需要大约8500个token。<p>4. *反幻觉：* 包含诸如带有时间戳的@INVENTORY和带有验证来源的@REVIEWS等指令。<p>该规范已经上线并开放。我非常欢迎您对指令结构，尤其是我们正在探索的“信任与验证”概念提出反馈意见。<p>规范：<a href="https://github.com/commercetxt/commercetxt" rel="nofollow">https://github.com/commercetxt/commercetxt</a> 网站：<a href="https://commercetxt.org" rel="nofollow">https://commercetxt.org</a>

我开发了 VideoReview，旨在减轻团队成员在游戏过场动画、小品制作中的审核负担。<p>它允许协作者留下基于时间的评论，直接在视频帧上绘图，并在类似 SNS 的轻量级界面中讨论反馈。<p>集成的功能包括 JIRA（从评论中创建任务）和 Slack（分享评论）。<p>我非常希望收到对这款软件可用性的反馈，尤其是来自审核游戏或动画素材的人！

大家好，HN！我们是来自新加坡国立大学（本科生 + 博士生）的小团队。PaperDebugger 最初是一个研究项目，后来发展成一个开源工具，可以直接集成到 Overleaf 中，作为学术写作助手。它提供 LaTeX 感知的调试、审稿人风格的反馈和有针对性的修订建议，无需离开编辑器，非常适合已经在 Overleaf 上撰写和协作项目的用户。 在上周，一个小规模的 Beta 版本获得了超出我们预期的关注。它远非完美，但由于已经有人开始试用，我们决定更广泛地分享它，并优先考虑稳定性和可靠性，以及比原计划更早地收集反馈。 无需注册：安装 Chrome 扩展程序后，它会立即附加到您的 Overleaf 项目。您可以突出显示任何部分并接收特定建议、问题报告或多步骤修订过程。在后台，它会读取您的项目结构，并由我们基于自定义 MCP 的编排引擎提供支持，该引擎模拟“研究 → 批判 → 修订”的工作流程，而不是单个聊天提示。 试用一下： Chrome 扩展程序（Overleaf 集成）： [https://chromewebstore.google.com/detail/paperdebugger/dfkedikhakpapbfcnbpmfhpklndgiaog](https://chromewebstore.google.com/detail/paperdebugger/dfkedikhakpapbfcnbpmfhpklndgiaog) 登陆页面（演示 + 概述）： [https://www.paperdebugger.com/](https://www.paperdebugger.com/) 我们正在寻找什么： * Overleaf 嵌入式工作流程是否真的比复制/粘贴 LLM 编辑更有用 * 关于 Overleaf 编辑器内 UX 和交互的看法 * 任何担忧，例如关于隐私或扩展行为（我们已发布相关政策） * 有助于会议/期刊投稿的功能请求（我们目前正在开发格式化程序、引用验证器） 对于对促使该系统产生的技术细节和研究背景感兴趣的读者，这里是论文的链接：[https://arxiv.org/abs/2512.02589](https://arxiv.org/abs/2512.02589) 很乐意回答有关架构、MCP 设计、提示或任何其他问题的提问。

我和朋友 (@finnvoid) 聊了聊，想看看怎么能让他们在日本更容易地练习平假名和片假名的阅读。在用 Gemini 快速构思了一些基本想法后，他们就着手行动，构建了“Jordle”，一个类似 Wordle 的工具，来帮助他们（以及你）学习你的注音假名。<p>玩法很简单，你的目标是将显示的字符音译成罗马字（罗马拼音）。可以选择两种字符集（平假名和片假名）或同时选择两者进行练习。<p>数据保存在本地设备上，所以速度很快，而且在技术上可以离线使用。<p>如果大家有任何问题或评论，我们可能会在评论区里待一会儿！

大家好，我是 Jacek，这个项目（Lustra）的独立创始人。<p>问题：95% 的立法无人问津，因为原始法律文本难以理解。媒体报道侧重于煽动情绪，而非深入分析。<p>解决方案：我构建了一个数字公共基础设施，它：<p>1. 摄取 &amp; 净化：从美国和波兰的 API 解析原始法案（PDF/XML）。使用 LLM（Vertex AI，temp=0，严格的 JSON）来去除政治色彩。<p>2. 公民算法：主信息流不是由编辑委员会排序的，而是由用户投票（“影子议会”）排序的。社区关注的内容会排在前面。<p>3. 公民项目：一个公民立法的孵化器。用户提交草案（例如我们的《人类保护法》），这些草案会经过 AI 评分，并与政府法案并排显示，视觉上保持一致。<p>技术栈：<p>前端：Flutter（Web & 移动端 Monorepo），<p>后端：Firebase + Google Cloud Run，<p>AI：Vertex AI (Gemini 2.5 Flash)，<p>许可证：PolyForm 非商业许可——源代码可供检查、学习和非商业公民使用。商业用途需要单独的协议。<p>我正在寻找贡献者。目前已上线美国和波兰，欧盟、英国、法国、德国正在开发中，部分可用。我需要帮助为其他议会构建数据适配器（核心逻辑与国家无关）。如果您想帮助审计代码或添加国家/地区，请查看存储库。目标是在现有资金的支持下尽可能完善数据库。<p>应用链接：<a href="https:&#x2F;&#x2F;lustra.news" rel="nofollow">https:&#x2F;&#x2F;lustra.news</a><p>代码库：<a href="https:&#x2F;&#x2F;github.com&#x2F;fokdelafons&#x2F;lustra" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;fokdelafons&#x2F;lustra</a><p>开发日志：<a href="https:&#x2F;&#x2F;lustrainitiative.substack.com" rel="nofollow">https:&#x2F;&#x2F;lustrainitiative.substack.com</a>

嘿，HN，我是作者。<p>我构建 Misata 是因为现有的工具（Faker，Mimesis）虽然擅长生成随机行，但在处理关系完整性或时间完整性方面却表现不佳。我需要为仪表盘生成数据，其中“工时表”必须发生在“项目开始日期”之后，并且我希望通过自然语言来定义这些规则。<p>工作原理： LLM 层：使用 Groq/Llama-3.3 将“故事”解析成 JSON 模式约束配置。<p>模拟层：使用向量化 NumPy（无循环）生成数据。它构建了一个表组成的 DAG（有向无环图），以确保子行在父行存在之前不会被创建（引用完整性）。<p>性能：在我的 M1 Air 上，每秒生成约 25 万行数据。<p>目前还处于早期 Alpha 阶段。“图表逆向工程”（描述一个图表 -> 获取数据）功能还在实验阶段，但对于简单的曲线图已经可以工作了。<p>pip install misata<p>我非常希望得到关于 simulator.py 架构的反馈——目前我将数据保存在内存中（Pandas），这在生成约 1000 万行数据时会达到上限。 正在考虑下一步转移到 DuckDB 进行外核生成。有什么想法吗？

我们正在构建 Largemem (<a href="https:&#x2F;&#x2F;largemem.com" rel="nofollow">https:&#x2F;&#x2F;largemem.com</a>)，这是一个共享知识库，供团队上传和维护一组通用文档（PDF、扫描件、音频），并通过对话方式进行查询。<p>每个团队都有自己的持久性知识库。我们将内容解析成块，提取实体，并将向量搜索与轻量级知识图谱相结合，以便答案能够跨多个文档以及团队的共享上下文综合信息，而不仅仅是检索孤立的片段。<p>我们非常希望听到您的反馈！