最新

在 Cursor 中与 Claude、Gemini 等模型共事数月后，我厌倦了不断修复回归问题和重新解释项目的逻辑。这些 AI 令人印象深刻——但缺乏适当的上下文，它们就像瞎子一样。<p>我不想再依赖提示技巧了。我需要结构。所以我构建了一个框架，为大语言模型提供：<p>– 编码的项目规则和约束 – 清晰、循序渐进的开发协议 – 随时间演进的记忆系统 – 人工介入的检查点，以减少失败<p>它彻底改变了我在实际软件项目中使用 AI 的方式。我将它开源，以防其他人也想从他们的 AI 开发工作流程中获得更多收益。<p>很乐意回答问题或深入探讨技术细节。 → 链接如上，欢迎反馈！

使用 AI 聊天应用的体验可能有点脆弱——它对网络故障的抵抗力很差，而且回复不像传统搜索那样具有确定性。正如 Garry Tan 所说（<a href="https://x.com/garrytan/status/1927038513108701662" rel="nofollow">https://x.com/garrytan/status/1927038513108701662</a>），“当一个回复进行到一半失败时，感觉就像灾难性的数据丢失，然后下一次重试的效果也不好。” Vercel 最近发布了一个“可恢复流”包（<a href="https://github.com/vercel/resumable-stream" rel="nofollow">https://github.com/vercel/resumable-stream</a>），使用 Redis 作为后端存储来解决这个问题。 我认为我们可以使用 s2.dev（我是团队中的一名工程师）来简化这种方法，并创建了一个 fork，最终借用了 API，但进行了完全重写：<a href="https://github.com/s2-streamstore/resumable-stream" rel="nofollow">https://github.com/s2-streamstore/resumable-stream</a> * S2 流很便宜，因此，流总是被创建并写入，而不是优化到只有在有其他读取器时才刷新。 * 与 Redis 通常的短暂性不同，令牌始终是持久的，并且对流的数量或其上的数据量没有内存限制。 * 依赖于 S2 内置的并发控制。一个唯一的围栏令牌确保只有一个写入器，并且乐观地提供一个序列号以匹配预期分配给下一条记录的序列号，以便在重试时进行去重。 它与 Chat SDK 集成良好，您可以在这里试用：<a href="https://ai-chatbot-s2.vercel.app" rel="nofollow">https://ai-chatbot-s2.vercel.app</a>，在较大的回复期间重新加载页面！ 未来有一些有趣的可能，比如围绕共享流构建多人聊天体验。

大家好，我用 Python 制作了这个简单的 GUI 工具，用于测试硬件的浮点运算速度（FLOPs）。欢迎试用、提供反馈或参与贡献。

为了以防未来访问权限发生变化，我想备份最先进的 LLM 权重，并准备一台可以运行它们的机器。OpenAI 发布权重是一个很好的时机来实现这个目标。我的问题是，你会购买什么样的硬件配置，它应该价格合理（比如 5000 美元以下，最好远低于这个价格），并且能够很好地运行本地查询模型。如果重要的话，它也应该适合存档，比如直到出现重大技术进步，导致今天的 LLM 过时，或者直到因为无法再获得优秀的、开放的权重时才需要用到。

所以，我想自己做一个类似 fit3d 的 3D 身体扫描应用。一部分是因为它对我来说太贵了，一部分是为了满足我自己的使用需求。我考虑过使用 Meshroom 这样的开源软件来获取 3D 点云，但我发现最适合自己扫描的场景是：站在一个可以 360° 旋转的转台上保持静止（不太实用）。fit3d 是不是需要从头开始构建所有东西，自己定制一个摄影测量工具，例如基于 https://ethz.ch/content/dam/ethz/special-interest/baug/igp/photogrammetry-remote-sensing-dam/documents/pdf/math-of-photogrammetry.pdf 这样的资源？

我之前想对 10-K 文件有个整体的了解，但它们看起来很复杂，所以我构建了这个基于地图的视图。你可以克隆这些视图，并使用人工智能助手来辅助阅读。欢迎大家提出反馈！