最新

大家好，HN， 我目前正在开发 Aaptics，这是一个帮助创始人撰写内容的工具。最大的工程挑战不是基础设施，而是让底层模型不再听起来像个公司机器人（例如，避免使用“深入研究”、“证明”或“在当今快节奏的环境中”等词语）。 目前，我的流程使用自定义的 RAG 设置，它会摄取用户过去的写作内容，并结合大量的负面提示和少样本示例。然而，模型偶尔还是会陷入那种可识别的“ChatGPT 语气”。 对于那些正在构建 AI 应用程序的人来说，你们是如何量化评估输出的“人性化”程度的？ 你们使用 LLM 作为评判框架吗？ 依赖于特定的温度/top_p 调整吗？ 还是对某些 n-gram 进行硬编码惩罚？ 我希望在四月中旬发布之前完成这个流程，并感谢那些已经在生产中解决这个问题的人提供的任何见解。aaptics.in/waitlist

Hi HN， 这是一个带有可选 WebUI 的小型 Python 应用。它旨在本地运行。可以使用 Docker 运行（cookie 自动检测将无法工作）。 它允许您下载整个或部分 Substack 内容，并将输出保存为 epub 文件，该文件可以轻松传输到 Kindle 或其他阅读设备。 不可否认，这是一个用 Claude Code 和几个小时的迭代“氛围编码”的应用，但我已经发现它对自己非常有用。 它支持免费和付费文章（如果您是该创作者的付费订阅者）。 您可以按受欢迎程度、最新发布或最早发布对 epub 中的条目进行排序，也可以限制为特定数量的条目，如果您不想全部下载的话。 您可以手动提供您的 substack.sid cookie，或者可以从大多数浏览器/操作系统中自动检测。