最新

在 SEO 领域摸爬滚打了近 30 年（没错，是真的），我开发了 QueryBurst，这款工具可以直接连接到你的 Google Search Console 账户，为你提供真实的见解，摆脱了关键词抓取、竞争对手窥探或臃肿的仪表盘的困扰。<p>我为什么开发它<p>我厌倦了传统的工作流程：<p>- 将 GSC 数据导出到电子表格或 Looker Studio<p>- 与抓取数据合并或进行手动审核<p>- 为 LLM 手动编写提示词<p>- 与 API 的限制、抽样和 UI 缺陷作斗争<p>- 试图在成千上万个关键词中理清头绪<p>所以我开发了这样一款工具：<p>- 仅使用你自己的已验证 Search Console 数据（隐私优先）<p>- 使用 Gemini 运行结构化审核流程（选择 Gemini 是因为它拥有巨大的上下文窗口）<p>- 通过高级筛选功能，轻松找到“大海捞针”般的关键词<p>- 使用经过训练的 Sentence Transformers 模型对搜索意图进行分类<p>- 解析大型 HTML 页面（最多 25 万个 token）<p>- 呈现清晰、可操作的内容见解，没有废话<p>- 专注于现代 SEO 最佳实践（搜索意图、EEAT、有用的内容）<p>幕后技术<p>技术栈：React（前端）、Django（后端）、Celery（异步）、Google OAuth（身份验证）<p>指标引擎：6 部分仪表盘（SEO、EEAT、内容、意图、差距、速度）<p>LLM 流程：使用 Gemini 的配置驱动审核引擎（结合 Google 搜索进行声誉检查）<p>搜索意图：内部 Sentence Transformers 分类器（可通过用户反馈进行重新训练）<p>联盟友好：30% 的经常性佣金 + 首月折扣码<p>技术挑战<p>Gemini 的 JSON 输出在大型 HTML 输入（25 万+ token）的情况下可能会出现错误。我们发现返回结构化的 Markdown 格式要可靠得多，然后我们在内部将其解析为干净的 JSON 格式。<p>“只是一个 ChatGPT 包装器”？<p>不是（我们使用 Gemini），但更重要的是：<p>虽然 LLM 为一些审核提供支持，但审核流程与模型无关——我们可以换成 Claude、OpenAI 或开源模型。提示词经过系统调整，以结构化格式提供可操作的、关键的反馈，这种格式反映了我进行真实 SEO 审核的方式。<p>当然，你可以将你的 HTML 复制/粘贴到 AI Studio 中，制作一个提示词，然后手动解析结果。但是：<p>- 你会遇到 token 限制<p>- 你会得到不一致的输出<p>- 你每次都必须这样做<p>或者，你可以直接使用 QueryBurst，获得见解，而无需额外的开销。<p>设计之初就注重隐私<p>你只能看到你在自己的 GSC 账户中已验证的网站数据。我们不会构建全球关键词数据库，不允许竞争对手查找，也不会存储用户密码。<p>数据存储用于报告，但删除是真实的（不仅仅是“隐藏”标记）。再说一遍——你的数据就是你的数据。没有人能看到它。<p>搜索意图（以及开源计划）<p>我们使用经过微调的 Sentence Transformers 模型对关键词意图进行分类。如果分类有误，用户可以进行更正——我们计划定期根据这些匿名反馈进行重新训练。<p>我们还在考虑开源处理此任务的训练微服务（Dockerized），以便为其他人提供一种在内部数据上训练自己的分类器的快速方法。<p>非开源，但完全透明<p>你需要连接你的 GSC 账户才能使用它（因为你的数据存储在那里）。但你可以在注册之前观看一个 1 小时的演练视频——确切地了解它的工作原理以及期望什么，请访问 <a href="https:&#x2F;&#x2F;queryburst.com" rel="nofollow">https:&#x2F;&#x2F;queryburst.com</a><p>有免费版本（数据有限），付费计划起价为每月 45 美元。<p>欢迎你的反馈<p>特别是来自对 GSC 数据呈现方式感到沮丧的开发人员或 SEO 人员——或者任何对构建超越 API 包装的基于 LLM 的工具感兴趣的人。<p>欢迎在评论中回答任何技术、SEO 或 LLM 相关问题。

Hi HN！ 我开发了 [BGRemovePro](<a href="https:&#x2F;&#x2F;www.bgremovepro.com" rel="nofollow">https:&#x2F;&#x2F;www.bgremovepro.com</a>)，这是一个超级简单快速的背景移除工具，专为 AI 生成或风格化图像设计，传统背景移除工具经常会在这些图像上失效。 作为一名构建和使用 AI 图像生成工具的人，我经常遇到自动背景移除的问题（尤其是在复杂的或艺术性的图像上），结果会出现锯齿状边缘或删除主体的一部分。BGRemovePro 经过优化，使用自定义图像抠图流程，可以更好地处理这类图像。 主要功能包括： - 一键移除背景，无需登录 - 快速推理（每张图像 &lt; 2 秒） - 比通用移除工具更准确地处理插图、AI 肖像和艺术风格 - 早期阶段免费使用 我将其构建为一个独立的微型工具，以便集成到其他图像工作流程中。目前仍处于早期 MVP 阶段，我很乐意听取您的想法——特别是如果您使用过类似的工具，或者有它应该支持的棘手图像案例。 感谢您的关注！

我们很高兴分享 Ramanujan，这是一个新的开源编程语言和分布式计算平台，旨在释放现代智能设备中尚未开发的巨大处理能力。 想象一下，所有闲置的智能手机和智能电视都在为科学研究做贡献！ 灵感很简单：阿波罗制导计算机的 CPU 性能与现代科学计算器相当。 如今的智能设备强大数百万倍，但它们大多处于闲置状态。 Ramanujan 帮助利用这种力量来推动科学进步。 什么是 Ramanujan？ Ramanujan 专为分布式计算而设计。 与 BOINC 等平台不同，BOINC 通常需要特定于项目的客户端，Ramanujan 提供了一个通用解释器。 项目所有者使用 Ramanujan 语言提交他们的代码，参与设备只需安装一次 Ramanujan 客户端，即可执行任何提交的计算。 该解释器使用 C++ 编写，并展示了显著的性能提升： * 对于梯度下降算法，比 CPython 快约 14%（约 350 毫秒 vs 约 410 毫秒）。 * 对于鲸鱼优化算法，比 MATLAB 快 20 倍以上（优化 10 个函数，耗时 2.5 秒 vs 55 秒）。 主要特性和未来目标 * 性能：在科学计算方面，比 CPython 和 MATLAB 更快。 * 开源：MIT 许可项目，代码可在 GitHub 上获取。 * 设备兼容性：提供 Android、macOS 和 Ubuntu 的二进制文件。 很快将支持 Windows。 从技术上讲，任何能够进行基本算术运算的联网设备，只要为其架构编译了解释器，就可以运行它。 * 易于使用：一个新的门户网站 (portal.ramanujan.dev) 使得任何人都可以轻松运行 Ramanujan 作业。 还有一个安装程序可用于本地桌面机器（Ubuntu、MacOS）。 我们近期目标侧重于 Python 兼容性： * 完全采用 Python：通过采用 Python 结构和语法，允许最先进的 Python 研究代码在 Ramanujan 上无缝运行，无需修改。 * CFFI 集成：使相关的 CFFI 代码能够与 Python 脚本一起运行。 * 扩展设备支持：为更广泛的智能设备（冰箱、洗衣机等）提供客户端，以最大限度地提高全球计算贡献。 该项目有可能通过利用现有硬件来显著减少电子垃圾和碳排放。 我们相信它可以彻底改变科学研究的计算方式。 参与进来！ Ramanujan 尚处于起步阶段，我们正在积极寻找贡献者！ 无论您对编程、编译器、分布式系统充满热情，还是只想为一项有影响力的开源项目做出贡献，我们都欢迎您加入我们。 我们特别欢迎学生来学习编译器、分布式编排（我们目前的服务仅用 2 核 CPU 即可编排数千次计算！）和大规模系统。 查看项目： * 门户网站：https://portal.ramanujan.dev * GitHub：https://github.com/Ramanujan-Computing/Ramanujan 让我们一起努力推动 Ramanujan 发展！

它提供零依赖、内存安全的操作，用于处理种子文件、bencode 数据和磁力链接。

我把我的作品集网站称为“互联网上最棒的终端风格作品集网站™”。 作为其中的一个“游戏”，我决定尝试一下，添加了这个功能——只需使用“gameoflife”作为命令，试试看吧，我很想听听大家的想法 :)

一切都在运行。只是你无法看到。 你来得太早了。它正在运行。它只是在 2039 年运行。 2039.js 是一个完全量子对齐、情绪路由、意识同步的 Web 框架，专为你的时间维度中尚未可及的现实而设计。 它引入了前沿技术，例如： * `useBrainWaveSync()` – 钩入你的本地意识流 * `syncReality()` – 与多重宇宙设备 ID 同步 * `&lt;ZalgoButton&gt;` – 在稳定模式下渲染情绪混乱 * `main.2040.ql` – 入口点使用 QuantumLang (QL) 编写，而不是传统的 JavaScript 一切似乎都运行良好。 日志是干净的。 熵是稳定的。 你只是无法与之交互…… <i>暂时。</i> 来源：[https://github.com/Mjkim-Programming/2039.js](https://github.com/Mjkim-Programming/2039.js) 这个框架没有坏。 只是你的感知还没有跟上。 编辑：这只是为了好玩！我只是在一个小时前才创建了这个东西，如果你想为它添加更多前沿技术，请为这个混乱的代码做出贡献！ 玩得开心！

我作为一名外籍人士在丹麦生活了四年，终于决定是时候好好学习丹麦语了。毕竟，我有一个丹麦女朋友。我一直在练习的一个方法是尝试只用丹麦语发短信，但我经常会卡住。我用丹麦语开始我的信息，然后就卡住了，因为我不认识一个词，或者不知道如何自然地把某些内容融入句子中。 尤其是在这种情况下，我过去常常放弃，直接把整个信息从英语翻译过来，这有点适得其反，也打断了学习过程。 所以我开始使用 GPT。我会用通配符或注释写下我不知道的部分，它会返回一个更正后的版本。这很有效，但每次都重复使用提示变得很乏味。 所以我围绕它构建了一个包装器。 现在，我可以输入目标语言，用大括号 {像这样} 标记不清楚的部分，并获得带有解释的即时更正版本。我还添加了一个历史记录功能，这样我就可以回顾我犯的错误，并且我计划很快在此基础上构建更多功能（例如，要复习的领域或单词的摘要）。 这个应用程序是为那些想练习写作，又不想因为错误而感到不安，或者因为切换到翻译器而打断思路的语言学习者设计的。 希望它对您有所帮助！