最新

有没有一个在受欢迎程度上能替代 'nativefier' 的后续工具？我看到原作者已经停止了开发，但我认为这种需求并没有消失。大家现在是如何实现它的功能的？ 原始公告：https://news.ycombinator.com/item?id=10930718

Hi HN， 我是 Jaiden，GT 大学即将升入三年级的 CS 学生。 我之前在做一个名为 Projectile 的项目，它是一个 AI 智能体，可以与 Jira 集成（比如录制会议并自动更新 Jira，完善现有工单，清理过期的工单）。 然而，我在尝试让 Jira 集成工作时遇到了持续不断的阻碍，所以我构建了 Juncture，一个致力于简化 Jira API 和 Jira 集成项目的项目。 Juncture 包括一个 Express 后端（处理授权和常见的集成流程），一个 TypeScript SDK（用于与后端交互），以及一个小型前端（用于验证 Jira 连接是否已创建）。 我很乐意听取任何反馈或建议，或者如果有人真的觉得这有用（因为我认为这相当小众）。 感谢您的阅读！

我之所以开发这个工具，是因为我在 Yola.com 负责 AI 功能的开发时感到非常沮丧。<p>提示词测试本应简单直接。我只想找一个简单的方法，可以跨不同的模型测试带有变量和 jinja2 模板的提示词，最好是那种我可以在会议期间打开，运行几个测试，然后与我的团队分享结果的工具。但我试过的每个工具都存在各种问题，比如用户界面笨拙、需要登录和 API 密钥，或者需要冗长的设置过程。<p>这还不止。<p>然后就是价格问题。我得到的最后一个市场工具报价是，一个 16 人的团队每年需要支付 6000 美元，而且是“不用就浪费”的方式。而我们可能每个冲刺周期只用 2-3 次。这简直太荒谬了！<p>在我看来，它应该更像 JSFiddle。一个简单的提示词游乐场，不需要注册，不需要 API 密钥，可以立即进行实验，也就是说，你只需输入一个浏览器 URL 就可以开始工作，就像 JSFiddle 一样。最重要的是，如果我和我的团队不使用它，它不应该花费我任何费用。<p>最终，我放弃了寻找解决方案，决定自己开发一个。<p>它就是：<a href="https:&#x2F;&#x2F;langfa.st" rel="nofollow">https:&#x2F;&#x2F;langfa.st</a><p>请从你的角度帮助我找出它存在的问题、缺失的功能或无法正常工作的地方。<p>附注：我还没有设置任何限制或约束，所以请明智地测试。拜托，别让我破产。

我在使用苹果最新的 iOS 26 Foundation Models 框架进行开发时，遇到了一个常见问题。由于训练截止日期的限制，所有主流的大型语言模型（LLM）（GPT-4、Claude、Gemini）都对它一无所知。 与其等待数月直到模型更新，我花了 2 个小时构建了自定义训练数据： 研究：使用 Gemini 的深度研究功能，爬取了所有可用的文档、论坛、GitHub 仓库、Reddit 帖子和 YouTube 视频转录。搜索关键词为“iOS 26 Foundation Models Framework”。 优化：让 Claude 将所有内容重构为干净的、分层 Markdown 格式，并针对 LLM 摄取进行了优化。 实施：将其加载到 Claude Projects 中，作为一个自定义知识层。 结果：从“我没有关于这方面的信息”到获得关于前沿 API 的专家级指导。我的开发流程从反复试验转变为流畅的 AI 辅助实施。 这项研究非常彻底，甚至引用了我前一天在苹果开发者论坛上发布的帖子——创建了一个奇怪的递归循环，我正在用我刚刚贡献的知识来训练 AI。 这种方法适用于任何新的框架或 API。模式是可预测的：每次重大发布都会创建一个临时的知识空白，而自定义训练数据可以填补这个空白。 技术文章及方法论：https://rileygersh.medium.com/how-i-gave-claude-gemini-knowledge-of-ios-26s-foundation-models-03395d7e905c

想知道像 Kafka（或其他替代方案）这样的事件驱动技术是如何融入大型 LLM 提供商的后端和/或基础设施的。 我主要想到的问题有： 1. 大型 LLM 提供商如何处理训练数据、评估结果和人类反馈的流程？这些是通过事件流（如 Kafka）进行实时处理，还是更多地依赖批处理和传统的 ETL 管道？ 2. 对于具有依赖关系的复杂 ML 管道（例如，数据摄取 -> 预处理 -> 训练 -> 评估 -> 部署），他们是否使用事件驱动的编排，其中每个阶段发布一些完成事件，或者他们是否使用传统的流程编排器，如 Airflow，并采用基于轮询的依赖关系管理？ 3. 他们如何处理实时性能监控和安全信号？这些是能够触发即时响应（如模型回滚）的事件驱动系统，还是主要进行批处理分析，并有一些延迟的反应？ 我基本上是想了解事件驱动范式在现代 AI 基础设施中的应用程度，如果有人正在（或曾经）从事这方面的工作，我很乐意听取任何高层次的见解。