最新

我们刚刚推出了 Cloudexplain，一个只需几行代码就能让机器学习模型轻松实现可解释人工智能 (XAI) 的平台。 作为数据科学家，我们对解释机器学习模型所浪费的时间感到非常沮丧——可视化 SHAP 值、创建仪表板、理解黑盒模型，或者为利益相关者手动构建报告。我们构建了 Cloudexplain 来自动化这一过程，并解决开源 XAI 库目前的不足之处。 它的功能： * 只需几行代码即可生成标准化的交互式 XAI 可视化 * 支持开源机器学习库（支持 scikit-learn、XGBoost、TensorFlow、PyTorch 等） * 模型解释、特征重要性 * 通过云基础设施扩展扩展到数百万次预测（仅限托管计划） * 让您并行运行 XAI 程序和推理运行 * 为开发人员和非技术利益相关者提供协作就绪的见解 * 通过 Python SDK 或 REST API 轻松集成 * 帮助满足 GDPR 或 CCPA 的要求 快来体验一下吧，看看示例用例，并告诉我们您的想法。

你解决实际问题时用过的最难或最美的数学是什么？

大家好，我是 Autumn 的 Ayush（<a href="https:&#x2F;&#x2F;useautumn.com&#x2F;">https:&#x2F;&#x2F;useautumn.com&#x2F;</a>）。Autumn 是一个基于 Stripe 的开源层，它将定价和计费逻辑与您的应用程序解耦。无论使用哪种定价模式，我们都能让您高效地管理定价方案、功能权限和支付。这有点像 Supabase 和 Stripe 的结合体。<p>通常，您需要编写代码来处理结账、升级/降级、支付失败，然后接收 webhook 来配置功能、重置使用限制等。我们将这些抽象成一个函数调用，用于所有支付流程（结账、升级、降级等），一个函数用于记录使用情况（以便我们跟踪使用限制），以及一个客户状态 React hook，您可以从前端访问它（用于处理付费墙、显示使用数据等）。<p>这是一个演示：<a href="https:&#x2F;&#x2F;www.youtube.com&#x2F;watch?v=SFARthC7JXc" rel="nofollow">https:&#x2F;&#x2F;www.youtube.com&#x2F;watch?v=SFARthC7JXc</a><p>Stripe 很棒！但人们使用 Autumn 而不是直接使用 Stripe 的主要原因有两个：<p>(1) 计费基础设施可能变得复杂。在支付之后，仍然需要处理 webhook、权限管理、计量、使用重置，并将它们连接到升级、降级、取消和支付失败状态。<p>(2) 成长中的公司经常迭代定价：提高价格、尝试积分或对新功能收费等。我们让您无需处理基于使用量的限制（在当今的定价中非常常见）、重建应用内流程、数据库迁移、自定义定价的内部仪表板，以及对不同定价方案的用户进行“祖父化”。<p>删除计费流程等，真的很糟糕。使用 Autumn，您只需在我们的 UI 中进行定价更改，它就会自动更新。我们有一个 shadcn/ui 组件库来帮助实现这一点。<p>由于我们支持许多不同的定价模式（订阅、使用量、积分、基于席位等），我们必须在后台处理许多不同的场景和案例。我们试图在保持原生集成灵活性的同时，保持设置的简单性。这是我们主要端点架构的一个小片段：<a href="https:&#x2F;&#x2F;useautumn.com&#x2F;blog&#x2F;attach">https:&#x2F;&#x2F;useautumn.com&#x2F;blog&#x2F;attach</a><p>目前，从我们这里获得最大价值的用户是需要快速行动并保持灵活的创始人，以及更多 AI 原生的新手/非技术开发人员。<p>您可以克隆该项目并探索代码库，或者在 <a href="https:&#x2F;&#x2F;useautumn.com&#x2F;">https:&#x2F;&#x2F;useautumn.com&#x2F;</a> 上试用，对构建者免费。我们的代码库是 <a href="https:&#x2F;&#x2F;github.com&#x2F;useautumn&#x2F;autumn">https:&#x2F;&#x2F;github.com&#x2F;useautumn&#x2F;autumn</a>，文档在 <a href="https:&#x2F;&#x2F;docs.useautumn.com&#x2F;">https:&#x2F;&#x2F;docs.useautumn.com&#x2F;</a>，演示在 <a href="https:&#x2F;&#x2F;www.youtube.com&#x2F;watch?v=SFARthC7JXc" rel="nofollow">https:&#x2F;&#x2F;www.youtube.com&#x2F;watch?v=SFARthC7JXc</a><p>我们很乐意听取您的反馈，以及我们如何改进它！

我厌倦了在编码和 Git 操作之间来回切换，所以我构建了 vibe-git——一个 MCP 服务器，当 AI 助手进行代码更改时，它可以自动化整个 Git 工作流程。<p>它的工作原理如下：<p>- 你说“让我们开始一个 vibe 会话” → AI 调用 start_vibing()，服务器创建一个分支并启动一个文件监视器<p>- 监视器检测到 AI 编辑文件并自动提交更改（每秒一次）<p>- 你说“让我们停止 vibing” → AI 调用 stop_vibing()，服务器压缩提交、在最新的 main 上进行变基，并创建一个 PR<p>“vibe”理念：你自然地谈论功能，AI 编写代码，文件监视器无缝处理 Git。此外，如果/当代理失控时，你永远不会丢失工作，因为每次更改都会立即提交。<p>我一直在使用 Claude Code + vibe-git 来开发 vibe-git，以此来“自举”这个项目。<p>目前的堆栈是用 Python + FastMCP + beartype + plum + mutmut 实现的。<p>到目前为止，我的体验是，当你不必切换上下文来提交/管理 Git 时，更容易保持流畅的工作状态，而且我发现我不太需要微观管理代理，而是专注于迭代以获得一个看起来不错的 PR。