最新

我写 Chat Threads 的原因是我在一次长对话中途开始对 AI 咒骂。然后我继续了对话。 之后，我想把那部分内容提取出来。我不想在它发生之前开启一个新的分支。我只想把中间的那部分内容取出来，并保留它之前和之后的所有内容。 这就是 Chat Threads 最初的构想。 Chat Threads 允许你处理 ChatGPT 或 Claude 对话的副本。你可以从对话中间移除部分对话，而不改变原始对话，然后保留之前和之后的所有内容。 它还允许你将长对话拆分成不同的主题。你可以手动进行，或者选择让 AI 为你建议主题和分配，然后你进行审查。 该项目是开源的： https://github.com/onyourmark/chat-threads

大多数图分析包都提供可变图实现，该实现使用堆分配的向量来存储图。这对于小型图来说是可行的。但如果你使用 G.add_edge() 加载一个包含十亿条边的图，那将耗费很长时间。 我们无需发明新的标准。这种可互操作的、不可变的内存标准已经存在：Apache Arrow 和压缩稀疏行 (CSR)。CSR 被广泛应用于 scipy、cugraph 和列式图数据库等。它同时支持 CPU 和 GPU。 icebug-format 将两者结合，形成一个基于 Apache Parquet 的磁盘标准和一个基于 Apache Arrow 的内存格式。 提供多种流行语言的绑定，包括 Python、TypeScript 和 Rust。 该软件包附带便捷脚本，可在内存/磁盘受限的环境中将扁平表（如 vertex.parquet 和 edges.parquet）转换为此格式。 示例图： https://huggingface.co/datasets/ladybugdb/ldbc-csr/tree/main 转换自： https://ldbcouncil.org/benchmarks/graphalytics/datasets/ 转换后的最大图包含 30 亿条边。 许可证：MIT 快速入门： ```bash uv tool install icebug-format icebug-format --source-dir wiki-Talk lbug -i wiki-Talk-csr/schema.cypher ```

作为一个拥有干净 IP 段和注意力缺陷多动障碍（ADHD）的人，我通过分散在不同域名的多个账户来管理我的收件箱。我从未真正找到一个能满足我所有需求的客户端，于是我花了一些时间自己制作了一个，现在它已经成为我的日常主力。 它在视觉上被优化得非常简洁，并且高度可配置，例如颜色、文件夹/子文件夹、排序以及调整搜索查询功能以更好地匹配你经常搜索的内容。此外，还有一些实用的小功能，例如专门构建的 PWA、批量域名入驻、MCP 和暗黑模式。 它是完全可自托管的、开源的，并且没有任何 AI 臃肿/风险投资的噱头。我不是在推销任何东西，而是想做一个不那么糟糕且易于使用的东西，如果你试用过，非常欢迎你提供反馈！ :~)