最新

隆重推出 trailers.fm。<p>这是一个直播频道，收录了从 1896 年至今超过 150,000 部电影预告片。我已将其按类型、年份和语言进行了分类。这是一个发现新电影或消磨一整天时光的有趣方式。请告诉我您的想法！

如今，代码生成速度非常快，但如何审查和测试所有这些代码呢？ 每次你让模型审查一段代码时，它都会返回不同的“发现”。因此，你仍然需要过滤掉这些发现中的噪音，才能找到实际的缺陷。 如果尝试手动进行全面审查，那么理解代码可能比从头开始编写代码花费的时间还要多。 至于测试，你可以让 LLM 编写测试，但你无法确定这些测试是否真正断言了预期的产品流程，还是仅仅为一段逻辑编写了通过/失败的测试。 我想知道你是否有任何工作流程、策略或技巧。

我们正在制定一个关于个人人工智能熟练度的等级体系，并希望就各级别及其定义征求反馈。 L0 新手：刚接触人工智能，或尚未开始使用。 L1 对话：简单的提示-响应式使用。工作是串行的：提问，等待回答，然后再次提问。 L2 情境化工作：为人工智能提供相关的文档、数据或工作空间情境，使其能够在实际的工件中工作并产生更有用的结果。 L3 协调：跨独立工作流协调多个代理或人工智能角色，工作可能涉及审查、质疑、比较或基于其他工作进行构建。这不仅限于工程领域。 L4 自动化：创建由业务事件触发的工作流，无需有人坐在笔记本电脑前指导每一步即可运行。 L5 循环：将这些工作流的输出反馈到共享知识库或公司知识库中，以便未来的工作流能够随着时间的推移而改进。 有几点我希望您能提供宝贵的看法： 这些级别是否恰当？ 是否有任何名称不清晰或存在重叠？ 您会用哪些可观察的行为来区分相邻的级别？ “循环”作为一个个人熟练度级别是否合适，还是它本质上是一种团队或公司能力？ 是否存在 L6 级别，如果有，您将如何定义它？ 我们之所以试图定义这些，是因为在与客户的交流中，我们发现人们并不擅长自我评估他们的人工智能熟练度。频繁使用常常被误认为是熟练。处于这样一个等级体系的较低层级，可能会让人感觉承认自己落后了，不合群，或者工作不保，尤其是对于那些被期望引领潮流的领导者而言。我们希望找到一种更客观、基于行为的方式来区分这两者。

在构建物联网遥测解决方案时，我们在 ClickHouse 上遇到了障碍。首先，如果不设置类似 Kafka 的东西，就无法快速且持久地将数据插入 ClickHouse，这对于想要利用 ClickHouse 强大功能的快速项目来说会很复杂。然后，尝试实际查询 ClickHouse 并在 UI 中显示数据需要一个完整的后端 API 来处理身份验证和权限。 我们认为，所有这些部分加在一起——快速、持久的数据摄取，行级和列级安全与角色，以及实时流处理——对于我们想要在其中使用 ClickHouse 的每个项目来说，都需要大量的脚手架来重建。因此，我们将所有这些都构建到一个 Go 二进制文件中，并与 ClickHouse 一起部署，以帮助降低 ClickHouse 的入门门槛。我们称之为 WaveHouse。 我们非常欢迎您对我们正在改进和为这个开源项目添加更多功能的反馈！

我厌倦了 Notion，于是我构建了我心目中的文档编辑器。它完全使用 Markdown 格式，因此可以轻松查看技能或其他与代理相关的文档。它拥有我喜欢的 Figma（共享光标和关注功能）和 Google Docs（评论、实时编辑）的协作功能。然后，您可以将差异和评论导出到代理。我一直很喜欢用它在通话中实时讨论技能文档。我很想知道这是否能引起其他人的共鸣。更普遍地说，我觉得在一个文档具有截然不同目的且 Markdown 是王道的时代，Notion 越来越不重要了。我很想听听大家的看法！