最新

一个受 Liquidsoap 启发的 Rust 音频流引擎。

这款客户端单词查找/字谜求解的 Web 应用是我最近为“Paperback”拼字桌面游戏[^1] 开发 Web 应用的副产品。在证明了其在客户端中的价值后，该词典被重构为几乎独立的应用，现在托管于此 URL。 其用户界面专为移动设备，尤其是手机设计——在全尺寸的桌面窗口中看起来相当奇怪（这没关系，因为它并非为此而设计）。 此应用是专门为 Paperback 设计

大家好，我是 Andras，YourSitee (yoursit.ee) 的联合创始人之一，这是一个“链接在简介”工具。 我们最近为公开个人资料增加了可选的原生 Markdown 版本。同一个个人资料可以通过 `/ {username}` 访问其可视化页面，并且（如果所有者启用）可以通过 `/ {username} .md` 访问其结构化 Markdown 版本。 演示： [https://yoursit.ee/showhn](https://yoursit.ee/showhn) [https://yoursit.ee/showhn.md](https://yoursit.ee/showhn.md) 我想了解两件事：你们更喜欢明确的 `.md` 终端节点，还是接受 `text/markdown`？我们是否应该最终允许代理创建自己的、清晰标记的公开个人资料，还是这更有可能成为一个垃圾信息/身份问题，而不是有用的东西？非常期待听到您的想法 :)

当我开始进行代理式编程时，我遇到的第一个问题就是上下文问题，我的代理总是从头开始。我当时有点天真，不太清楚自己在做什么，于是我开始编写一个MCP工具（因为它们很酷，对吧？）来解决这个问题。 我曾认为MD文件很原始。我想，这种记忆应该用数据库来存储。于是我尝试了几款免费的记忆工具，但没有一个真正解决了我遇到的特定问题。我希望代理能够在我需要的时候，以最小的努力记住我需要的东西。我希望它能与我进行架构层面的交流，将一切归档，并在我需要为我正在构建的软件撰写故事时能够回忆起来，而那些在计划和文件之间来回折腾的日子真是令人痛苦。我需要一个知识图谱。 说实话，如果你对MD文件解决方案和你的claude.md文件感到满意，那么我开发的工具就不是必需的。如果情况是这样，这些工具对你来说就不是必需的。如果你已经超越了这种设置，请继续阅读！ 我写的第一个工具是memoryweb（[https://github.com/corbym/memoryweb](https://github.com/corbym/memoryweb)，MIT）。在一系列与Claude的对话中，我们从代理的角度梳理了API的基础，并在几周内就打磨出了一个相当不错的工具。我几乎一直在工作中使用它。当它出错时，我问代理原因，并使用memoryweb记录问题，然后通过一个故事来修复它。这是一个非常有效的循环，几乎毫不费力。 那么，多租户版本呢？我有很多重要的讨论，我的团队可能想跟踪。Recordari主要存在的原因是： * 当两个用户向同一个文件写入冲突的决策时，没有人会注意到。 * 决策可能会被取代，但旧文本仍然存在，代理可能会认为过时的版本是正确的版本。 * 多次会话后，没有人能说出为什么会做出某个决策，或者它是否真实。 * 有效地记录决策何时或由谁做出 Nothing gets recorded about when or who made the decision effectively。 Recordari是专门为处理这些问题而编写的。记忆是有类型的，代理可以通过带有“冲突”和“已解决”标签的类型化边来连接记忆，这正是你需要了解是否有人反对的类型信息。服务器会标记可能冲突的语义上相似的记忆，然后代理会裁定可能的冲突并解决它们。每个记忆都有一个所有者，所以代理不会仅仅覆盖人类的决策。 哦，对了，数字。是的……这些数字是使用Memora（Microsoft Research，ICML 2026）的开源基准测试工具运行的，未经修改。模型、LoCoMo数据集和类别排除约定都相同。Recordari的端到端得分为0.831，LLM判断的准确性高于Memora公布的0.801。所有结果都是公开的（MIT）：[https://github.com/corbym/locomo-recordari](https://github.com/corbym/locomo-recordari)。最大的惊喜是多会话问题的得分是0.869，而原始存储基线的得分为0.760。 该基准测试工具本身是针对生产API运行的——正是真实代理会使用的MCP搜索和检索API。不是模拟的后端，而是真实的API，配置为`top_k=30`，并且进行1跳边扩展。 Recordari可以与Claude、Claude Code、ChatGPT以及几乎任何可以连接到MCP并进行推理的代理一起使用。 如果你想运行一个代理来自己运行LoCoMo基准测试，你可以通过匿名登录： [https://admin.recordar.io/start](https://admin.recordar.io/start) 只需记住从“连接”页面添加“完整技能”，然后连接你的代理。就这么简单。 我想从HN上了解：你是否和我一样，在团队中感受过同样的痛苦？我也想知道，你是否会想要这样的东西？ 谢谢大家！ Matt

我制作了这个小指南，用于查找今晚可见的行星，以及一个流星雨的流星计数器。另外还有一个太阳系模型，帮助我理解天体运行的规律。如果您提供您的位置信息，所有内容都将基于您的地理位置。 lifesprites.com/solar.html 不需要创建账户。其他部分需要。虽然是免费的，但需要注册账户。

一个表单同时完成了五项任务：判断状态、选择要打开的表单、提取数值、记录每个数值的来源，以及验证必填字段。 自然语言保留了第三项（提取数值），其余的交给了模型。没有人记录哪些信息丢失了。 大型语言模型（LLMs）是通过填空来训练的。现在我们已经从对话转向了行动，我们却告诉它们不要填空。 但是，没有人给它们一份不允许推断的内容列表，也没有教它们如何在不推断的情况下填空。 这里是对该列表和该方法的尝试。 https://github.com/Jang-woo-AnnaSoft/execution-state-preflight/