最新

因此，我最近在探索基于任务复杂度的模型路由的不同选项，并意识到模型路由器提供统一的 MCP 网关是绝对必要的。 因为这就像连接独立的提供商到服务一样痛苦。例如，您正在使用 OpenCode 和 Hermes，并且作为提供商，您拥有 Groq、OpenRouter 和 Anthropic，还有几个 MCP。因此，麻烦在于需要分别将所有 MCP 和 LLM 提供商连接到 OpenCode 和 Hermes。现在，您可以为两个模型这样做，但如果您还使用 OpenClaw、jcode 或 Muse Code 呢？这会变成执行繁琐杂务的噩梦。 因此，像 Bifrost 这样的 LLM 和 MCP 网关变得有必要，它是免费且开源的。在我尝试过的所有解决方案中，如 Truefoundry 或 LiteLLM，Bifrost 听起来是最好的。请在评论中分享您对此的反馈和意见。

我为 Mermaid 流程图创建了一个新的渲染引擎，旨在消除手动调整布局的需要。Mermaid 是一种流行的文本语言，用于描述多种类型的图表。 目前已存在多个 Mermaid 渲染引擎。大多数，如原始的 mermaid.js，使用 Dagre 或 ELK 图绘制库来自动布局它们的图表。我过去四年一直在使用 Mermaid，但经常在图表编辑器中重新创建我的流程图，以便修改布局以更好地满足我的需求。 当您需要自动排列流程图以优化清晰沟通时，请使用 Line9。它致力于以规则的网格间距、更近的关联节点定位、更短、更直的边来布局流程图，并以类似页面的宽高比为目标。`/diagram` 页面的“比较”按钮（左侧的共享面板）会并排显示 Line9 和 mermaid.js 的渲染结果。 免费使用，无需注册账户。还可以下载适用于 Mac、Windows 和 Linux 的命令行工具。免费使用的图表会带有水印。命令行工具的商业用途需要付费账户，并且您将获得无水印的图表。Line9 不是开源的（我需要创造收入，并且商业模式正在测试中）。 我试图将我手工创建流程图时使用的布局原则进行编码和自动化。所有渲染都在浏览器中进行，因此没有私有数据发送到 Web 服务。命令行工具是用 Rust 编写的，并嵌入了渲染器，因此您只需安装一个二进制文件，所有数据和处理都保留在本地。由于同时解决节点定位和边路由以找到最符合设计原则的布局这一难题，它目前比 mermaid.js 稍慢。 输出格式为 SVG 或 PNG。还可以通过 URL 共享图表，URL 中包含嵌入 Mermaid 文本的片段。 我知道仍需改进的地方：子图的定位和旋转、折叠图以更频繁地达到良好的宽高比、边标签放置的进一步改进、与长节点标签的更好交互以及缩小比例时界面的整理。然后我还想支持更多图表类型。 请将您自己的 Mermaid 流程图粘贴到 Line9 中——特别是那些您以前因为布局不佳而放弃的流程图。请告诉我它们是否有所改进，或者还需要进行哪些其他工作。

(likeface.net 也会重定向到这里)<p>简而言之：根据文本描述、包含您想要的字体 5 个以上字母的图片，或上传 TTF/OTF 文件，生成可下载和安装的字体。<p>每个基础字体生成最多 6 美元，批量购买 GET 代币会更便宜。总共 2 GET，可获得 500 多个字形以及粗体/斜体版本。<p>{内容在初始评论中继续}

大家好。这是我第二次提交一个非常独立、非常充满激情的项目，第一次尝试未能成功。 背景故事：大约十年前，我开始捣鼓一个基于网络的平台，用于探索间隔重复系统（SRS）的边缘应用。该项目有三个主要目标：扩展SRS可以处理的内容类型，例如通过MIDI乐器连接进行音乐练习；将SRS的调度与其他教学协议相结合，如先决条件图、Elo评分、程序化调整特定练习的难度等；以及允许在竞争性协议之间进行由使用驱动的教学法发现，例如学习到的先决条件连接，以及向课程设计者展示聚合学习瓶颈。 这个项目一直停留在业余爱好阶段。它得到了相当多的个人内部使用，但我一直渴望对其投入更直接、更持续的关注。 大约四年前，我有了个蹒跚学步的孩子。 于是：我开始将语音练习添加到我们的内部学习平台。即使是适度的日常使用，我们也取得了巨大的成功。随着她技能的增长，我为她准备了更难的内容。她大约在四岁生日时就开始独立阅读，并且一直没有停止过。 过了一段时间，我了解到一款知名的“高端”早期读写应用程序的订阅费用高达每月500美元。这让我很不高兴——我不喜欢如此重要的早期生活技能存在如此高的收入门槛，尤其是当这项技能如此明显地能激发学生的自我效能感和未来学习能力时。我们家里已经有了证明一个有效系统的存在，而且由于其机制，它在大规模应用时可以做得更好。 于是我下定决心。我稍微美化了一下它，并构建了一个语音分析管道，用于处理英语语言的语音分解和词汇使用数据集。这有助于根据递增的效用来优先排序课程顺序，并对儿童的错误进行相当强大的程序化处理/响应。 我对结果非常满意！我认为它足够吸引人且对目标受众（语言能力强、学龄前儿童）友好，而没有依赖于吸引注意力的“技巧”。为了最大限度地减少屏幕时间，它被严格限定在构建和维护语音技能库——这是早期读写能力中计算机簿记系统比普通亲子读写活动（例如，在沙发上一起读书会比任何读写应用程序的叙事内容都好）具有最大比较优势的领域。它的价格远低于每月500美元。 这里仍然存在一些（很多？）粗糙的边缘，但该应用程序现已投入生产，并为少数几个似乎很喜欢的家庭提供服务。 一些链接： https://letterspractice.com/showHN - 应用程序运行时的一个技术演示，实时展示了引擎的一些工作原理。恐怕有点嘈杂。 https://github.com/patched-network/vue-skuilder - 框架本身，文档位于 https://patched.network/vue-skuilder/ https://letterspractice.com/blog/a-is-for-access - 我为该应用程序写的“hello-world”博客文章。大部分是对上述起源故事的扩展。 我在这里接受所有建议和评论——我对B2C领域非常陌生。我也非常乐意就早期读写能力习得的设计空间、两三岁儿童使用此类软件的理由，或任何其他问题进行深入探讨。 谢谢！