最新

你们许多人正在为非技术解决方案构建人工智能，例如法律领域。 你们如何处理用户需要不时纠正先前描述的行为时所产生的心理问题？

嘿，HN！在用了 15 年 iPhone 之后，我最近换到了安卓。切换后我最怀念的是我以前的有声书播放器，但一直没找到喜欢的。所以，我决定自己做一个。<p>它叫 Earleaf，可以播放你本地的有声书文件。<p>我最兴奋的功能是页面同步。你只需拍下实体书（或电子书）页面照片，App 就能在有声书中找到对应位置并跳转。它的工作原理是在设备上转录书籍，当你拍照时，它会使用 ML Kit 进行 OCR 扫描，并将文本与转录内容进行匹配。初始转录需要一段时间，但这是一次性的，一旦完成，实际搜索在我的设备上大约需要两秒钟。而且所有操作都在本地进行。<p>除了页面同步，它还是一个功能齐全的播放器，具有嵌套收藏、独立的收听进度跟踪以及相当不错的统计功能。没有账号，不需要网络，也没有广告。<p>很乐意回答关于 App 及其功能的问题！

AI 智能体在软件方面表现出色，因为其“编辑-运行-观察-重复”的循环是闭合的。而硬件却打破了这种循环。智能体可以编写固件，但无法看到设备实际在做什么。 本项目旨在弥合这一差距。三个 MCP 服务器为智能体提供了对真实硬件接口的直接访问权限：调试探针（烧录固件、暂停 CPU、读取寄存器和内存）、串口控制台（启动日志、CLI 命令）和 BLE。 我们使用结构化工具，而非 shell 命令，这样智能体就能像推理代码一样推理硬件状态。 最新的演示：从单个终端会话中，在 nRF52840 上部署 TFLite Micro 关键词识别模型。智能体烧录了固件，调试了硬故障，切换到 CMSIS-NN 优化内核，并调整了张量 arena 的大小。 最终结果：端到端延迟 98 毫秒，在来自 Google Speech Commands 数据集的真实录音中，准确率达到 94.6%。 这是关于赋予 AI 智能体直接访问硬件权限的系列文章的一部分：<a href="https:&#x2F;&#x2F;es617.github.io&#x2F;let-the-ai-out&#x2F;" rel="nofollow">https:&#x2F;&#x2F;es617.github.io&#x2F;let-the-ai-out&#x2F;</a>

Hi HN， 我开发了 hanoi-cli，这是一个小型的 CLI 工具，用于分析 Pod 在 Kubernetes 节点上的分布情况，并提出更优的部署建议。 这个想法源于一个反复出现的问题：即使正确设置了 requests/limits，集群也经常最终变得不平衡。一些节点过载，而另一些节点则未充分利用。 欢迎反馈。

构建了一个免费的 Superwhisper 替代方案。Whisper 在本地运行，可选通过 OpenAI、Anthropic 或 Ollama 进行 LLM 清理。采用 MIT 许可证。