一周热榜

我们是否已经到了一个大多数进步都体现在新集成或新应用，而非模型本身大幅改进的阶段？我们还能从中挤出多少生产力？

你好 HN， 如果您将您的代理与 Decispher 集成，您可以通过两种方式在代理之间传输上下文： 1) 如果您正在使用 Git 分支工作，那么 BranchStory 功能会持续记录您的会话活动，例如用户提示 -> 代理推理 -> 代理操作 -> 已编辑文件。这些记录可以被接手任务的其他代理/人类回放。代理还可以为其他代理编写交接说明。 2) 如果您通过 Decispher MCP 连接，那么该 MCP 会为您提供一个带有 copy_context 和 paste_context 的工具。Copy_context 工具会给您一个密钥，您可以在任何机器上的任何其他代理中使用该密钥作为 paste_context(key)，您的聊天上下文就会被传输。 请访问 decispher.com 尝试。

什么是 Decispher？ 您团队与每个 AI 代理之间的决策层 Decispher 是工程决策的记录系统。它能自动捕获您的团队每天在 Slack、GitHub PR 和文档中产生的决策、约定、约束和理由，然后在需要时立即将这些知识提供给人类和 AI 代理。 您可以将其视为一位资深工程师，他阅读了您团队有史以来所有的 Slack 消息、PR 和架构讨论，并且随时可以秒速提供一个有引证、准确的答案来回答“我们为什么这样做？”。 decispher.com

大家好， 我正在寻找一款新的电子阅读器，想听听大家近期的使用体验，而不是参考2024年或更早的类似帖子。 目前最主要的两个新问题似乎是： - 彩色屏幕 vs 黑白屏幕 - 手写输入功能 vs 无手写输入功能 现有的标准仍然适用，包括： - 价格 - 屏幕尺寸 - 电池续航 - 背光 - 实体翻页按钮 - 生态系统（制造商、可破解性、可维修性等） 在推荐方面

我在学习西班牙语课程期间制作了这个应用程序，目的是找到使用我正在学习的动词时态（现在时、过去时、将来时、虚拟式等）的文本。首先，我从网上抓取了约 10,000 首公共领域的西班牙语诗歌。然后，我为 550 多个最常见的动词构建了一个变位词典，使用规则生成规则动词，并从网上抓取不规则动词。仅凭这一点，您就可以确定哪些诗歌包含您试图针对的最多类型的动词。为了更进一步，我使用 Python 中的 k-means 聚类算法，根据动词时态的频率将诗歌分为四个难度级别（例如，包含大量虚拟式将来完成时动词的诗歌比仅包含现在时的诗歌更难）。 我于 2024 年 12 月首次完成了这个项目，几乎完全是手工完成的，主要使用 LLM 来创建一个交互式的 Plotly Dash 应用程序。（我在数据可视化方面拥有丰富的经验，尤其是 ggplot2；这是我第一次使用 LLM 在新领域进行编码。）上周，我花了一个小时使用 Claude，将前端完全更新为 Javascript 和 Plotly.js。 我希望有人能从中受益。这可能是回答诸如“19 世纪哪位哥伦比亚诗人使用将来时动词最多？”之类问题的唯一方法。（当然，这取决于可用的语料库。） 如果我今天从头开始做这个项目，我会使用 LLM 来生成动词形式，而不是像我之前那样创建词典。但我仍然会使诗歌的分析具有确定性。我还会使用 LLM 来评估主题和话题，作为额外的筛选条件。当然，还会扩展到更多语言 :)

我们一直在探索如何快速构建集成，并通过 MCP 将其暴露给代理（Agents），但当涉及到企业治理时，它就成为了生产环境中的一个主要部分和瓶颈。如果您也在寻求类似的解决方案，请查看这篇博文。

他们正在印钞，并将继续印钞，以节省和帮助人工智能及所有大型科技公司实现万亿美元级别的增长。这是一个如此简单的事实，以至于大多数科技从业者都未能正确理解。你们准备好迎接这个时代了吗？如果不明白，可以问问大型语言模型（LLM）或者你们的投资银行家。