一周热榜

很高兴与大家分享 Prela 查询语言的“第二版”。 在分享了上一版本后，我收到了一些宝贵的反馈，其中最主要的是基于 Unicode 的奇怪语法让大家感到困惑。 Prela 现在拥有更熟悉的类 SQL 语法，同时遵循代数原理，这使得该语言具有组合性和可控性，并且核心引擎的代码量仍保持在 1k 行以内。 引擎也已从 Julia 重写为 Rust，这带来了更简洁的代码和更快的性能（这不仅仅是因为“Rust 快 Julia 慢”，还涉及一些深入的编译器层面的原因，我希望将来能写文章详细介绍）。 长远来看，我认为 Prela 的价值不在于它是一个独立的查询语言，而在于它展示了关系组合子的强大功能，这些组合子可以像迭代器一样，在任何语言中实现。

很明显，人工智能公司正逐渐转向关注这一点。 在泡沫破裂之前，90年代是否有过这方面的努力？ 我那时还是个孩子，只记得像“杂货界的Priceline”这样的概念和疯狂的首次公开募股（IPO），但除此之外记得的不多。 我一直对其中的相似之处和可以吸取的教训很感兴趣。

我喜欢字典游戏：一个人从字典里找一个生词，然后写下它的定义。接着，其他玩家也写下自己编造的、假的定义，然后大家一起猜哪个是真的。<p>我基于这个概念制作了一个类似 Wordle 的每日游戏。游戏会显示一个单词和四个定义，由你来判断哪个是真实的。每天都有五个新词可以尝试。<p>真实的定义来自维基词典，虚假的定义则由 Claude（有时也包括我）编造。<p>请告诉我你的想法，以及如何改进这个游戏！

您使用了哪些模型和硬件？用于什么目的？遇到了哪些挑战？有什么技巧帮助您完成了这项工作？<p>这或许能帮助像我一样的新用户进行设置。

找工作真烦人。在 LinkedIn 和 Indeed 上翻找，从猎头那里收到无数垃圾邮件，他们试图覆盖尽可能大的受众，点击“快速申请”却石沉大海，还要费力分辨哪些工作是真的。我妻子几个月前开始找工作时就遇到了这些问题，所以我为她构建了一个工具，帮她分担最糟糕的部分。结果就成了这个。哦，对了，她不到两周半就收到了一家大公司的录用通知书。现在，她很喜欢她的工作。 Morning Stack 在夜间运行。当用户入睡时，它会遍历大型招聘网站（以及一些小众网站），然后尝试验证每一个职位信息，然后再信任它。 这份工作是真的吗？——它会在真实浏览器（Playwright）中打开职位信息并进行检查。我们不进行 API 抓取，也不登录任何账户。然后，我们会回溯到公司自己的 ATS 页面，以便您直接向他们申请。如果找不到，该职位将被删除。 它符合您的要求吗？——一个 LLM 会将职位描述与您的个人资料（简历、职业故事、期望职位、薪资范围、地理位置和福利）进行交叉比对。您越具体，最终收到的职位就越少。这正是其意义所在。 对于少数幸存下来的候选职位，它会根据职位描述调整您的实际简历并为每个职位起草一封求职信。一个独立的验证器会再次阅读这些内容，并与您的实际简历进行比对，剔除任何无法支持的事实。我们通过三振出局规则来避免 AI 生成的虚假信息：如果一个声明尝试三次后仍无法得到支持，它就会放弃该职位，继续前进，而不是发送虚假信息。 到早上 7 点，您将收到一小叠（最多 3 个）真实的职位空缺以及完整的申请材料。 - 您会看到每个职位的一些有用的信息（公司和职位信息，以及任何异常情况，如高薪或无限带薪休假）。 - 您会进行审查，以确定您是否感兴趣。 - 您自己进行润色，并在公司最直接的网站上提交申请。 就是这样。这是您的声誉；您自己掌控。以下是我特意没有构建的功能： 它绝不会登录您的任何实际账户，也绝不会代表您自动申请。在我看来，这是一种非常糟糕的趋势。我不认为它有效，也不认为人们信任它。“广撒网”不适合那些关心职业发展结果的人，您将始终以自己的名义提交申请。 本周将向一小部分测试用户开放。有一个等候名单。链接在上面。 我很乐意在评论中深入探讨架构或服务条款的理由。

我为我的在线学习平台和企业培训课程创建了一个浏览器内的 Python/Pandas/Git 实践环境。我很乐意讨论我是如何设计这个环境的，如何在我的课程中使用它，以及我所做的架构决策。 对我来说，最有趣的是有多少功能是在浏览器中运行的。得益于 Svelte、Pyodide、isomorphic-git、LightningFS 和 CodeMirror，我能够提供一个完整的 Python、Pandas 和 Git 环境。 我使用 Claude Code 构建了其中的大部分内容，我很乐意讨论这个过程——哪些方面效果很好，哪些方面我不得不自己介入并做出决定。 我对 Git 模拟器尤其感到兴奋：它可以在您运行命令时显示提交树的变化，以及文件在工作区、暂存区和 HEAD 之间移动的动画视图。 AI 导师使用了 Claude Haiku，它以我的新闻通讯、课程和练习作为输入，并附带了我教学方法的描述：讲师应该提供提示和反馈，但不透露答案。

我需要一个分类器来处理那些不属于典型机器学习应用场景的、细微的、主观的分类（例如，“这是否是剧透？”、“这是否事实正确？”、“这个用户是否在说谎？”）。我最终对我构建的解决这个问题的架构非常满意，于是我将其作为一个独立的 API 和服务推出了，名为 CriteriaBot。 **它的作用：** 你提供内容和简单的英文标准。它会给出内容是否符合这些标准是/否的判断。 **它的工作原理：** 除了传统的分类器外，分类请求还会通过一个由小型、开放权重的大型语言模型（LLM）组成的池进行路由，以达成共识判断。 我构建了一个预投票因子分解机，根据主题/类别的嵌入来选择一个优化的 LLM 子集，以获得最佳信号强度。然后，第二个因子分解机读取投票和嵌入，得出单一的判断。该判断会根据用户在语义相似评估中与模型达成一致/不一致的历史记录进行动态调整。 这些模型还连接到维基百科和 Wolfram，以支持需要最新信息或数学依据的边缘情况。 **发现：** * 使用相同的测试环境和样本集，Gemma 4 26B 的准确率仅比 Opus 4.8 低约 1 个百分点。 * 纯粹的“神谕”模型理论上非常好——目前在数据集上准确率约为 98%。我将第二个因子分解机用作组合器，因为它理论上可以超越“神谕”结果，但这是一个有趣的备用方案。 * 最有用的大型语言模型出乎我的意料——LFM2 24B 对共识的贡献最大，尽管它单独来看（在我们目前的大型语言模型池中）是最差的。它与其他模型的关联度最低（也许是由于其独特的架构？），这使得它在某些问题上成为一个有用的信号。 * 处理用户提交图像的法律义务……非常复杂。在我解决这个问题之前，我已经为非我本人用户禁用了图像支持（如果你希望尝试“热狗，不是热狗”的话）。 * Rails 将“criteria”的复数形式错误地单数化为“criterium”，直到我花了大量精力去修复才意识到这是错误的。 **发布原因：** 我一直处于倦怠状态，而让这个项目运行起来让我感到非常满足。我生活中大部分非技术人员很难对此给出除了“这是什么？”之外的反应。 我非常乐意收到你任何诚实的反馈。

这里有人完全用本地模型取代了 Claude/GPT，将其作为主要的编程工具，而不仅仅是用于辅助实验吗？如果有，请分享你的配置和性能（例如，每秒 token 数）。

如果不用，技能就会退化。我现在所有的事情都只用人工智能来完成，因为这样做速度更快、效率更高。你们会做些什么来保持认知能力呢？