1 分•作者: ossa-ma•大约 19 小时前
返回首页
一周热榜
1 分•作者: darkbatman•大约 19 小时前
1 分•作者: bookofjoe•大约 18 小时前
1 分•作者: theletterf•大约 18 小时前
1 分•作者: hkcanan•大约 18 小时前
我为我的妻子（学术研究员）构建了一个 Obsidian 插件。它使用 Agent SDK 将 Claude Code 嵌入为侧边栏聊天，并附带 7 个斜杠命令技能：
```
- /peer-review — 基于 8 个标准的手稿评估，附带雷达图
- /cite-verify — 针对 CrossRef、Semantic Scholar、OpenAlex 验证参考文献
- /research-gap — 查找文献中的空白，并进行可行性评分
- /journal-match — 根据您的参考文献资料推荐目标期刊
- /lit-search — 在 arXiv、PubMed、Semantic Scholar、OpenAlex 上进行并行搜索
- /citation-network — 交互式引用图
- /abstract — 生成 5 种格式的摘要
```
此外，它还具有内联差异编辑功能（编辑器中的字级别跟踪更改）和 MCP 服务器支持。
开源 (MIT 许可证): hkcanan/katmer-code
1 分•作者: campuscodi•大约 18 小时前
1 分•作者: jgerton•大约 18 小时前
1 分•作者: rbajaj1234•大约 17 小时前
1 分•作者: nickrae•大约 17 小时前
1 分•作者: rcar1046•大约 17 小时前
我希望人们能够支持与他们政治立场一致的公司和个人。此外，我认为它还可以作为一个有价值的、附带来源链接的公共账本，记录随着时间的推移，人们说过什么、做过什么，尤其是在激励措施发生变化，人们试图改写自己立场的时候。<p>这完全由人工智能编码、研究和提供来源。<p>此外，人工智能还帮助开发了评分系统。证据收集由多个不同的代理通过OpenRouter完成，这些代理收集并分类有来源支持的主张。这样做的目的不是假装偏见消失，而是避免我手动选择证据。我打算让它保持更新并不断发展。该系统接近完全自动化，尽管大规模的持续证据收集仍然主要受成本限制。<p>这个名字是对Web 1.0时代和Hot or Not的致敬，Hot or Not是FaceTheJury.com的创建者（我）的主要竞争对手，但我认为它在这里很合适。<p>后端和前端都在Cloudflare Workers上运行，使用D1数据库。它使用原生JavaScript编码。
1 分•作者: thunderbong•大约 17 小时前
1 分•作者: treetalker•大约 17 小时前
1 分•作者: g0xA52A2A•大约 17 小时前
1 分•作者: jiamo•大约 17 小时前
1 分•作者: bookofjoe•大约 17 小时前
1 分•作者: lucasgelfond•大约 17 小时前
写了一篇关于开源的文章，试图搞清楚为什么这篇文章获得了更多的星标（目前有 6800 个，而我其他作品只有一百多个）。很好奇大家是怎么想的！
1 分•作者: ChadNauseam•大约 17 小时前
1 分•作者: LargePanda•大约 17 小时前
1 分•作者: ctoth•大约 17 小时前
1 分•作者: steveharing1•大约 16 小时前
在 GitHub 上发现了这个项目，让我忍不住一直读下去。它是由德克萨斯农工大学和 YouTube/谷歌团队合作开发的，最吸引我的是，它不像那种典型的盲目超分辨率算法，只是简单地碰运气。
实际上，你可以选择几个关键帧，然后用你喜欢的方式对这些关键帧进行超分辨率处理，之后，你的选择会被应用到整个视频中。这种控制程度是我之前在视频超分辨率（VSR）领域里没有见过的。说实话，这想法很巧妙。
而且它还使用了 Apache 2 许可证，值得一看。
有人试过这个项目吗？
https://github.com/taco-group/SparkVSR