一周热榜

大家好，我一直在开发 Perro Engine，这是一个用 Rust 编写的独特游戏引擎，它允许你使用 C#、TypeScript 或引擎 DSL：Pup 来编写游戏脚本。引擎会将你的脚本转译成 Rust 模块，这些模块与引擎交互，无需运行不同的运行时、解释器或虚拟机。 这样做本质上比脚本层提供了更高的性能，因为无需解码字节码，也没有运行时膨胀。 它还允许每种语言支持所有相同的功能，并访问引擎的内部 API，因为你无需担心它们实际上是用该语言实现的并与 Rust 核心交互，它就是 Rust，它只是在 API 中调用原生函数。 需要说明的是，当然，这意味着它实际上并没有运行 C# 或 TypeScript，它只是熟悉的语法，以避免在你不希望的情况下用 Rust 编写游戏逻辑。如果出于性能原因（例如非常具体地管理内存分配、克隆、借用）需要这样做，那么你可以像编写任何其他游戏脚本一样，以原生方式编写 Rust 脚本，它只需要遵循引擎期望的结构和约定。 我欢迎任何反馈，并很乐意回答任何问题，如果你不介意的话，给仓库点个星就太好了！

我以前也用过 shell 脚本，但主要是在有限的范围内，用别人的开源脚本来完成特定任务，或者偶尔用一次性的脚本来清理硬盘。<p>具有讽刺意味的是，现在人工智能在编码方面确实很出色，我发现自己“编写”的 shell 脚本反而变多了。<p>它们很稳定，可移植，并且几乎可以在我关心的任何环境中运行。人工智能很乐于生成它们，执行速度快，而且非常适合自动化。<p>最终，我构建了一套不断增长的自动化系统，围绕着简单的、交互式的 shell 脚本菜单，来处理我一直都在做的事情。当我想改进一个脚本、添加分支逻辑或调整行为时，我只需让 AI 修改脚本，然后继续。我有点喜欢这种方式。<p>对我来说，这感觉像是 shell 脚本的复兴。<p>好奇其他人是否也经历了同样的变化，或者我是否陷入了某种奇怪的怪圈/反模式。

这是一个简单的 Apify 机器人，用于抓取网站并将它们编入 Google 新推出的 Gemini 文件搜索 API（于 11 月 6 日发布）的索引。<p>工作流程：抓取 → 清理内容 → 上传到 Gemini → 获取带有自动引用的永久可查询知识库。<p>技术方法： - 从 5 个 Apify 原生抓取器中智能选择抓取器 - 自动内容清理（去除导航栏/广告/冗余内容） - 上传到 Gemini 文件搜索（持久存储） - 按页面付费定价（起价 0.02 美元，每页 0.0015 美元）<p>潜在用例： - 将文档转化为 AI 聊天机器人 - 使公司维基百科能够自然搜索 - 构建 RAG 应用，无需管理向量数据库<p>基本上，使用 Apify 抓取器运行 AIO，简化您的 Gemini 文件搜索 RAG 摄取流程。<p>我利用一个周末的时间构建了这个机器人，参加 Apify 100 万机器人挑战赛。这是我的第一个 Apify 机器人，所以很想知道这个定价是否合理。<p>请注意，由于挑战赛的限制，有一个禁止抓取的网站列表过滤器。该过滤器将在挑战赛结束后（2026 年 1 月 31 日）解除。

我正在构建一个客户服务平台，现在遇到了令人沮丧的瓶颈。那些“AI 智能客服”的演示和教程总是光鲜亮丽，但将用户混乱、非结构化的意图与僵化、事务性的内部流程连接起来的现实，却变成了一场充满边缘情况的噩梦。 感觉我 80% 的工程精力都花在构建防护措施上，以防止幻觉或灾难性的逻辑错误，而真正用于发布新功能的时间只有 20%。 对于那些真正参与其中的人（仅限生产级），我的问题是： 你们是否找到了一个在严格的业务确定性和 LLM 的概率性之间，真正可行的架构“最佳点”？ 还是我们只是试图将一个随机的 token 预测器硬塞进一个有限状态机里，而从根本上说，这只是对关键任务工作流程不可持续的炒作？ 我需要的是实战经验和现实反馈，而不是理论性的推销。

MartSpace 是一个全球性的 B2B2C 市场，连接经过验证的供应商和买家。主要功能包括： * **经过验证的供应商网络：** 访问由值得信赖的供应商组成的精选网络。 * **全球覆盖：** 与全球各地的企业建立联系。 * **B2B2C 功能：** 促进企业对企业和企业对消费者的交易。