最新

我们是一对自筹资金的创始人，背后有几个失败的产品（真是痛苦！）。在寻找下一个项目时，我们发现了一些创意验证网站，但它们都需要付费，而且基本上只是对GPT的包装，附加价值不大，提供的只是一些通用的语言模型内容。 于是，我们创建了ShouldIBuild.it，这是一个基于近100,000个（并且还在增长）以往产品发布数据库的工具，帮助你验证创意。我们分析了超过50,000页的评论和反馈，以提取使用和购买信号，从而能够提供个性化的建议和市场的快速概览。 在解决这个有趣的问题的过程中，我们最终创建了一个框架，将每个创意归入10个类别之一（我们知道……听起来像是成功的联合三角形……）。我们相信会有很多失误和错误的预测，但我们想停止琐碎的调整，邀请大家来试试。 非常希望能得到一些反馈。有什么缺失的？有什么可以改进的？我们有很多想法，但从一系列失败的创意中学到的唯一一件事就是要倾听用户的声音，而不是只听自己的想法 :D 非常感谢！

我看到YC的一篇帖子：“从OpenAI的DeepResearch到xAI的DeepSearch，我们正在看到向自主工具的首次真正推动，这些工具能够以最少的人类输入来规划、执行和完成诸如研究、外联和编码等任务。” 这让我思考，这些AI代理实际上对任何人有用或有价值吗？ 我对技术相当了解，使用AI来生成代码，以加快POC项目的进展。不过，我并不支持盲目地“随意编码”，我认为这很危险，而且在后期尝试修复大型项目时可能会变得更慢。从其他讨论来看，许多HN的用户和我有类似的看法——也就是说，使用AI进行代码生成确实有价值，但让一个“代理”只是“为你工作”可能并不那么有用。 不过，关于研究和外联，大家对此有何看法？有没有人发现这些用例有用？我看到很多对这些深度研究产品的批评。它们似乎类似于总结谷歌搜索结果第一页的链接，而且充满了在严肃研究中你可能想要忽略的来源（例如，reddit帖子）。所以我对它们的质量持怀疑态度。 我认为另一个可能有用的主题是将大型语言模型（LLMs）用作更高级/更简单的RPA工具。基本上，可以将其视为基于不同上下文的灵活RPA，这些上下文可以通过文本捕捉。也许这就是所谓的“MCP”热潮的全部内容。 所以我很想知道，谁在使用可以算作“AI代理”的东西（即超越文本聊天/提示的东西），并从中获得真正的价值？

我经常在终端中工作，但有时会忘记某个命令（或者根本就不知道）。这是一个简单的工具，可以让你输入想要的内容，提供多个选项，然后自动将你选择的那个复制到剪贴板中。

这是否会违背Linux内核的单体内核范式？