Show HN: Tools and skills to build better sites with AI
Style Share Export Preset Default Logo Paste Upload URL Paste Light mode logo Apply logo Primary color Tailwind Custom Neutral Primary foreground White Dark Background color scheme Default Foreground color scheme Default Custom Border color scheme Default Custom Base color Neutral Font size Small Default Large Heading font 500 Medium Font 400 Regular Tagline Style Default Radius ! Buttons style Default Forms style Default Body style Default Rulers Gap Line Reset style
Style Share Export Preset Default Logo Paste Upload URL Paste Light mode logo Apply logo Primary color Tailwind Custom Neutral Primary foreground White Dark Background color scheme Default Foreground color scheme Default Custom Border color scheme Default Custom Base color Neutral Font size Small Default Large Heading font 500 Medium Font 400 Regular Tagline Style Default Radius ! Buttons style Default Forms style Default Body style Default Rulers Gap Line Reset style
开源模拟器Topaz：15个月构建Azure本地开发环境，AI加速但协议实现仍需人工
一名开发者历时15个月构建了开源Azure模拟器Topaz，旨在提供类似LocalStack的统一本地模拟体验。项目始于2025年4月，初始阶段依赖手动编码与IDE模板搭建基础服务（Table Storage、ARM、Key Vault）。为提升效率，他引入LLM自动生成API响应模型，虽偶有幻觉但大幅加快了开发进度。然而在实现AMQP协议（Event Hub/Service Bus）时，AI完全失效，必须依据协议规范纯手工编写。这一实践揭示了AI在代码生成中的辅助价值，以及面对严格规范时的局限性。Topaz目前仍在迭代，力图填补Azure生态中统一模拟器的空缺。 #开源 #Azure #模拟器 #Topaz #AI #LLM #开发工具 #软件工程 #协议 #云服务
一名开发者历时15个月构建了开源Azure模拟器Topaz，旨在提供类似LocalStack的统一本地模拟体验。项目始于2025年4月，初始阶段依赖手动编码与IDE模板搭建基础服务（Table Storage、ARM、Key Vault）。为提升效率，他引入LLM自动生成API响应模型，虽偶有幻觉但大幅加快了开发进度。然而在实现AMQP协议（Event Hub/Service Bus）时，AI完全失效，必须依据协议规范纯手工编写。这一实践揭示了AI在代码生成中的辅助价值，以及面对严格规范时的局限性。Topaz目前仍在迭代，力图填补Azure生态中统一模拟器的空缺。 #开源 #Azure #模拟器 #Topaz #AI #LLM #开发工具 #软件工程 #协议 #云服务
物理信息神经网络框架模拟双材料弹性动波传播
2026年7月7日，Sonal Ankush Chibire等人在arXiv预印本平台提交了一篇论文，提出了一种物理信息神经网络（PINN）框架，专门用于求解双材料系统中的弹性动波传播问题。该框架将波动方程等物理定律直接嵌入神经网络训练过程，使模型能够在不依赖大量标注数据的情况下，精确模拟波在异质材料界面处的传播行为。这一方法克服了传统数值方法在处理复杂界面波传播时计算成本高昂的局限，为计算力学和工程波动分析提供了高效、灵活的新工具。目前论文已开放PDF全文，可供学术社区下载引用。 #物理信息神经网络 #PINN #弹性动波 #双材料 #计算力学 #arXiv #深度学习 #学术前沿
2026年7月7日，Sonal Ankush Chibire等人在arXiv预印本平台提交了一篇论文，提出了一种物理信息神经网络（PINN）框架，专门用于求解双材料系统中的弹性动波传播问题。该框架将波动方程等物理定律直接嵌入神经网络训练过程，使模型能够在不依赖大量标注数据的情况下，精确模拟波在异质材料界面处的传播行为。这一方法克服了传统数值方法在处理复杂界面波传播时计算成本高昂的局限，为计算力学和工程波动分析提供了高效、灵活的新工具。目前论文已开放PDF全文，可供学术社区下载引用。 #物理信息神经网络 #PINN #弹性动波 #双材料 #计算力学 #arXiv #深度学习 #学术前沿
Danus
一篇题为《Danus: Orchestrating Mathematical Reasoning Agents with Fact-Graph Memory》的论文在arXiv预印本平台发布。该研究由Jihao Liu等11位作者共同完成，提出了Danus框架，通过构建事实图记忆来协调多个数学推理智能体。事实图作为一种结构化知识库，能够存储推理过程中的事实、关系与中间结果，使多个智能体在共享记忆的基础上分工协作，从而提升复杂数学问题的推理效率与准确性。这一工作为多智能体系统与数学推理的结合提供了新思路。 #Danus #事实图记忆 #数学推理 #智能体 #arXiv #人工智能 #多智能体 #知识图谱
一篇题为《Danus: Orchestrating Mathematical Reasoning Agents with Fact-Graph Memory》的论文在arXiv预印本平台发布。该研究由Jihao Liu等11位作者共同完成，提出了Danus框架，通过构建事实图记忆来协调多个数学推理智能体。事实图作为一种结构化知识库，能够存储推理过程中的事实、关系与中间结果，使多个智能体在共享记忆的基础上分工协作，从而提升复杂数学问题的推理效率与准确性。这一工作为多智能体系统与数学推理的结合提供了新思路。 #Danus #事实图记忆 #数学推理 #智能体 #arXiv #人工智能 #多智能体 #知识图谱
多智能体系统从胃活检报告中自动发现幽门螺杆菌
近日，一篇名为《Finding H. pylori in the Fine Print: Evidence-Linked Multi-Agent Case Finding from Gastric Biopsy Reports》的论文在arXiv预印本平台提交。该研究由Yufan Wang等十位学者共同完成，提出了一种基于证据链接的多智能体病例发现方法，能够从非结构化的胃活检病理报告中自动识别幽门螺杆菌感染。幽门螺杆菌是导致胃炎、消化性溃疡甚至胃癌的关键病原体，但其诊断往往依赖病理医生对报告逐字审阅，效率较低且易遗漏。该研究借助自然语言处理与多智能体协作技术，从报告文本中提取细微证据，并与临床知识库进行交叉验证，从而实现对阳性病例的精准定位。这一方法有望显著提升幽门螺杆菌感染的筛查速度与准确性，减轻病理科工作负担，并为消化道疾病的自动化诊断提供新思路。 #幽门螺杆菌 #多智能体 #病理报告 #自然语言处理 #医学AI #arXiv #智能诊断
近日，一篇名为《Finding H. pylori in the Fine Print: Evidence-Linked Multi-Agent Case Finding from Gastric Biopsy Reports》的论文在arXiv预印本平台提交。该研究由Yufan Wang等十位学者共同完成，提出了一种基于证据链接的多智能体病例发现方法，能够从非结构化的胃活检病理报告中自动识别幽门螺杆菌感染。幽门螺杆菌是导致胃炎、消化性溃疡甚至胃癌的关键病原体，但其诊断往往依赖病理医生对报告逐字审阅，效率较低且易遗漏。该研究借助自然语言处理与多智能体协作技术，从报告文本中提取细微证据，并与临床知识库进行交叉验证，从而实现对阳性病例的精准定位。这一方法有望显著提升幽门螺杆菌感染的筛查速度与准确性，减轻病理科工作负担，并为消化道疾病的自动化诊断提供新思路。 #幽门螺杆菌 #多智能体 #病理报告 #自然语言处理 #医学AI #arXiv #智能诊断
ExplAIner
据arXiv预印本显示，由Marcelo Arenas等六位学者共同完成的论文《ExplAIner: A Declarative Query Language for Explaining Classification Models》于2026年7月提交。该研究针对机器学习分类模型的可解释性问题，提出了一种名为ExplAIner的声明式查询语言。该语言允许用户以结构化、可复现的方式对模型内部逻辑进行查询与解析，旨在提升黑盒模型的透明度和可信度，为领域专家和开发者提供更直观的模型行为分析工具。目前论文已开放PDF和HTML全文访问。 #ExplAIner #声明性查询语言 #分类模型解释 #可解释AI #机器学习 #arXiv #模型透明度
据arXiv预印本显示，由Marcelo Arenas等六位学者共同完成的论文《ExplAIner: A Declarative Query Language for Explaining Classification Models》于2026年7月提交。该研究针对机器学习分类模型的可解释性问题，提出了一种名为ExplAIner的声明式查询语言。该语言允许用户以结构化、可复现的方式对模型内部逻辑进行查询与解析，旨在提升黑盒模型的透明度和可信度，为领域专家和开发者提供更直观的模型行为分析工具。目前论文已开放PDF和HTML全文访问。 #ExplAIner #声明性查询语言 #分类模型解释 #可解释AI #机器学习 #arXiv #模型透明度
新论文提出TopoBrick方法，用于建筑物联网零样本预测
近日，一篇题为“TopoBrick: Agentic Topology Sampling of Exogenous Variables for Zero-Shot Building IoT Forecasting”的研究论文在arXiv预印本平台发布。该论文由Xiachong Lin等9位作者共同完成，提交时间为2026年7月7日。论文聚焦建筑物联网的零样本预测问题，创新性地提出TopoBrick方法，通过对影响建筑系统的外生变量进行代理拓扑采样，使模型能够在无目标域标注数据的情况下实现准确预测。该方法有望解决建筑数据标注困难、场景迁移性差等痛点，为建筑节能与智能运维提供新思路。目前论文全文及代码链接已在arXiv上开放。 #论文 #arXiv #建筑物联网 #零样本学习 #预测 #TopoBrick #AI
近日，一篇题为“TopoBrick: Agentic Topology Sampling of Exogenous Variables for Zero-Shot Building IoT Forecasting”的研究论文在arXiv预印本平台发布。该论文由Xiachong Lin等9位作者共同完成，提交时间为2026年7月7日。论文聚焦建筑物联网的零样本预测问题，创新性地提出TopoBrick方法，通过对影响建筑系统的外生变量进行代理拓扑采样，使模型能够在无目标域标注数据的情况下实现准确预测。该方法有望解决建筑数据标注困难、场景迁移性差等痛点，为建筑节能与智能运维提供新思路。目前论文全文及代码链接已在arXiv上开放。 #论文 #arXiv #建筑物联网 #零样本学习 #预测 #TopoBrick #AI
端到端自动驾驶模型可解释性新研究
一篇题为《Driving the Wrong Way: Leveraging Interpretability in End2End Autonomous Driving Models》的论文近日在arXiv上提交。该论文由Franz Motzkus等人撰写，提交日期为2026年7月7日。研究针对端到端自动驾驶模型普遍存在的“黑箱”问题，提出利用可解释性技术来解析模型为何会出现逆向行驶等错误决策。论文探讨了通过分析模型内部表征来理解其行为机制，旨在识别导致不良驾驶策略的关键因素，进而提升自动驾驶系统的安全性和可靠性。这项工作为在复杂驾驶环境中部署更可信赖的端到端模型提供了新的思路和有价值的参考。 #自动驾驶 #端到端 #可解释性 #AI #机器学习 #arXiv #模型安全 #科技前沿
一篇题为《Driving the Wrong Way: Leveraging Interpretability in End2End Autonomous Driving Models》的论文近日在arXiv上提交。该论文由Franz Motzkus等人撰写，提交日期为2026年7月7日。研究针对端到端自动驾驶模型普遍存在的“黑箱”问题，提出利用可解释性技术来解析模型为何会出现逆向行驶等错误决策。论文探讨了通过分析模型内部表征来理解其行为机制，旨在识别导致不良驾驶策略的关键因素，进而提升自动驾驶系统的安全性和可靠性。这项工作为在复杂驾驶环境中部署更可信赖的端到端模型提供了新的思路和有价值的参考。 #自动驾驶 #端到端 #可解释性 #AI #机器学习 #arXiv #模型安全 #科技前沿
AI编程工具选择指南
随着AI编程工具的爆发式增长，开发者面临选择困难。本文作者通过实际体验，梳理了当前主流AI编程交互方式，包括聊天式界面（如ChatGPT、Claude）、专用IDE分支（如Cursor）以及VS Code扩展。作者认为，VS Code扩展最具灵活性和自由度，推荐使用Claude Code与Codex作为主力工具，两者在稳定性和回答质量上表现突出。同时，开源方案如Cline虽支持多供应商，但API成本较高；部分国产AI也可通过扩展集成。作者强调，不同工具在价格、生态封闭性及用户友好度上差异明显，建议开发者根据项目需求谨慎选择。 #AI编程 #VS Code #编程工具 #Claude #Codex #开发者 #人工智能 #技术指南
随着AI编程工具的爆发式增长，开发者面临选择困难。本文作者通过实际体验，梳理了当前主流AI编程交互方式，包括聊天式界面（如ChatGPT、Claude）、专用IDE分支（如Cursor）以及VS Code扩展。作者认为，VS Code扩展最具灵活性和自由度，推荐使用Claude Code与Codex作为主力工具，两者在稳定性和回答质量上表现突出。同时，开源方案如Cline虽支持多供应商，但API成本较高；部分国产AI也可通过扩展集成。作者强调，不同工具在价格、生态封闭性及用户友好度上差异明显，建议开发者根据项目需求谨慎选择。 #AI编程 #VS Code #编程工具 #Claude #Codex #开发者 #人工智能 #技术指南
Mobilerun VA 推出 AI 代理，可在真实手机上自动执行操作
名为 Mobilerun VA 的 AI 代理平台近日进入公开测试阶段。该平台将 Claude、Hermes 等大语言模型接入云端真实物理手机，使 AI 能够像人类一样读取屏幕、点击、滑动并输入信息，实现跨应用的复杂工作流自动化，同时支持接收短信。平台提供设备管理、移动代理和专用设备等模块，可弹性扩展至万台设备，并支持通过 API 或自然语言驱动。该产品已被 a16z 和 Y Combinator 旗下团队采用，并获得 Merantix 和 DEGREE Ventures 投资。定价从每月 5 美元的个人方案到 150 美元的企业级物理手机方案不等，适用于 AI 工作流、账号管理、数据采集和客户消息等场景。 #AI代理 #手机自动化 #MobilerunVA #云端真实手机 #大模型 #自动化工作流 #YC #a16z #创业 #科技
名为 Mobilerun VA 的 AI 代理平台近日进入公开测试阶段。该平台将 Claude、Hermes 等大语言模型接入云端真实物理手机，使 AI 能够像人类一样读取屏幕、点击、滑动并输入信息，实现跨应用的复杂工作流自动化，同时支持接收短信。平台提供设备管理、移动代理和专用设备等模块，可弹性扩展至万台设备，并支持通过 API 或自然语言驱动。该产品已被 a16z 和 Y Combinator 旗下团队采用，并获得 Merantix 和 DEGREE Ventures 投资。定价从每月 5 美元的个人方案到 150 美元的企业级物理手机方案不等，适用于 AI 工作流、账号管理、数据采集和客户消息等场景。 #AI代理 #手机自动化 #MobilerunVA #云端真实手机 #大模型 #自动化工作流 #YC #a16z #创业 #科技
AI推理成本两极分化
据外媒报道，AI推理价格正呈现明显分化。印度AI工程师Aman Panjwani指出，GPT-4级模型每百万token输出成本已从2022年底的20美元降至当前的0.40美元，降幅达55倍。2025年1月DeepSeek R1以极低定价发布，更促使整个市场一夜重定价。然而，前沿模型价格却在攀升：OpenAI将GPT-5.5价格翻倍至输入5美元、输出30美元；Google Gemini Flash 3.5价格高出前代3至6倍；Anthropic Claude Sonnet 5虽单价降低，但消耗更多token。Panjwani认为token市场正在分裂，通用推理成本趋近于零，前沿推理成本反升。同时，AI测量平台Larridin的CTO Ameya Kanitkar表示，因模型能处理更复杂任务及转向计量计费，企业AI支出自年初已上涨约10倍，但高支出并不等同于高生产力，约15%至30%的用户贡献了超50%的费用，且存在“烧token”失效的拐点。开源模型正快速追赶前沿模型，企业开始主动控制成本。 #AI #人工智能 #大模型 #推理成本 #成本分化 #前沿模型 #开源模型 #DeepSeek #OpenAI #Anthropic
据外媒报道，AI推理价格正呈现明显分化。印度AI工程师Aman Panjwani指出，GPT-4级模型每百万token输出成本已从2022年底的20美元降至当前的0.40美元，降幅达55倍。2025年1月DeepSeek R1以极低定价发布，更促使整个市场一夜重定价。然而，前沿模型价格却在攀升：OpenAI将GPT-5.5价格翻倍至输入5美元、输出30美元；Google Gemini Flash 3.5价格高出前代3至6倍；Anthropic Claude Sonnet 5虽单价降低，但消耗更多token。Panjwani认为token市场正在分裂，通用推理成本趋近于零，前沿推理成本反升。同时，AI测量平台Larridin的CTO Ameya Kanitkar表示，因模型能处理更复杂任务及转向计量计费，企业AI支出自年初已上涨约10倍，但高支出并不等同于高生产力，约15%至30%的用户贡献了超50%的费用，且存在“烧token”失效的拐点。开源模型正快速追赶前沿模型，企业开始主动控制成本。 #AI #人工智能 #大模型 #推理成本 #成本分化 #前沿模型 #开源模型 #DeepSeek #OpenAI #Anthropic
企业未设限额一个月AI费用超5亿美元，代币浪费严重
某公司因未设置员工使用上限，一个月内AI token支出高达5亿美元，Uber、ServiceNow等企业也在今年前几个月耗尽全年AI预算。原因在于Anthropic、GitHub Copilot等主流AI供应商正从包月制转向按量计费，例如GitHub Copilot计划于2026年6月调整价格，部分用户模型成本将暴涨9至18倍。同时，企业大规模部署AI代理，多代理系统token消耗是聊天交互的15倍，编程代理系统更超过1000倍。报告指出，50%至80%的token支出属于浪费，源于使用前沿模型处理琐碎任务、重复处理上下文、以及代理间“闲聊式”通信。不过，这些浪费可通过上下文记忆管理、模型选择优化等方法修复。 #AI #代币 #企业支出 #成本控制 #Token #科技新闻 #大模型
某公司因未设置员工使用上限，一个月内AI token支出高达5亿美元，Uber、ServiceNow等企业也在今年前几个月耗尽全年AI预算。原因在于Anthropic、GitHub Copilot等主流AI供应商正从包月制转向按量计费，例如GitHub Copilot计划于2026年6月调整价格，部分用户模型成本将暴涨9至18倍。同时，企业大规模部署AI代理，多代理系统token消耗是聊天交互的15倍，编程代理系统更超过1000倍。报告指出，50%至80%的token支出属于浪费，源于使用前沿模型处理琐碎任务、重复处理上下文、以及代理间“闲聊式”通信。不过，这些浪费可通过上下文记忆管理、模型选择优化等方法修复。 #AI #代币 #企业支出 #成本控制 #Token #科技新闻 #大模型
DT-Guard：面向免推理LLM安全护栏的意图驱动推理主动训练
据arXiv预印本，He Liu等研究者提出DT-Guard框架，该框架采用意图驱动推理主动训练方法，旨在提升无需显式推理的大型语言模型（LLM）安全护栏的性能。针对传统安全护栏依赖模型推理能力所带来的高延迟与资源消耗问题，DT-Guard通过主动训练机制使护栏在离线阶段学习识别恶意输入的模式，从而在在线防护中无需额外推理步骤即可快速响应。其核心思路是以用户意图为导向驱动训练过程，增强护栏对潜在威胁的敏感性。这一研究为构建轻量化、高效率且鲁棒性强的LLM安全系统提供了新思路。 #DTGuard #大模型安全 #安全护栏 #意图驱动 #推理主动训练 #LLM #AI安全 #arXiv
据arXiv预印本，He Liu等研究者提出DT-Guard框架，该框架采用意图驱动推理主动训练方法，旨在提升无需显式推理的大型语言模型（LLM）安全护栏的性能。针对传统安全护栏依赖模型推理能力所带来的高延迟与资源消耗问题，DT-Guard通过主动训练机制使护栏在离线阶段学习识别恶意输入的模式，从而在在线防护中无需额外推理步骤即可快速响应。其核心思路是以用户意图为导向驱动训练过程，增强护栏对潜在威胁的敏感性。这一研究为构建轻量化、高效率且鲁棒性强的LLM安全系统提供了新思路。 #DTGuard #大模型安全 #安全护栏 #意图驱动 #推理主动训练 #LLM #AI安全 #arXiv
任务分解引导重排序方法提升自适应Agent技能检索性能
近日，一篇题为《Task Decomposition-Guided Reranking for Adaptive Agent Skill Retrieval》的论文在arXiv平台上发布。该论文由Yanping Chen等学者撰写，聚焦智能体技能检索的自适应问题，提出一种基于任务分解的重排序框架。传统技能检索往往独立于任务整体结构，而该方法通过将复杂任务分解为子步骤，再对候选技能进行重排序，从而更精准地匹配当前需求。论文已提交至arXiv，并提供PDF及HTML版本供开放获取。该研究对于自动化工作流、机器人规划等依赖技能建模的领域具有潜在价值，有望推动智能体在动态环境中更灵活地调用技能。 #arXiv #任务分解 #重排序 #自适应 #Agent #技能检索 #人工智能 #学术论文
近日，一篇题为《Task Decomposition-Guided Reranking for Adaptive Agent Skill Retrieval》的论文在arXiv平台上发布。该论文由Yanping Chen等学者撰写，聚焦智能体技能检索的自适应问题，提出一种基于任务分解的重排序框架。传统技能检索往往独立于任务整体结构，而该方法通过将复杂任务分解为子步骤，再对候选技能进行重排序，从而更精准地匹配当前需求。论文已提交至arXiv，并提供PDF及HTML版本供开放获取。该研究对于自动化工作流、机器人规划等依赖技能建模的领域具有潜在价值，有望推动智能体在动态环境中更灵活地调用技能。 #arXiv #任务分解 #重排序 #自适应 #Agent #技能检索 #人工智能 #学术论文
TOFFEE
一篇题为"Demonstrating TOFFEE: A Learned System for Synthesizing Data Agent Trajectories at Scale"的论文于近日提交至arXiv预印本平台。该论文由Ziting Wang等五位作者合作完成，主要展示了一个名为TOFFEE的学习系统，用于大规模合成数据代理轨迹。论文介绍了系统的设计和实现，并进行了相关演示。数据代理轨迹的合成在自动化、仿真和数据增强等领域具有重要应用，TOFFEE提供了一种基于学习的可扩展方案。该论文的提交日期为2026年7月7日。 #TOFFEE #数据代理 #轨迹合成 #机器学习 #arXiv #人工智能 #科技论文
一篇题为"Demonstrating TOFFEE: A Learned System for Synthesizing Data Agent Trajectories at Scale"的论文于近日提交至arXiv预印本平台。该论文由Ziting Wang等五位作者合作完成，主要展示了一个名为TOFFEE的学习系统，用于大规模合成数据代理轨迹。论文介绍了系统的设计和实现，并进行了相关演示。数据代理轨迹的合成在自动化、仿真和数据增强等领域具有重要应用，TOFFEE提供了一种基于学习的可扩展方案。该论文的提交日期为2026年7月7日。 #TOFFEE #数据代理 #轨迹合成 #机器学习 #arXiv #人工智能 #科技论文