MemeData

不进行LLM基准测试，你很可能多支付5到10倍的费用。 Without benchmarking LLMs, you're likely overpaying 2 天前

## 优化LLM API成本：一个真实案例一位非技术创始人面临着每月1500美元的LLM API调用账单，默认选择GPT-5。最近的尝试表明，通过对prompt进行更广泛的模型基准测试，成本降低了80%。关键在于：**标准基准测试无法准确预测*您的*特定任务的性能。** 为了解决这个问题，建立了一个定制的基准测试流程。它包括收集真实案例（如客户支持聊天记录），定义期望的输出，然后通过OpenRouter在100多个模型上运行这些prompt。由于人工评估不可能，另一个LLM被用作“评判者”，根据预定义的标准对回复进行评分。分析不仅考虑了质量，还考虑了成本（测量每个答案的总成本，而不仅仅是token成本）和延迟。这揭示了提供相当质量但价格明显更低的模型——有些甚至便宜10倍。最终，该创始人通过5倍的成本降低，每月节省了超过1000美元。这个过程强调了持续监控的必要性，因为模型定价和性能变化迅速。为了简化这一过程，开发了一个名为**Evalry**的工具，可以自动在300多个LLM上进行基准测试，从而快速识别特定用例的最佳模型。如果您正在使用LLM API，使用您自己的prompt测试替代方案对于避免过度支出至关重要。

## LLM 基准测试与成本效益：摘要最近的 Hacker News 讨论强调了在使用大型语言模型 (LLM) 时进行适当基准测试的重要性。核心论点是，**如果没有严格的评估，企业很可能在 LLM 上多花费 5-10 倍的成本。** 对话的重点在于摆脱主观评分（如 1-10 分），转向 **带有加权分数的布尔标准**——根据明确的“是/否”因素（准确性、语气、清晰度）评估 LLM 响应，并为每个因素分配相对重要性。这种方法降低了响应的波动性，同时仍然允许创造性输出。许多评论者提倡 **在广泛的提示工程之前优先进行评估**，强调从针对问题进行设计转变为评估解决方案。还有关于较小、更便宜的 LLM（如 Gemini-3-flash）在特定任务中的价值，以及自托管在控制和一致性方面的优势的讨论。最终，该帖子强调需要 **经验反馈和统计评估** 来证明 LLM 选择并优化成本，而不是依赖于对模型性能的假设。几位用户指出该帖子本质上是在宣传基准测试服务。

OpenAI 正在推出年龄预测功能。 Our approach to age prediction 2 天前

启用 JavaScript 和 Cookie 以继续。

## OpenAI 年龄预测：摘要 OpenAI 正在推出 ChatGPT 的年龄预测技术，引发了对数据收集和潜在广告影响的担忧。虽然这被描述为保护儿童的安全措施，但许多评论员认为其主要目标是收集用户人口统计数据以进行定向广告。用户担心此功能将导致更严格的监控，对话会被分析以构建用户档案。担忧还包括潜在的不准确性，将成年人错误地标记为未成年人，从而需要侵入性的身份验证（如面部扫描或政府身份证）——这些数据可能会进一步增强广告能力。许多人对 OpenAI 的动机表示不信任，指出这是一种更广泛的趋势，即科技公司优先考虑数据提取而非用户隐私。一些人建议使用注重隐私的 AI 替代方案，如 Gemini、chat.z.ai 或 Kagi 的 Assistant。还有人强调这项技术可能被寻求更大控制权的政府滥用。最终，讨论的中心是安全与隐私之间的权衡，许多人担心这又是朝着在保护的幌子下实现普遍监控的未来迈出的一步。

我们仍然不理解的秘密中世纪隧道。 The secret medieval tunnels that we still don't understand 2 天前

## 中欧神秘的地下通道在欧洲中部发现了大约2000条狭窄的地下隧道，被称为*erdstall*，其历史可以追溯到公元900-1200年。这些通道宽度通常不超过两英尺，考古发现极少，仅包含少量如犁铧和磨石之类的物品。尽管年代久远，但中世纪的记录中从未提及它们的存在，这加深了对其用途的神秘感。各种理论层出不穷，否认了它们作为逃生通道等实际用途，因为它们只有一个入口且尺寸不便。虽然有人认为它们用于秘密的异教仪式，但隧道靠近教堂的事实使得这种说法不太可能。一个领先的假设认为它们具有民间基督教的仪式功能——象征着重生的旅程。隧道狭窄的“通道”被比作产道，可能代表了那些寻求治愈或启迪的人的精神更新过程。 *erdstall* 一致的设计、保密性以及缺乏文物继续让研究人员感到困惑。它们真正的用途仍然未知，凸显了我们对中世纪生活和信仰理解中的一个重大差距。需要进一步调查才能揭开这些古老而奇特的通道中隐藏的秘密。

## 神秘的中世纪隧道引发争论一篇近期文章详细介绍了围绕“erdstall”的持续之谜——一个遍布中欧的超过2000个中世纪隧道网络。这些结构通常从公共场所（如教堂和农舍）进入，具有单一入口和令人困惑的布局，通道狭窄且有许多死胡同。隧道的功能仍然未知，引发了各种理论。最初的推测集中在袭击期间的藏身之处，但缺乏出口引发了被困的担忧。另一些人认为它们可能用于储存货物、逃避税收，甚至作为热稳定存储，用于储存易腐物品（如食物）。还有人提出了更不寻常的解释，例如动物挖掘的洞穴或与民间传说的联系。讨论强调了隧道内缺乏文物，这支持了它们被用于短期避难的观点，在这种情况下，携带财物是不切实际的。争论仍在继续，许多人承认隧道可能根据地点和时间段具有多种用途。这些结构仍然是一个迷人的考古难题。

快速 Concordance：即时 Concordance，语料库包含超过 1,200 本书籍。 Fast Concordance: Instant concordance on a corpus of >1,200 books 2 天前

快速词位 Concordance 即时词位 Concordance，基于超过 1,200 本公共领域经典书籍，由 Standard Ebooks 提供。点击此处了解其实现方式。

## 快速一致性：蛮力文本搜索一个名为快速一致性（iafisher.com）的新项目，提供了一个语料库中超过1200本书的即时关键词搜索。它通过“蛮力”方法实现速度：为每本书启动一个 goroutine（轻量级线程），在其内存文本中执行正则表达式搜索。虽然速度令人印象深刻，但该实现引发了讨论。它没有使用较慢的单词边界正则表达式，而是根据周围字符过滤匹配项。一些评论员质疑为每个请求启动1200个 goroutine 的效率，建议使用三元搜索或预计算的倒排列表等替代方案。该项目目前需要大约600MB的RAM，这正在突破小型云服务器的限制。批评者还指出，它依赖于增加线程进行优化，可能会影响其他用户对服务器资源的访问。尽管有这些问题，用户仍然赞扬它的速度和视觉上吸引人的结果。

联合国报告警告，世界大部分地区正面临“水资源耗竭”。 Much of the World Facing 'Water Bankruptcy,' U.N. Report Warns 2 天前

一份新的联合国报告警告说，世界正面临“水资源破产”——由于不可持续的消耗和日益严重的气候干旱，关键淡水储备如含水层、湿地和冰川正在不可逆转地枯竭。这与暂时的水资源压力不同，这种损失是永久性的。研究显示，超过40%的灌溉依赖于正在减少的含水层，全球超过70%的含水层正在下降。过去50年里，我们失去了比印度还大的湿地面积，冰川也缩小了30%以上。因此，现在有30亿人生活在水资源存储不稳定的地区。中东、南亚和美国西南部是热点地区，集约化农业加剧了问题。报告强调，转向可持续农业对于防止进一步蔓延至关重要。它敦促各国政府认识并解决这一日益严重的赤字，重点是*防止*剩余资源的进一步损失，因为恢复枯竭的资源是不可能的。

## 联合国报告警告全球“水资源破产” 一份最近的联合国报告强调了迫在眉睫的全球水危机，引发了 Hacker News 的讨论。许多评论者认为未来的冲突将围绕水和食物的获取展开，一些人甚至建议需要人工智能来管理资源分配。对话涉及了导致问题的因素：气候变化影响积雪（对美国西部等地区至关重要）、不可持续的城市规划（尤其是在美国）以及总体人口增长超过资源可用性。虽然一些人驳斥了这个问题，认为海水淡化技术或海洋水的丰富可以解决，但另一些人强调了这些解决方案相关的能源成本。几位用户指出管理不善和基础设施投资不足是关键驱动因素，而另一些人则注意到数据中心等行业对水资源造成的压力。一个反复出现的主题是经济增长与环境可持续性之间的紧张关系，以及对资本主义将利润置于负责任的资源管理之上的担忧。最终，这场讨论强调了水危机的复杂性和相互关联性，以及可能出现的广泛社会和生态后果。

移民机构公然藐视联邦法院。 Immigration Agencies Are Openly Defying Federal Courts 2 天前

近期美国移民及海关执法局（ICE）和海关边境保护局（CBP）的行动显示，在移民执法中无视法律约束的情况令人不安地升级。这些机构不仅一再规避法律、侵蚀正当程序，现在甚至直接对抗法律监督——非法拒绝国会访问、妨碍法院运作、无视司法裁决。一个关键例子是2025年7月的一项政策转变，该转变得益于巨额预算增加，大幅扩大了强制拘留范围，几乎涵盖所有处于驱逐程序中的个人，包括长期居民和寻求庇护者。对现有法律的这种重新解读已被联邦法院压倒性地驳回——超过300名法官在1600多个案件中下令释放——但ICE仍然每月拘留数万人，积极破坏法院命令，甚至无视全国范围内的集体诉讼裁决。虽然人身保护诉讼提供了一些救济，但其力度远远不足。ICE庞大的行动规模，加上剥夺管辖权等法律障碍，使得法律挑战显得力不从心。因此，解决方案在于直接对抗这些机构的权力，大幅削减其资金、人员，并最终彻底解散它们，而不是试图“简化”这些本质上存在问题的机构。

## Hacker News 讨论摘要：ICE 无视法庭命令 Hacker News 的讨论围绕一份报告（lpeproject.org）展开，该报告详细说明了美国移民机构，特别是 ICE，公然无视联邦法院的命令。用户对问题的*规模*表示担忧，指出这些机构拥有庞大的资源，使其能够超越法律挑战。对话延伸到联邦执法部门的潜在问责措施。一位用户提出建立类似于军队的 UCMJ 的体系——一个独立的司法系统，拥有特定命令、较长的诉讼时效（9 年以上，以避免政治干预）以及由同行官员组成的陪审团——以确保超越民事法院的问责制。其他评论认为，问题源于监狱工业复合体内的利润动机，或者 ICE 人员更深层次的意识形态驱动，他们认为他们的任务优先于法律约束，并受到恢复特定社会等级制度的信念的推动。几位用户辩论了总统任期限制和第二十二修正案与问责时间线之间的具体关系。

Instabridge 收购了 Nova Launcher Instabridge has acquired Nova Launcher 2 天前

## Nova Launcher 更新 - 2026年1月20日 Nova Launcher已被Instabridge收购，这是一家专注于互联网接入解决方案的瑞典公司。重要的是，**Nova不会关闭。** Instabridge的首要任务是维护Nova的稳定性、与Android的兼容性以及持续的积极开发。他们认识到Nova强大的社区和身份，并旨在成为负责任的管理者，专注于性能、定制和错误修复。在探索可持续的商业模式——包括潜在的付费层级和**谨慎考虑的免费版本广告选项**——的同时，**Nova Prime将保持无广告**，并且现有购买将被兑现。 Nova Prime的价格已调整为3.99美元。Instabridge还在评估开源Nova的可能性，并优先考虑用户隐私，进行最少且透明的数据收集。他们强调一种审慎的方法，优先考虑质量并倾听社区的反馈，通过Reddit、Play商店和其他渠道。他们的目标是对Nova的演进进行长期投资，并持续保持卓越。

## Nova Launcher 被收购及担忧 - 摘要 Instabridge 收购了 Nova Launcher，引发了长期用户担忧。虽然 Instabridge 声称 Nova “会一直存在”，但该公告紧随动荡的历史之后：Nova 此前曾被出售给 Branch Metrics，导致裁员，最终原开发者在被阻止开源项目后离职。用户对此持谨慎态度，引用了近期关于 Nova 中添加追踪代码的报告，以及先前备受喜爱的应用程序普遍出现的“劣化”趋势。许多人正在积极寻找 Lawnchair、Octopi 和 Kvaesitso 等替代品，优先选择开源选项。讨论强调了对可定制启动器，尊重用户隐私并避免侵入性广告的需求。虽然 Instabridge 表示他们将探索可持续的商业模式（包括免费版中的广告），并保持 Nova Prime 无广告，但怀疑论依然很高。核心问题在于专有软件的命运，以及开源替代品对长期稳定性和用户控制的吸引力。

Hightouch 如何构建其长期运行的代理框架 How Hightouch built their long-running agent harness 2 天前

## Hightouch 智能体：构建可用于生产的 AI 智能体 Hightouch 开发了一种非常先进的 AI 智能体“Hightouch 智能体”，这是一种通用的营销工具，能够执行复杂的任务，例如活动策划和数据分析。与许多智能体框架不同，Hightouch 专注于解决*长期*任务的实际挑战，超越了简单的确定性工作流程。他们的关键创新是**智能体委托**：将规划与执行分离，允许智能体根据数据动态更新其方法。这是通过诸如将数据缓冲到文件以供以后访问、为专注的任务创建“动态子智能体”（卸载复杂性而不会造成上下文膨胀）以及将任务策略性地“扇出”到更小、更便宜的模型，而不是仅仅依赖嵌入等技术来实现的。与其进行复杂的上下文管理，Hightouch 赋予模型本身管理上下文的能力，决定何时缓冲数据或委派子任务。这种方法优先考虑使模型*更好地思考*，而不是简单地链接 LLM 调用。其结果是一个能够处理细微、开放式的营销提示并在现实世界的生产环境中提供令人惊讶的有效结果的系统。最终，Hightouch 的成功强调了实用“上下文工程”的重要性——这项不光鲜但至关重要的工作，能够构建真正有能力的 AI 智能体。

最近的 Hacker News 讨论集中在 Hightouch 构建长期运行的“代理 Harness”方法上——本质上，这是一个可靠地运行 AI 代理的系统。文章（链接来自 amplifypartners.com）详细介绍了他们的解决方案，引发了开发者之间的讨论。评论中的关键点包括探索不同的架构方法：Hightouch 专注于*编排*层，而其他人则将代理逻辑直接嵌入到 AI *模型*中以降低复杂性。人们对“压缩”提出了担忧——这个过程可能会中断代理会话并丢失宝贵的学习信息。大家一致认为，强大的“上下文工程”对于实现自主 AI 系统的可靠结果至关重要，并且普遍承认在延长期间内维持代理性能所面临的挑战。这场讨论突出了 AI 代理这一快速发展领域中持续的实验和问题解决。

每个人都是黑帮，直到你被卷入G Suite。 Everyone's a Gangster, Till You Get Bundled in G-Suite 2 天前

谷歌联合创始人透露，“很多”新员工没有学位。 Google co-founder reveals that "many" of the new hires do not have a degree 2 天前

谷歌联合创始人谢尔盖·布林最近透露，该公司越来越多地招聘没有传统大学学历的人才，微软和苹果等其他科技巨头也出现了同样的趋势。数据显示，谷歌在招聘信息中的学历要求从2017年的93%下降到2022年的77%，反映出对技能和可证明能力越来越重视。这种变化也得到了摩根大通CEO杰米·戴蒙的呼应，引发了人们对大学教育价值的质疑，尤其是在人工智能能够执行以前需要正规培训的任务的情况下。虽然这可能会让毕业生感到沮丧，但企业正在认识到学历要求可能会排除合格的候选人。人工智能的兴起也带来了环境问题，因为训练和运行这些系统需要大量的能源和水。专家建议没有学历的求职者专注于建立技能组合，并建议学生追求自己热爱的领域，而不仅仅是关注人工智能时代未来的就业保障。

## Google招聘与学历价值 - 摘要 Google联合创始人谢尔盖·布林最近表示，公司“许多”新员工没有大学学历。这引发了Hacker News上关于科技行业招聘实践演变以及传统学历相关性的讨论。许多评论者，包括CTO和经验丰富的工程师，分享了他们在正规教育*之外*发现人才的经验。他们认为技能和可证明的能力应该超过学历要求，为自学成才者创造机会。对话还涉及了人工智能采用增加的潜在缺点——特别是人工智能系统的能源需求及其对电网的影响。一些人推测，对学历要求的减少可能与人工智能在招聘中的使用增加有关。一些用户质疑文章的连贯性和来源（来自*thecooldown.com*），而另一些人指出这种趋势并非新鲜事，微软最近也放宽了学历要求。最终，讨论的中心是大学学历是否仍然是衡量科技行业潜力的可靠指标，以及仅仅关注学历是否会限制对有价值人才的获取。

每日HackerNews RSS