JerryKwan

@KKaWSB 不好意思，我现在没法直接给您发消息。

@KKaWSB 太棒了 方便给个联系方式么？希望能向您请教，谢谢。

感谢Claude今天的开源贡献，我已经在本地部署了自己的“屌丝版Claude”，用来干点日常粗活。 终于可以享受到token和空气一样便宜的感觉了💨～

@KKaWSB 我也在尝试做一个符合自己日常需要的工具，在交互这块Claude Code还是有很多值得借鉴的方面。希望能向您请教

@KKaWSB 这是自己改的？

There seems to be an issue with the tool calling functionality for the Kimi-k2.5 model running on build.nvidia.com/moonshotai/kim…. The returned data format is completely incorrect. @nvidia

@binghe Are you refereing github.com/Mann1988/aweso…? or others?

一个商业分析 Skill推荐：mckinsey-consultant skill 如果你有个商业想法，却不知道如何下手，那这个 Skill就非常适合了。 推荐理由是：从商业问题出发,通过假设驱动的结构化分析方法,生成McKinsey风格研究报告和PPT。 融合Problem Solving方法论、MECE原则、Issue Tree拆解、Hypotheses形成、Dummy Page设计、智能数据收集和专业PPT生成能力。 它不会上来就给你结果，会带着你抽丝剥茧，慢慢发现商业的本质！ 最后还生成 PPT 让你更直观的看到商业创意的逻辑和分析数据！

While still in its infancy, the system has a solid foundation for adding more practical features. It currently supports full local deployment and has interoperability capabilities between components.

I have open-sourced the LLM-powered drawio live editor. Those who need it can obtain the code (github.com/JerryKwan/draw…) for local deployment. It's easy to extend functionality based on the existing foundation.

Looking forward to exchanging ideas with more people about system development and large language model applications.

@QGallouedec Sounds good. What would be the main responsibilities? Will it be open source?

I'm looking to hire someone very strong in post-training with solid OSS experience. If you think you’d be a good fit, DM me.

drawio live editor is ready. Let me know if you want to give it a try.

Any one is interested in using AI/LLM to draw draw.io diagrams? Let me know if you want to give it a try.

@robertnishihara It seems these tasks are quite interesting, and they will also present some challenges. Is the code open source?

I'm hiring for a new engineering role working directly with me to support our most sophisticated customers. Looking for someone who wants to work across the AI / AI infra stack, write / debug a ton of code, work directly with customers, move / learn super fast. DM me.

@jessyshen 这个要求还是有点高的。Python列出的几项重合度太高了。既熟悉Python又熟悉R，这个就更少了。

Developed an AI-enhanced Markdown editor from scratch to facilitate the creation of technical reports.

@Manjusaka_Lee 在搜索这块，可以试试quickwit. 不过话说回来，业务的梳理、数据结构的优化可能更重要一些。

深夜说一个最近的感想 其实也不算新，还是老生常谈的一个话题“做 infra 的人必须要去贴近业务，否则一切都是空中楼阁” 我介绍过很多次鄙司是 AIGC 头部玩家，主攻二次元赛道。 我们最近面临的一个问题是 Elasticsearch 带来的。 我们用户公开发布的 Artwork 和生成任务都是可以搜索的。 最近 Elasticsearch 频繁会出现部分 Data Node 被打满然后连锁搜索出现问题的情况。 那么我们需要去怎么样快速的解这个问题？ 在进一步讨论之前我们需要思考在这个场景下，搜索这个操作的本质是什么？ 我的看法是资产管理。在 AIGC 场景下，Prompt 毫无疑问是用户的核心资产，而对应的 Task 以及 Artwork 某种意义上算是资产的预览（or 属性） 那么有了这样一个推论后，我们便能清晰的知道，至少在目前的形态下，业务核心属性必然不能为了技术结果让步。 同时我们又有一个观察，我们用户公开发布的 Artwork 其的可见性和 Task 是不太一样的，Artwork 可公开检索，也会承担 SEO 的责任，而 Task 实际上仅用户可见。那么换句话讲，两者的数据的访问频率，资源需求都是不太一样的。 换句话说，我们对 ES 的 Index 存在了多租的需求。但是很遗憾，按照目前的 ES 的设计，是不具备多租的能力的。 虽然长远来说，优化查询会是一个必然的选项，但是在当下面对超高速发展的业务，拆分 Index 为不同的集群，按照 Index 不同的属性给不同的算力/磁盘，快速试错会成为我们的首选。 目前这项工作正在进行中，效果未知，但是整个思考博弈的过程其实是我前几年会很少考虑的。很多时候技术的最优解未必是业务的最优解。 最后的最后，再打一个广告。鄙司招人，ML Engineer，ML Data/Full Stack/Backend/Marketing 等职位虚位以待。如果你想一起做一些有趣的事情，欢迎 DM，帮你老板直达

Built an awesome language translator using LLM as the backend