TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #1029 · 17.10
TW: нудный гик-стафф про бытовую технику. Кофемашина в какой-то момент не включила индикатор переполненности контейнера для жмыха. Это странно, поэтому я стал разбираться. Вообще, техника редко глючит непонятным образом и ведет себя хаотично. Всегда есть какая-то причина. При отладке программы это тоже надо всегда помнить. Как машина узнаёт, что контейнер полон? Никак. У контейнера есть герконовый датчик, показывающий факт его установки в корпус. Когда ты его вытаскиваешь, машина думает, что ты его очистил. А дальше программа просто знает, что одинарный кофе наполняет контейнер на X, двойной на 2X, а вместимость nX. Что произошло: я открыл контейнер посмотреть, заполнен ли он целиком. А потом закрыл обратно, не очистив. В оценке уровня жмыха появилась аддитивная погрешность. Если позволить человеку ввести систему в неправильное состояние, он рано или поздно это сделает. Кстати, по той же причине мне нравится DDD как архитектура для энтерпрайз разработки: если всё правильно спроектировать, то программист слоя приложения, который является "пользователем" домена, не сможет сломать состояние сущностей и агрегатов. В общем, в машине не хватило защиты от дурака. Как бы я решал эту задачу? Сходу приходит в голову какой-нибудь оптический датчик в верхней части контейнера. В худшем случае он запачкается и сработает ложно-положительно, что вызовет необходимость для пользователя лишний раз почистить контейнер. Но ТРИЗ намекает нам на другой подход. Можно попробовать полностью исключить появление жмыха. Так устроены, например, капсульные машины. У нас такая была, но перешли на зерновую, потому что вкусный качественный кофе в зёрнах на порядки дешевле, чем в капсулах, а пьем мы его много. Особенно кофе с молоком, для которого в капсулах просто концентрат, а не настоящее молоко. Если исключить жмых нельзя, то нужно сделать его удаление неотъемлемой частью процесса обслуживания машины. Думаю, я бы попробовал объединить конструктивно контейнер для зёрен и для жмыха, и рассчитать объёмы так, чтобы второго хватило на один цикл траты первого. Тогда даже датчики не нужны: кончились зёрна, и ты неизбежно достаешь контейнер и очищаешь. Сфоткал для вас чашечку ароматного капучино. #life
Hashtags
Търсене: #graph
@Isaiahsystem · Post #1203 · 30.06.2024 г., 07:23
Related Subreddits丨Reddit 探索神器 https://anvaka.github.io/sayit/?query=Nietzsche 最近发现的爆炸网站，Reddit 相关论坛探索，Reddit 关键词图谱。它能根据你给出的任意论坛名字或关键词，编织出整个论坛与之相关的子板图谱，与之关联。点击图谱按钮，再点击弹出的侧边栏子板名字，即可跳转。 网站提到这种图谱关系生成由「发布到此 Subreddit 的用户也发布过的其它板块」决定，并通过 Jaccard Similarity（衡量两个集合相似度的指标）来最终确定板块相似度。 Reddit 作为我 RSS 常驻网站之一，挖掘得比较少，这个网站可以好好用用。它类似前面用过的 music map 以及各种论文网站图谱，详情见下面 refs. 相关链接 1 可视化图谱 2 搜索引擎终极索引 #search#graph#tools
@githubtrending · Post #14632 · 25.04.2025 г., 12:00
#python#agents#graph#llms#rag Graphiti helps AI systems handle constantly changing information by building real-time knowledge graphs that track relationships and historical data, allowing them to integrate user interactions, business data, and external sources seamlessly. Unlike traditional methods, it updates information instantly without needing full recomputations, enabling precise historical queries and efficient hybrid searches. This helps AI applications stay context-aware, automate tasks effectively, and manage complex, evolving data with minimal delay. https://github.com/getzep/graphiti
@thedevs · Post #1384 · 01.02.2019 г., 20:02
Data structures 101: graphs, a visual introduction for beginners. #article#tutorial#data#ds#graph @thedevs https://kutt.it/4S6HBr
@tsukassadrive · Post #3010 · 08.01.2026 г., 02:55
#twitter#animals#dogs#science#physics#graph#mongolia
@cosplayuploadtest2 · Post #102714 · 23.03.2025 г., 03:36
Title: Iori_Sagara_相楽伊織,_GIRLS_graph._デジタル写真集_「泡沫の宵夢」_Set.02 Authors: #None Tags: #None#Iori_Sagara_相楽伊織#Nogizaka46_乃木坂46#デジタル写真集#Iori#Sagara#相楽伊織#GIRLS#graph#デジタル写真集 #「泡沫の宵夢」 #Set #02 recommendation: None TelegraphLinks:page-0-32
@cosplayuploadtest2 · Post #102682 · 23.03.2025 г., 03:34
Title: Iori_Sagara_相楽伊織,_GIRLS_graph._デジタル写真集_「泡沫の宵夢」_Set.01 Authors: #None Tags: #None#Iori_Sagara_相楽伊織#Nogizaka46_乃木坂46#デジタル写真集#Iori#Sagara#相楽伊織#GIRLS#graph#デジタル写真集 #「泡沫の宵夢」 #Set #01 recommendation: None TelegraphLinks:page-0-28
@githubtrending · Post #14649 · 30.04.2025 г., 13:00
#typescript#csv#diagrams#graph#json#nextjs#react#tool#visualization#yaml JSON Crack is a free, open-source tool that instantly turns complex JSON, YAML, CSV, XML, or TOML data into clear, interactive graphs, making it easier to explore and understand your information. It lets you convert between formats, validate data, generate code (like TypeScript interfaces), run queries, and export visuals as images—all while keeping your data private since everything processes locally on your device[1][2][5]. https://github.com/AykutSarac/jsoncrack.com
@githubtrending · Post #14878 · 28.06.2025 г., 14:00
#cplusplus#arduino#cansat#csv#embedded#graph#ground_station#iot#microcontroller#network#projects#qt#serial#serial_studio Serial Studio is a free, easy-to-use tool that lets you visualize real-time data from devices like microcontrollers via serial ports, Bluetooth, or network connections. It works on Windows, macOS, and Linux, and offers customizable dashboards with various widgets to monitor sensor data, debug info, or telemetry. You can quickly plot data, export it as CSV for analysis, and even use advanced features like checksum validation and JavaScript data processing. It supports hobbyists, educators, and professionals by simplifying data monitoring and debugging, saving you time and effort in understanding your device’s output. Pro versions add commercial use and extra features[1][4][5]. https://github.com/Serial-Studio/Serial-Studio
@githubtrending · Post #15518 · 24.02.2026 г., 11:30
#rust#ai#ai_ocr#attention_mechanism#gnn#gnn_model#gnns#graph#graph_neural_networks#llm_inference#low_latency#mincut#neo4j#ocr#onnx#rust#vector#wasm RuVector is a free, open-source vector database that gets smarter with every query. Unlike static databases, it learns from usage via GNN layers, runs LLMs locally with no cloud costs, supports graph queries like Neo4j, scales freely across nodes, and deploys as a single self-booting file (125ms startup). Run with `npx ruvector`. You benefit from faster, more accurate AI search that improves automatically, zero operating costs, full offline/privacy control, and easy scaling—perfect for RAG, agents, or edge apps without vendor lock-in. https://github.com/ruvnet/ruvector