返回资讯中心
外部精选
软件工程
#开发者实时流

Answer.AI 公开发布 AI 学习工具 SolveIt

来源标题:The Public Launch of SolveIt

Answer.AI 正式向公众发布 AI 工具 SolveIt,用户可免费加入、按使用量付费。该工具将人类、AI、代码、笔记与文档整合在同一环境中,此前已邀请 3000 名预览用户测试,用于软件开发、研究实验和教学学习。

Hacker News 最新__rito__2026/11/17 · 昨天30 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

在Answer.AI,我们打造了一款工具,让我们能够在AI的帮助下学习、探索并逐步精通。我们称之为SolveIt。与我们构建的一切一样,我们的目标不是用自动化取代人的参与,而是帮助人成长。过去几年里,它帮助我们的团队蓬勃发展的程度之大,以至于我们的联合创始人Eric Ries(《精益创业》和《不可腐蚀》的作者)说,我们有“道德义务”将它更广泛地分享出去。今天,我们正在这样做。加入免费,只需为你使用的部分付费:solve.it.com

在SolveIt中,人类、AI、代码、笔记、文档和输出成果共同存在、协同工作。我们几乎在所有工作中都使用它,包括软件开发、研究实验、教学和学习。过去两年里,我们邀请了3,000名预览用户与我们一起测试,并与他们共享一个活跃的Discord服务器。我们一直在花大量时间共同学习,现在是时候邀请更多人加入这个社区了。

许多人对AI使用方式感到不堪重负或挫败——AI往往被强加于人,以牺牲人的理解为代价来最大化产出。对抗这种压力的最好方式之一,就是加入一个朝着相反方向前进的社区。

我们在Answer.AI有一个核心理念:你永远无法外包的东西,就是你自己的理解。我们对为了做而做、批量产出任务产物(报告、分析、计算机程序)不感兴趣。我们的目标是在工作的同时,为自己创造更深的理解以及更好的工具和抽象。否则,我们会觉得是在浪费时间。

像Bret Victor、Donald Knuth、Ivan Sutherland和Kenneth Iverson这样的伟大先驱已经表明,当人们能在同一个地方处理代码、文档和数据,直接操作它们并交互式地看到结果时,思维效果最好。我们意识到,AI也需要处于那个地方。

Claude和ChatGPT这类系统只有一种工作方式:你在文本框里输入,你的消息被添加到对话底部。你和AI在任何有意义的意义上都不共享工作区。在SolveIt中,你们共享。你的文档、代码和AI共同存在于一台专用服务器上,AI在你使用的同一个解释器中运行代码。

举个例子,让我们看看我们的同事Jack Hogan最近创建的一个SolveIt对话。Jack Hogan是Answer.AI的研究员,博士研究方向是多模态机器学习。在我们正在构建的一个新GUI框架中,他想创建一个系统,能从任意选定的色相自动生成完整的调色板。

他与团队其他成员分享了一个精彩的对话,展示了他的探索过程。你可以在这里亲自查看。

Jack从一些简单的演示开始,说明了保持恒定亮度的好处: Jack逐步讲解了他的设计思路、必要的工具函数、创建色域边界、梯子设计、梯子优化以及CSS生成。虽然他事先对自己想涵盖的内容有大致的想法,但只有通过探索他才完整地梳理出来,过程中还走了一些有趣的弯路(包括傅里叶变换)。

这项工作是以迭代方式构建的,步骤小而有序。Markdown笔记解释了他希望调色板和生成器本身具备的属性。代码实现所需的计算。LaTeX渲染公式,例如相对亮度和感知色差度量。

使用SolveIt,我只用了两次点击就导入了Jack对话的副本,自己试了一遍。当我看到不理解的图表或代码片段时,我插入一个提示,在我困惑的部分正下方向我选择的LLM提问。下面,我想更详细地了解他的图表是什么意思。

在对话的后面,Jack输出了展示他设计和优化的颜色梯子的卡片: 这与其他AI编码助手有什么不同?Jack实际上最初是在Claude Code中尝试这个探索的。在漫长的来回交流中,他讨论了广泛的色彩理论资源,查看了现有框架,并让Claude运行实验,最终得到了一组生成的调色板。他告诉我们,讨论起初感觉是协作的,但当他回顾导出的项目时,他无法为其背书。调色板生成器看起来能工作,但很复杂,而且由于它是数百万token价值的实验的结晶——这些实验沿着不同路径曲折前进——他无法解释其方法的理由,也无法解释为什么更简单的方法不够用。Jack进行了第二次尝试:在一个新的Claude Code会话中,他着手修正难以阅读的文字,澄清未解释的假设。然而,在试图为这些想法建立逻辑递进关系时,他很快意识到,他只是在为Claude凭空捏造出的虚假产物做事后合理化。

在第三次尝试中,Jack在SolveIt中从零开始。他在对话顶部只放了一份目标和需求说明,从那里开始,以小步骤逐步构建要容易得多,也令人满意得多,每一步都从前一步自然推出。每个选择都有其理由,包括为什么更简单的选项不够好。工作仍然出现了他未曾计划的转折,包括需要傅里叶级数,但他能解释其中的每一个,而且这一次他能对结果负责。

Jack上面的对话就像他研究的实验室笔记本,我们其他人可以阅读它并看到他的思考过程。当我们想要深入理解我们正在做的工作时(这往往是常态),我们会求助于SolveIt。我们用它阅读论文、学习数学、审查合同、分析数据、写书和开发软件。我们已经能够在SolveIt中编写SolveIt,这让我们速度快了很多。

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →