Aunque el rendimiento sea menor, si van en una dirección tipo openclaw, de esas que te hacen pensar “esto sí es bastante innovador”,
la gente lo usaría un poco más.
Una página web es algo a lo que puedes acceder de inmediato con solo apuntar el servidor web al directorio donde está el HTML. Si usas algo como Caddy, también se puede hacer con cuatro o cinco líneas de configuración. Para publicarlo externamente, hoy en día también hay opciones prácticas como cloudflared.
Aunque no escribas todo directamente, también existen generadores de sitios estáticos como Hugo.
Para aportar un dato como operador a la pregunta que discutieron ambos, al menos dentro del alcance de nuestro leaderboard todavía no se puede sacar una conclusión hacia ningún lado. Al cerrar estos dos meses, entre 10 bots de IA no hubo ni uno solo con un desempeño estadísticamente distinguible de la suerte, y los únicos cuya intervalo de confianza del 95% quedó por encima de 0 fueron las 4 líneas base que siempre marcan "sube sí o sí". En participantes humanos todavía hay muy poca muestra, así que ni siquiera hemos llegado a la etapa de comparación.
Justo hoy publiqué un artículo de cierre que empieza citando el planteamiento del primer comentario. Lo dejo por aquí porque creo que les puede resultar interesante: https://ldbd.app/ko/blog/prediction-log-03-two-month-review
Ya sea con bots o con personas, vamos a seguir acumulando resultados con el objetivo de verificarlo con un historial comprobable en lugar de quedarnos en afirmaciones.
En la pantalla actual solo aparece el valor de ejemplo de la URL del lobby, https://lobby.example.com, y no pude encontrar por separado una dirección de servidor público predeterminada ni cómo verificar el servidor.
¡Oh, muchas gracias por la opinión tan detallada!
En cualquier caso, parece que lo mejor es esforzarse investigando y saliendo a hablar con la gente, jaja
Yo también, mientras sacaba adelante un producto en etapa inicial, probé de todo: comunidad, cold outreach, lanzamiento, pero lo más importante que aprendí fue que el feedback no llega por la exposición, sino por el nivel de involucramiento.
La gente que solo entra a mirar casi no deja feedback. El feedback realmente útil vino de quienes apostaron algo, por ejemplo, los que al menos se registraron, usaron de verdad un cupón o se atoraron en alguna parte mientras lo usaban. Por eso, más que intentar subir la tasa de comentarios de quienes solo miraron, me funcionó mucho mejor bajar la barrera del primer uso real y hablarles justo en el punto donde se trababan.
Al principio, el 1:1 fue abrumadoramente más efectivo que los mecanismos públicos (upvotes o comentarios). De hecho, cuando contactaba directamente a unas cuantas personas que sí lo habían usado y les hacía preguntas concretas y fáciles de responder, como para enfocarse en una sola cosa, la tasa de respuesta era muchísimo más alta que esperando comentarios públicos. Los pedidos vagos de “déjenme feedback” casi siempre los ignoraban.
Entre curación y comunidad, cuando el producto y la cantidad de usuarios todavía son pequeños, los mecanismos de comunidad (el loop de upvotes) no tienen masa crítica y hasta pueden dar una sensación de vacío. En esa etapa, me pareció más acertado darle peso a una curación tipo Dev Log, donde el operador prueba y escribe directamente, porque así se construye confianza y además hay más control. La capa comunitaria recién empieza a rendir de verdad cuando ya se acumuló cierta densidad.
Puse un botón de “Parece que está agotado” en la parte de abajo, pero no había pensado en la parte donde el descuento ya había terminado. Como me comentaste, parece que no se podrá hacer crawling, así que para los productos por orden de llegada agregué aparte una página de revisión para entrar cada día directamente a la página del producto y verificarlo!!
¡Oh, parece una app que algún día sí voy a necesitar!
Aunque el rendimiento sea menor, si van en una dirección tipo openclaw, de esas que te hacen pensar “esto sí es bastante innovador”,
la gente lo usaría un poco más.
Una página web es algo a lo que puedes acceder de inmediato con solo apuntar el servidor web al directorio donde está el HTML. Si usas algo como Caddy, también se puede hacer con cuatro o cinco líneas de configuración. Para publicarlo externamente, hoy en día también hay opciones prácticas como cloudflared.
Aunque no escribas todo directamente, también existen generadores de sitios estáticos como Hugo.
¡Gracias por probarlo!
Y también por las buenas sugerencias.
https://github.com/jadhvank/ko-llm-classifier/tree/main/extension
Hice una extensión para el navegador Chrome. Pruébenla también, por favor.
Wow, ¿se podía hacer eso? Voy a configurarlo ahora mismo.
Sí, tal cual. Estoy de acuerdo. Aunque se genere una dependencia del SDK, como la curva de aprendizaje es alta, hasta podría ser mejor así.
Acabo de revisar y parece que el servidor se cayó, por eso había desaparecido del directorio de servidores públicos. Ya reinicié el servidor.
Ah, antes que nada, gracias. ¿No aparece como servidor público?
Para aportar un dato como operador a la pregunta que discutieron ambos, al menos dentro del alcance de nuestro leaderboard todavía no se puede sacar una conclusión hacia ningún lado. Al cerrar estos dos meses, entre 10 bots de IA no hubo ni uno solo con un desempeño estadísticamente distinguible de la suerte, y los únicos cuya intervalo de confianza del 95% quedó por encima de 0 fueron las 4 líneas base que siempre marcan "sube sí o sí". En participantes humanos todavía hay muy poca muestra, así que ni siquiera hemos llegado a la etapa de comparación.
Justo hoy publiqué un artículo de cierre que empieza citando el planteamiento del primer comentario. Lo dejo por aquí porque creo que les puede resultar interesante: https://ldbd.app/ko/blog/prediction-log-03-two-month-review
Ya sea con bots o con personas, vamos a seguir acumulando resultados con el objetivo de verificarlo con un historial comprobable en lugar de quedarnos en afirmaciones.
Parece que todos los casos en los que se usan langchain y langgraph se pueden reemplazar con AI SDK
En la pantalla actual solo aparece el valor de ejemplo de la URL del lobby,
https://lobby.example.com, y no pude encontrar por separado una dirección de servidor público predeterminada ni cómo verificar el servidor.¿Podrían confirmar cómo se usa?
Perdón, Tierra
¡Oh, muchas gracias por la opinión tan detallada!
En cualquier caso, parece que lo mejor es esforzarse investigando y saliendo a hablar con la gente, jaja
Yo también, mientras sacaba adelante un producto en etapa inicial, probé de todo: comunidad, cold outreach, lanzamiento, pero lo más importante que aprendí fue que el feedback no llega por la exposición, sino por el nivel de involucramiento.
La gente que solo entra a mirar casi no deja feedback. El feedback realmente útil vino de quienes apostaron algo, por ejemplo, los que al menos se registraron, usaron de verdad un cupón o se atoraron en alguna parte mientras lo usaban. Por eso, más que intentar subir la tasa de comentarios de quienes solo miraron, me funcionó mucho mejor bajar la barrera del primer uso real y hablarles justo en el punto donde se trababan.
Al principio, el 1:1 fue abrumadoramente más efectivo que los mecanismos públicos (upvotes o comentarios). De hecho, cuando contactaba directamente a unas cuantas personas que sí lo habían usado y les hacía preguntas concretas y fáciles de responder, como para enfocarse en una sola cosa, la tasa de respuesta era muchísimo más alta que esperando comentarios públicos. Los pedidos vagos de “déjenme feedback” casi siempre los ignoraban.
Entre curación y comunidad, cuando el producto y la cantidad de usuarios todavía son pequeños, los mecanismos de comunidad (el loop de upvotes) no tienen masa crítica y hasta pueden dar una sensación de vacío. En esa etapa, me pareció más acertado darle peso a una curación tipo Dev Log, donde el operador prueba y escribe directamente, porque así se construye confianza y además hay más control. La capa comunitaria recién empieza a rendir de verdad cuando ya se acumuló cierta densidad.
¡Ya apliqué todo lo que mencionaste! ¡Gracias!
Pensé en cambiarlo incluso ahora, pero creo que otros entrarían pensando como ustedes dos, así que lo voy a mantener. ¡¡Jaja!!
Justo estaba bajando para dejar este comentario jajaja
Puse un botón de “Parece que está agotado” en la parte de abajo, pero no había pensado en la parte donde el descuento ya había terminado. Como me comentaste, parece que no se podrá hacer crawling, así que para los productos por orden de llegada agregué aparte una página de revisión para entrar cada día directamente a la página del producto y verificarlo!!
¡¡Gracias por la buena sugerencia en la que no había pensado!! La voy a aplicar de inmediato~
Los filtros, como porcentaje de descuento y popularidad, también igual.