My App in Action
开发环境
- MacBook Pro, Apple M1 Pro, 32GB, MacOS Sonoma
- GoLang 1.24.1
- DeepSeek / 豆包 / 混元
- Cursor 1.96.2 (claude-3.7-sonnet-thinking)
思路: LLM-News
原始需求描述
我是一名游戏服务器程序员,对服务器相关技术比较了解,包括 C++ / GoLang 等编程语言,并具备一定的问题分析和解决能力。目前对 AGI 技术比较感兴趣,为了提高自己的技术想实时关注 LLM 或 AI 当前最新好用的开源工具,技术论文,技术文章,比较热门的分享文章。目前的想法是实现一个自动化信息采集系统。数据源主要包括 Github 或其他一些比较有价值的权威网站。通过自动化实时信息采集,请用 GoLang 实现一个这样的服务网站帮助我获取这些信息。另外,我想将此系统在 Github 上开源,请符合开源代码的基础规范。
- 定期抓取 GitHub Trending 页面,通过关键词过滤(LLM、AGI、Agent等)获取实时热门仓库。
- 获取比较权威的 Top10 论文,并生成一些摘要信息。
更符合 Prompt Engineering 的需求描述
角色定位:
资深后端开发工程师(游戏服务器方向),寻求AGI领域技术升级路径
技术栈:
- 核心语言:C++/GoLang
- 脚本能力:Bash/Python
- 系统能力:分布式系统/高并发处理/自动化运维
需求场景:
构建智能化的 AGI 技术动态追踪系统,需满足:
- 实时获取AI领域高质量开源项目动态
- 追踪顶尖学术论文进展
- 自动化处理+结构化呈现
功能规格:
模块一:开源项目监控
- 数据源
- GitHub Trending
- Papers with Code
- 采集策略
- 频率:每2小时增量抓取
- 关键词:LLM, AGI, Agent, RLHF, Multimodal, Diffusion
- 过滤维度
- Stars增长率 > 50/day
- 最近提交 < 7天
- 含完整文档/案例
- 输出格式
{
"project_name": "",
"description": "",
"tech_stack": [],
"trend_metrics": {
"stars_24h": 0,
"forks_24h": 0
},
"relevance_score": 0-1
}
模块二:学术论文追踪
- 数据源
- arXiv(cs.CL, cs.AI)
- ACL Anthology
- Google Scholar Top Publications
- 处理流程
- 每日获取各平台 Top20 论文
- 基于 citation velocity 筛选 Top10
- 摘要生成要求
- 技术新颖性(0-5分)
- 实现复现难度评估
- 核心公式/架构图示提取
- 输出样例
## [论文标题]
**评分**:★★★★☆ (4.2/5)
**核心贡献**:
- 创新点1
- 创新点2
**关键技术**:
```python
# 关键代码片段
系统架构约束:
- 响应延迟:从采集到呈现 < 15分钟
- 存储方案:时序数据库 + 向量检索
- 异常处理:网站反爬策略自适应
- 安全要求:遵守 robots.txt 协议
预期交付物:
- 可扩展的分布式爬虫框架
- 智能过滤算法模块
- 自动化摘要生成
- 可视化仪表盘(含趋势分析)
使用 Cursor 编码
提交需求开始编码:
最大自动化执行次数限制:
自动纠错:
问题全部解决后,Cursor 会总结所有实现功能的摘要,以及 Next Steps 下一步计划:
运行服务:
打开服务页面 http://localhost:8081
在当前基础上进一步功能优化:
构建:
运行:
停止:
配置 Nginx 反向代理
需求描述:
在 Linux 上部署实现一个 Nginx 反向代理服务,反向代理的配置为:1. Nginx 监听 80 端口 2. 将 www.gerryyang.com 转发到 8080 端口 3. 将 llmnews.gerryyang.com 转发到 8081 端口。请完善相关的功能实现,并添加 README.md 使用说明文件。还需要提供下载安装 Nginx 可执行程序的脚本,可以将反向服务跑起来。
优化建议
基于当前实现的功能和状态,有以下几点优化建议:
- 性能优化
- 懒加载和分页: 当仓库数量变多时,可以实现懒加载或分页功能,避免一次性加载所有数据造成页面卡顿
- 缓存优化: 在客户端缓存已过滤的结果,避免重复过滤相同条件的数据
- 图片优化: 如果包含仓库图片,可以实现图片懒加载和压缩
- 用户体验改进
- 过滤器记忆功能: 记住用户最近使用的过滤条件,下次访问时自动应用
- 响应式设计增强: 进一步优化移动端显示,确保在小屏幕设备上也有良好的体验
- 深色模式: 添加深色模式切换功能,减轻夜间使用时的视觉疲劳
- 热门标签推荐: 基于当前趋势动态生成过滤标签推荐
- 功能扩展
- 用户自定义过滤器: 允许用户创建和保存自己的自定义过滤条件组合
- 数据导出功能: 提供导出过滤结果为CSV或JSON的选项
- 订阅功能: 允许用户订阅特定模型或类别的更新,通过邮件通知
- 搜索功能强化: 添加高级搜索功能,支持组合条件搜索和正则表达式
- 代码质量提升
- 代码重构: 将主要的过滤逻辑模块化,提高可维护性
- 单元测试: 为过滤功能添加单元测试,确保不同过滤条件下的正确性
- 错误处理改进: 添加更健壮的错误处理和恢复机制
- 性能监控: 添加前端性能监控,收集用户实际使用中的性能数据
- 数据质量改进
- 增强模型关联识别: 改进对模型相关仓库的识别算法,减少误判
- 关联数据丰富: 增加仓库与研究论文之间的关联,展示实现了特定论文的仓库
- 社区热度指标: 添加更多社区互动指标,如Issue活跃度、贡献者数量等
- 更新频率优化: 根据仓库活跃度动态调整抓取频率
通过以上优化,LLM News 平台将能提供更高效、更个性化的用户体验,同时更好地满足 AI 研究人员和开发者快速获取和筛选相关信息的需求。
思路:微信小游戏
需求调研:
请分析下现在比较火的微信小游戏或者抖音小游戏类型有哪些?
微信小游戏用户超10亿,月活5亿,抖音小游戏用户约5亿,角色卡牌和放置类游戏在Q1占主导,策略类在Q2、Q3发力。说明这些类型比较热门。
- 休闲类如《躺平发育》表现好,还有策略类和社交互动的元素。《躺平发育》是主要投放内容,还有中重度游戏开始崛起,比如模拟经营、脑洞文字等,同时社交互动被重视。玩法与APP的重合度达40%,可能说明一些复杂玩法的小游戏受欢迎。
- 微信小游戏的社交化和下沉市场,卡牌类游戏《幽游白书:宿命觉醒》进入畅销榜,还有SLG、轻度MMO和塔防等融合元素的新品类。微信的女性用户ARPU值增长,可能说明某些类型在女性中更受欢迎。
- 抖音的买量指南,提到经典休闲类如三消、模拟经营消耗占比提升,传统重度类如RPG、SLG、放置卡牌占比65%,说明这些类型在买量上投入大,可能比较火。抖音大会数据提到IAP小游戏增长,RPG、SLG等消耗最高,结合直播和达人内容。
微信方面,卡牌、放置、社交休闲类比较火,比如《幽游白书》;抖音方面,休闲类如《躺平发育》是主力,但中重度如RPG、策略类在增长,还有模拟经营、脑洞文字。同时,两者都强调社交化和融合玩法。可能还要提到用户结构,比如抖音大龄男性和年轻女性用户多,影响游戏类型设计。
抖音小游戏热门类型
- 休闲轻量类游戏
- 代表作品:《躺平发育》《吸油记》《一波超人》
- 特点:操作简单、单局时间短,适合碎片化娱乐。例如,消除类、合成类(如“二合三消”)、塔防等玩法持续占据主流,尤其在广告投放中占比显著。2024年Q1至2025年Q1,经典休闲类消耗占比提升至7%以上。
- 用户偏好:年轻女性和大龄男性用户占比较高,游戏动机以放松和快速娱乐为主。
- 中重度策略与RPG类游戏
- 代表作品:《别惹农夫》《人生模拟器》
- 特点:融合策略、放置、模拟经营等元素,注重长线运营和社交互动。例如,放置卡牌、SLG(策略类)和RPG(如仙侠/传奇题材)在2025年Q1买量消耗占比合计接近60%。
- 趋势:开发方向转向玩法深度化,如加入局外养成、职业搭配等策略性设计,并通过社交机制提升用户留存。
- 融合创新类游戏
- 代表玩法:塔防+Roguelike、割草式清怪体验
- 特点:结合多种玩法机制(如随机性、数值策略),吸引偏好新鲜感的用户。尽管融合类消耗占比有所下降,但头部产品仍通过创新保持竞争力。
- 社交互动驱动型游戏
- 趋势:通过直播、短视频达人合作提升曝光,例如抖音小游戏直播达人的月收入可达5万以上,用户复访率依赖侧边栏入口(占67%)。
微信小游戏热门类型
- 卡牌与放置类游戏
- 代表作品:《幽游白书:宿命觉醒》
- 特点:传统卡牌玩法融入SLG或轻度MMO元素,强调策略性和收集乐趣。2024年Q1卡牌类占据主导地位,2025年融合放置元素的卡牌游戏(如《春秋玄奇》)进一步丰富市场。
- 社交休闲类游戏
- 特点:依托微信社交链,设计排名分享、合作对抗等机制。例如,消除类游戏通过好友助力或PK模式提升用户粘性,女性用户广告ARPU值同比增长70%。
- 下沉市场驱动的品类
- 用户群体:中年用户和女性用户占比提升,推动模拟经营、益智解谜等轻度游戏增长。例如,消除类在2024年下半年崛起为市场TOP1品类。
- 跨端融合类游戏
- 趋势:微信探索PC端小游戏,模拟RPG等类型在PC端的人均时长和付费渗透率显著提升,形成“多端联动”生态。
两大平台的共性趋势
- 社交化与长线运营
抖音和微信均通过社交机制(如直播、短视频互动、好友排名)延长游戏生命周期。抖音侧边栏入口和微信视频号直播成为关键复访渠道。
- 重度化与玩法融合
传统手游的玩法(如RPG、SLG)逐渐渗透小游戏领域,开发者通过简化养成线、加速经济循环适配小游戏场景。
- 广告与内购混合变现
抖音IAP(应用内购)小游戏占比提升,微信则通过IAA(应用内广告)实现30%的变现增长。小额支付和低门槛付费策略成为主流。
未来潜力方向
-
AI与UGC内容结合:例如利用AI生成个性化角色,增强玩家参与感。
-
直播与达人生态:抖音小游戏直播流水已超过达人视频收入,未来或成为核心增长点。
-
政策红利:平台对首发游戏提供高额补贴(如抖音最高500万配资),激励开发者创新。
总结:当前微信和抖音小游戏的热门类型均围绕用户碎片化需求展开,但抖音更偏重休闲与中重度融合,微信则依赖社交链和下沉市场。开发者需结合平台特性,平衡玩法创新与用户留存策略。
躺平发育
请介绍下抖音小游戏躺平发育的游戏实现方案,请列出详细的步骤,适合使用 cursor 进行开发的提示词,便于实现一个类似的游戏。
以下是基于抖音小游戏《躺平发育》的游戏实现方案及开发步骤,结合其核心玩法和搜索结果中的技术要点,整理为适合使用Cursor等AI辅助工具开发的提示词和实现框架:
一、核心玩法拆解
- 基础规则
- 双角色对抗:玩家随机分配为“猎梦者”(攻击方)或“睡梦者”(防御方),猎梦者需击破睡梦者的防御门,睡梦者需通过建造塔防和升级装备存活。
- 经济系统:睡梦者通过“睡眠”自动产出金币,金币用于升级床铺(提升金币产出效率)、建造炮塔/维修台等防御设施。
- 塔防机制:炮塔自动攻击猎梦者,维修台修复门耐久值,游戏机提供额外增益。
- 核心循环
- 睡梦者:睡眠→金币积累→升级装备→抵御攻击→存活至倒计时结束。
- 猎梦者:移动→攻击门→升级属性(攻速/攻击力)→击溃所有睡梦者。
二、技术实现方案
步骤1:环境搭建
- 引擎选择:推荐使用轻量级框架如Phaser.js(H5)或Cocos Creator(跨平台),适配抖音小游戏容器。
- 开发工具提示词:”使用Cocos Creator创建一个2D塔防游戏项目,适配移动端竖屏布局,集成抖音小游戏SDK”
步骤2:核心功能开发
- 角色系统
- 睡梦者:实现角色移动(点击房间选择)、上床动画、金币自动生成逻辑。提示词:”用TypeScript实现角色上床后每秒生成金币的逻辑,金币数量随床铺等级提升”
- 猎梦者:AI路径规划(自动寻路至最近门)、攻击动画、属性成长系统。提示词:”基于A*算法实现猎梦者自动寻路,攻击门时触发耐久值减少和维修台修复逻辑”
- 经济与建造系统
- 金币管理:通过计时器动态更新金币数量,关联UI显示。提示词:”使用Cocos的schedule实现每2秒增加金币,升级床铺后提升增量参数”
- 塔防建造:点击空地弹出建造菜单,消耗金币生成炮塔/维修台。提示词:”实现点击地图格子后弹出建造面板,选择炮塔类型后扣除金币并生成预制体”
- 战斗与碰撞检测
- 炮塔攻击:基于圆形碰撞检测范围,触发子弹发射和伤害计算。提示词:”用Phaser.js的物理引擎检测炮塔与猎梦者的碰撞,触发子弹动画和HP减少”
- 门耐久系统:显示耐久进度条,归零后游戏失败。提示词:”使用Tween动画实现门耐久值减少时的进度条动态效果”
步骤3:联机与匹配系统 (可选,可以先实现一个单机的版本)
- 网络架构:采用帧同步或状态同步(推荐WebSocket + Redis)。提示词:”使用Socket.io实现多玩家房间匹配,分配猎梦者/睡梦者角色并同步状态”
- 数据同步:同步角色位置、金币数量、建筑状态等关键数据。
步骤4:美术与音效
- 像素风格资源:使用Aseprite制作角色和建筑像素动画,导出为精灵图集。提示词:”导出Aseprite动画为JSON+PNG序列帧,在Cocos中加载为SpriteAnimation”
- 音效设计:添加点击按钮、炮塔攻击、门破损等音效,适配移动端压缩格式(MP3/OGG)。
步骤5:性能优化
- 对象池管理:复用炮塔子弹、特效等高频生成对象。提示词:”实现对象池管理子弹预制体,避免频繁实例化导致内存泄漏”
- 渲染优化:合并静态建筑节点的Draw Call,使用离屏Canvas处理UI元素。
三、适配抖音小游戏平台
- SDK集成:接入抖音登录、分享、广告接口(如激励视频复活功能)。提示词:”调用抖音小游戏API实现分享截图功能,用户分享后奖励金币”
- 包体压缩:使用微信SKia图形库或TinyPNG压缩资源,控制包体在20MB以内
四、测试与发布
- 自动化测试:使用Jest或Cocos Test Framework覆盖核心逻辑。
- 云真机调试:通过Testin云测平台验证多机型兼容性。
- 数据监控:接入友盟或Firebase分析用户留存和付费行为。
关键提示词示例
- 核心逻辑。”实现睡梦者上床后每秒生成金币,升级床铺后金币产量翻倍”
- AI 行为。”编写猎梦者AI脚本,根据剩余睡梦者数量动态调整攻击优先级”
- 网络同步。”使用Protobuf压缩同步数据,减少WebSocket传输带宽”
通过以上方案,开发者可基于《躺平发育》的核心玩法,快速搭建类似的小游戏原型,并结合抖音平台的社交裂变特性(如直播接入、分享助力)增强用户粘性。需注意平衡数值成长曲线,避免早期版本出现经济系统崩溃或猎梦者强度失衡。
思路:英语聊天助手
实现一个虚拟英语聊天助手,用户可以通过文字或语音与其实现情景对话,对话能力可以借助 LLM 大模型的能力。请基于这个想法提供完整的实现方案。
以下是一个基于大语言模型(LLM)的虚拟英语聊天助手的完整实现方案,涵盖文字/语音交互、情景对话能力及系统架构设计:
一、系统架构设计
- 核心模块划分
- 交互层:支持文字输入、语音输入(ASR)及语音输出(TTS)。
- 推理层:调用LLM生成对话内容,结合情景模板优化回复逻辑。
- 情景管理:预设对话场景(如餐厅点餐、旅行问路),动态调整对话策略。
- 语音处理:语音识别(Whisper/Vosk)与合成(CoVoMix/HiFi-GAN)。
- 用户管理:记录对话历史、学习进度、偏好设置。
技术栈选择
- 前端:Web/App(React/Vue)或桌面应用(Qt),集成语音输入按钮。
- 后端:GoLang 实现的服务框架,异步处理请求,对接LLM API。
- 大模型:GPT-4/Claude(云端API)或LLAMA3(本地部署)。
- 语音引擎:Whisper(ASR)、CoVoMix(多说话人TTS)10。
- 数据库:MongoDB/Redis(存储对话历史、用户画像)。
二、核心功能实现
- 语音交互模块
- 语音识别(ASR)使用Whisper模型将用户语音转为文本,支持实时流式处理。可通过WebSocket传输音频流至后端7。
- 语音合成(TTS)采用CoVoMix模型生成自然对话语音,支持多说话人角色(如教师/学生)和情感语调10。使用HiFi-GAN优化音质,延迟控制在500ms内。
思路:文生视频
通过一段文案描述自动生成一段视频。