HTML
PulseAugur coverage of HTML — every cluster mentioning HTML across labs, papers, and developer communities, ranked by signal.
- developed by World Wide Web Consortium 100%
- developed by Web Hypertext Application Technology Working Group 100%
- developed by Internet Engineering Task Force 100%
- used by JSON 70%
- used by PDF 70%
- used by Office Open XML Wordprocessing Document, ECMA-376 1st Edition 70%
- used by SVG 70%
- used by DEV Community 70%
- instance of XML 70%
- used by AlterLab 70%
- used by Apify 70%
- used by Portable Network Graphics 70%
22 天有情绪数据
-
开发者选择脚本而非 LLM 进行 Markdown 到 HTML 的转换
一位开发者创建了一个确定性脚本,用于将四份文稿的 Markdown 转换为 HTML,避免使用 LLM 以保持数据完整性并防止潜在的意外更改。该脚本高效地提取了 23 个 FAQ 问题,并进行了自我检查以确保格式准确性,从而防止了常见的发布错误。选择使用脚本而非 LLM 是基于转换规则的明确性质以及对一致、可验证输出的需求。
-
开发者推荐PHP、HTML、CSS、JavaScript和Go给有抱负的程序员
一位开发者建议,虽然AI尚未被充分利用,但像PHP、HTML、CSS和JavaScript这样的基础Web开发语言仍然至关重要。他们还推荐学习Go,并称其为一种令人愉快的编程语言。
-
微软 MarkItDown MCP 服务器接受 AI 文档转换测试
MarkItDown MCP 服务器是微软推出的一个开源工具,已接受测试,以验证其将各种文档格式转换为 AI 模型可用文本的能力。该服务器由 dev.to 用户 markitdown 开发,利用模型上下文协议 (MCP) 提供统一的文档转换接口。测试涉及一个 Python 客户端通过 STDIO 与服务器通信,成功将一个 Excel 电子表格和一个 HTML 文件转换为 Markdown 格式。
-
Cinder使用语义HTML标签实现客户端应用命令解析
Cinder是一款旨在通过减少对昂贵且缓慢的云端LLM处理常见命令的依赖来改善用户与Web应用交互方式的新工具。它提出使用诸如`cinder-route`和`cinder-action`之类的语义HTML标签来创建应用结构的确定性图谱。这使得大多数用户请求,例如页面导航或数据过滤,都可以在客户端解析,无需任何AI处理。对于更复杂或模糊的请求,Cinder提供了分层AI解决方案,包括用于拼写纠错的客户端嵌入以及用于真正开放式查询的云端中…
-
Microsoft Teams AI 智能体现在可以发送交互式 HTML 小部件
Microsoft 宣布 Teams 中的 AI 智能体现在可以直接在聊天对话中发送交互式 HTML 小部件,超越了基于文本的响应。这些小部件使用简单的 HTML、CSS 和 JavaScript 构建,允许智能体向用户展示交互式元素,如按钮或仪表板,而不仅仅是描述。此功能通过 MCP Apps 与 Model Context Protocol (MCP) 集成,使智能体已经使用的工具能够在聊天环境中提供自己的界面。
-
Claude Code 在 28 KB HTML 中生成 3D 太空巡洋舰模拟
一位用户成功利用 Claude Code 构建了一个 3D 太空巡洋舰模拟,包含 700 个星系,所有内容都包含在一个仅 28 KB 的 HTML 文件中。该模拟允许自由探索程序生成的星系,其中包含恒星、行星和黑洞等各种天体。用户提示 Claude Code 进行 WebGL2 渲染、行星和纹理的程序生成以及合成音频,并通过后续提示优化输出,以实现所需的恒星和行星分布及控件。
-
Google指导AI编码代理遵循现代Web开发标准
Google发布了针对AI编码代理的指南,以改进其HTML和CSS生成。该建议鼓励这些代理利用现代浏览器API和CSS功能,而不是创建过时的变通方法。此举旨在使AI生成的代码更高效并符合当前的Web开发标准。
-
ExRel框架通过代码引导的合成增强K-12问题图像相关性
研究人员开发了ExRel,一个旨在通过学习定向复用相关性来提高K-12教育中问题图像相关性的新颖框架。该系统将问题重建为可编辑的HTML/CSS种子,并使用可执行的关系合约来指定允许的编辑和不变量。ExRel生成通过确定性DOM渲染和人工审查验证的合成问题对,在答案路由等下游任务中表现优于自然数据和其他基线。
-
Anthropic 的 Claude AI 在图形内生成交互式网站
Anthropic 的 Claude AI 现在可以直接在画布图形内生成交互式网站,这项功能让人联想到 Adobe Flash 的功能。这使得将文本、按钮和其他网页元素嵌入复杂的视觉设计成为可能。这一发展为 AI 生成的内容带来了新的交互水平。
-
Kaspersky 标记通过 Telegram 小部件传播的新 WebRAT 恶意软件
Kaspersky Lab 发现了一种名为 WebRAT (Salat Stealer) 的新型恶意软件,自 11 月 13 日以来一直在感染 Windows 系统。该恶意软件似乎通过 Telegram 频道内的恶意 HTML 机器人小部件传播,主要目的是窃取加密货币钱包信息和 Telegram 账户凭据。尽管 Telegram 已在服务器端禁用了新的小部件功能,但现有的恶意小部件仍然构成威胁。建议用户谨慎对待 Telegram 频道…
-
A2UI Protocol 为 AI 代理流式传输 UI 布局数据,增强安全性和跨平台兼容性
提出了一种名为 A2UI 的新协议,以解决 AI 代理生成用户界面的局限性。A2UI 不输出需要执行的 HTML 或代码,而是流式传输结构化布局数据。然后,这些数据由客户端适配器(适用于 React、Flutter 和 SwiftUI 等框架)转换为原生 UI 组件。这种方法通过防止代理注入任意代码来增强安全性,并通过允许单个代理定位多个原生框架来提高跨平台兼容性。
-
AI用于文档清理与波浪生成
一位用户分享了他们使用AI处理项目文档的方法,并将其与另一位用户使用AI创建海洋波浪生成器的方法进行了对比。第一位用户详细介绍了他们如何利用AI来优化项目的Sphinx文档,确保其生成正确的Texinfo文件,适用于GNU Info和离线终端阅读。这种方法被认为与在生成海洋波浪等视觉元素方面更具创造性的AI应用有所不同。
-
开发者使用 LLM 进行博客标签;新工具将 PDF 转换为 Markdown
一位开发者使用 BERTopic 和大型语言模型 (LLM) 实现了一个博客标签系统来对帖子进行分类,标签显示在侧边栏中。另外,一个名为 Marker 的工具已发布,该工具可以将包括 PDF、PPTX 和 DOCX 在内的各种文档格式以高精度转换为 Markdown、JSON 等格式。Marker 支持多种语言,并可通过 LLM 进行增强以获得更好的结果,可在 GPU 或 CPU 上运行。
-
新工具在AI代理阅读文档前检测其中隐藏的文本
一款名为HiddenContent.ai的新工具已被开发出来,用于检测文档中可能被AI代理利用的隐藏文本。这个问题之所以重要,是因为隐藏文本(例如白色背景上的白色文本或极小字体的文本)可以被AI模型读取,但对人类读者来说是不可见的。一项研究发现,大约百分之一的简历包含此类隐藏提示,并且已经出现了个人因使用这种技术而面临后果的法律案件。HiddenContent.ai通过比较文档的视觉渲染与其可提取文本来识别和标记这些隐藏段落,从而提供解决方案。
-
TreeAgent 增强了 LLM 记忆代理处理层级数据的能力
研究人员推出 TreeAgent,这是一种新颖的结构感知记忆代理,旨在处理超出大型语言模型上下文窗口的长层级数据。与将数据分割成扁平标记的传统代理不同,TreeAgent 通过从完整的子树和相邻的同级子树构建片段来保留局部结构关系。这种方法解决了记录关系断裂、层级上下文模糊以及早期同级记录细节丢失等限制。TreeAgent 还整合了残差记忆链接,用于父子片段之间的直接信息流,在八项使用 JSON、HTML、YAML 和 JavaScr…
-
Simon Willison 使用 HTML 标签管理 AI 生成的 PR 描述
Simon Willison 采用了一种策略来管理像 Claude Code 和 Codex 这样的 AI 编码助手生成的冗长 PR 描述。他在 GitHub Markdown 中使用 HTML 的 `` 和 `` 标签来折叠冗长的、AI 生成的解释。这使他能够为 PR 提供简洁、人工策划的介绍,而完整的 AI 生成的详细信息仅在展开后才可用。这种方法通过隐藏大量的 AI 生成文本来提高 PR 的可读性,使审阅者更容易获取关键信息。
-
随着大型语言模型交互的成熟,提示工程演变为上下文工程
提示工程曾是与 GPT-4 等大型语言模型交互的一项炙手可热的技能,如今正演变为一项更基础的元素,类似于网页开发中的 HTML。新出现的“上下文工程”学科,由 Andrej Karpathy 推广,专注于战略性地管理大型语言模型上下文窗口内的信息。这一转变的驱动因素是认识到仅仅增加上下文窗口大小并不能保证更好的性能,因为模型可能会遇到“中间迷失”、“上下文腐烂”、“投毒”、“分心”、“混淆”和“冲突”等问题。因此,AI 应用面临的主要…
-
使用ChatGPT创建可编辑的PowerPoint和HTML演示文稿,无需编码
一种新方法允许用户直接从ChatGPT生成可编辑的PowerPoint和HTML演示文稿。此过程不需要API密钥或编码,对于没有技术专长的用户来说非常方便。该工具旨在通过利用ChatGPT的功能来简化演示文稿材料的创建。
-
网站到 Markdown 工具简化 RAG 数据准备
一位开发者概述了一个两步流程,用于准备网站内容以进行检索增强生成 (RAG),以提高数据质量。第一步涉及使用 Website to Markdown Actor 等工具来抓取网站,仅提取主要内容,同时剥离导航和页脚等无关元素,并将其转换为干净的 Markdown。第二步侧重于按标题结构化地分块此 Markdown 内容,确保每个块代表一个连贯的部分,并包含源 URL 和标题路径等元数据,以实现更好的检索和引用。
-
新的 AmbiHTMLBench 基准测试评估富文本文档的 HTML 重建能力
研究人员推出了 AmbiHTMLBench,这是一个旨在评估模型解析视觉丰富文档并将其重建为可执行 HTML 能力的新基准测试。与输出 Markdown 的传统系统不同,AmbiHTMLBench 专注于 HTML,以更好地保留空间结构、视觉层次结构和渲染语义。该基准测试包含 1,115 个具有结构化注释的多样化页面,并使用客观指标和人类对齐的主观评估来评估模型性能。对十个多模态系统的初步测试显示,客观和主观评估之间存在差异,突显了任…