Como operador, para acrescentar um dado à pergunta que vocês dois estavam discutindo: pelo menos no escopo do nosso leaderboard, ainda não dá para tirar uma conclusão para nenhum dos lados. Ao fechar os dois meses, entre 10 bots de IA, nenhum teve um desempenho estatisticamente distinguível da sorte, e os únicos cujo intervalo de confiança de 95% ficou acima de 0 foram quatro baselines que sempre apostam em "alta incondicional". Quanto aos participantes humanos, a amostra ainda é pequena demais para chegar à etapa de comparação.
Por coincidência, publiquei hoje um balanço que começa citando o questionamento do primeiro comentário. Acho que pode ser interessante, então deixo aqui: https://ldbd.app/ko/blog/prediction-log-03-two-month-review
Seja bot ou humano, vamos continuar acumulando dados com o objetivo de verificar por histórico de desempenho, não por afirmações.
Atualmente, a tela mostra apenas o valor de exemplo https://lobby.example.com como URL do lobby, e não encontrei separadamente um endereço de servidor público padrão nem uma forma de verificar os servidores.
Também testei um pouco de tudo enquanto tocava um produto inicial: comunidades, cold outreach, launch etc. Mas o maior aprendizado foi que feedback não vem da exposição, e sim de algum interesse envolvido.
Quem só passa para dar uma olhada quase nunca deixa feedback. O feedback realmente útil veio de pessoas que se comprometeram de alguma forma: por exemplo, chegaram até o cadastro, usaram de fato um cupom ou travaram em algum ponto durante o uso. Por isso, em vez de tentar aumentar a taxa de comentários de quem só olhou, foi muito melhor reduzir a barreira do primeiro uso real e falar com a pessoa exatamente no ponto em que ela travava.
No começo, o 1:1 foi disparado mais eficaz do que mecanismos públicos, como upvotes ou comentários. Quando eu entrava em contato diretamente com o pequeno grupo que realmente tinha usado o produto e fazia uma pergunta bem específica, fácil de responder, do tipo “só isso aqui”, a taxa de resposta era muito maior do que esperar comentários públicos. Um “deixe seu feedback” genérico quase sempre era ignorado.
Entre curadoria e comunidade, quando o produto e a base de usuários ainda são pequenos, mecanismos de comunidade, como loops de upvote, não têm massa crítica e acabam dando uma sensação ainda mais vazia. Nessa fase, achei mais correto dar peso à curadoria, como um Dev Log em que o operador testa e escreve diretamente, porque isso ajuda a construir confiança e também dá mais controle. A camada de comunidade só começa a entregar valor quando já existe um certo nível de densidade.
Eu coloquei um botão "Parece que está esgotado" na parte de baixo, mas não tinha pensado na questão dos descontos que já terminaram. Como você mencionou, acho que não vai dar para fazer crawling, então, para produtos por ordem de chegada, adicionei uma página de revisão separada para eu entrar diretamente na página do produto todos os dias e conferir!!
Há uma UI de filtro por categoria acima da barra de navegação inferior, como "Todas", "Beleza" e "Alimentos", mas parece que isso está sendo gerenciado apenas no estado do cliente, então ao atualizar o navegador o estado do filtro é reiniciado.
Acho que seria ótimo se o estado do filtro fosse mantido mesmo após atualizar a página usando a URL!
Do ponto de vista de desenvolvimento, seria fazer crawling para ver se o preço mudou, mas o crawling de produtos é bloqueado de forma bem rigorosa em lugares como Naver, Coupang etc., então acho que seria difícil para quem não é desenvolvedor.
Uma solução simples não seria criar apenas um botão de denúncia e, se 3 pessoas ou mais marcarem como expirado, excluir o item?
Eu tenho só um monitor/teclado/mouse, mas preciso conectar três dispositivos, então uso um esquema com um dongle ligado no Raspberry Pi e um ESP32 nos outros aparelhos para contornar isso via Wi‑Fi. Na hora de alternar teclado e mouse, apanhei para fazer o monitor trocar junto também; se eu soubesse disso antes, talvez tivesse sido bem mais prático. Obrigado pelo ótimo texto.
Acabei de verificar e o servidor tinha caído, então ele havia saído do diretório de servidores públicos. Reiniciei o servidor.
Ah, antes de tudo, obrigado. Não aparece como servidor público?
Como operador, para acrescentar um dado à pergunta que vocês dois estavam discutindo: pelo menos no escopo do nosso leaderboard, ainda não dá para tirar uma conclusão para nenhum dos lados. Ao fechar os dois meses, entre 10 bots de IA, nenhum teve um desempenho estatisticamente distinguível da sorte, e os únicos cujo intervalo de confiança de 95% ficou acima de 0 foram quatro baselines que sempre apostam em "alta incondicional". Quanto aos participantes humanos, a amostra ainda é pequena demais para chegar à etapa de comparação.
Por coincidência, publiquei hoje um balanço que começa citando o questionamento do primeiro comentário. Acho que pode ser interessante, então deixo aqui: https://ldbd.app/ko/blog/prediction-log-03-two-month-review
Seja bot ou humano, vamos continuar acumulando dados com o objetivo de verificar por histórico de desempenho, não por afirmações.
Parece que todos os casos de uso de langchain e langgraph podem ser substituídos pelo AI SDK
Atualmente, a tela mostra apenas o valor de exemplo https://lobby.example.com como URL do lobby, e não encontrei separadamente um endereço de servidor público padrão nem uma forma de verificar os servidores.
Seria possível confirmar como devo usar?
Desculpa, Terra
Oooh, obrigado pelo feedback detalhado!!!
No fim das contas, parece que o melhor mesmo é fazer o trabalho braçal e ir atrás pessoalmente, haha
Também testei um pouco de tudo enquanto tocava um produto inicial: comunidades, cold outreach, launch etc. Mas o maior aprendizado foi que feedback não vem da exposição, e sim de algum interesse envolvido.
Quem só passa para dar uma olhada quase nunca deixa feedback. O feedback realmente útil veio de pessoas que se comprometeram de alguma forma: por exemplo, chegaram até o cadastro, usaram de fato um cupom ou travaram em algum ponto durante o uso. Por isso, em vez de tentar aumentar a taxa de comentários de quem só olhou, foi muito melhor reduzir a barreira do primeiro uso real e falar com a pessoa exatamente no ponto em que ela travava.
No começo, o 1:1 foi disparado mais eficaz do que mecanismos públicos, como upvotes ou comentários. Quando eu entrava em contato diretamente com o pequeno grupo que realmente tinha usado o produto e fazia uma pergunta bem específica, fácil de responder, do tipo “só isso aqui”, a taxa de resposta era muito maior do que esperar comentários públicos. Um “deixe seu feedback” genérico quase sempre era ignorado.
Entre curadoria e comunidade, quando o produto e a base de usuários ainda são pequenos, mecanismos de comunidade, como loops de upvote, não têm massa crítica e acabam dando uma sensação ainda mais vazia. Nessa fase, achei mais correto dar peso à curadoria, como um Dev Log em que o operador testa e escreve diretamente, porque isso ajuda a construir confiança e também dá mais controle. A camada de comunidade só começa a entregar valor quando já existe um certo nível de densidade.
Apliquei tudo o que você mencionou~~ Obrigado!
Pensei em mudar isso agora, mas achei que outras pessoas também entrariam pensando como vocês dois, então vou manter assim mesmo!! haha
Eu já estava rolando a página para comentar exatamente isso kkk
Eu coloquei um botão "Parece que está esgotado" na parte de baixo, mas não tinha pensado na questão dos descontos que já terminaram. Como você mencionou, acho que não vai dar para fazer crawling, então, para produtos por ordem de chegada, adicionei uma página de revisão separada para eu entrar diretamente na página do produto todos os dias e conferir!!
Obrigado pela ótima sugestão em que eu não tinha pensado!! Vou aplicar agora mesmo~
O mesmo vale para filtros como taxa de desconto e ordem de popularidade!
Muito bom! Obrigado!
Mas tem um ponto que achei um pouco a desejar.
Há uma UI de filtro por categoria acima da barra de navegação inferior, como "Todas", "Beleza" e "Alimentos", mas parece que isso está sendo gerenciado apenas no estado do cliente, então ao atualizar o navegador o estado do filtro é reiniciado.
Acho que seria ótimo se o estado do filtro fosse mantido mesmo após atualizar a página usando a URL!
Do ponto de vista de desenvolvimento, seria fazer crawling para ver se o preço mudou, mas o crawling de produtos é bloqueado de forma bem rigorosa em lugares como Naver, Coupang etc., então acho que seria difícil para quem não é desenvolvedor.
Uma solução simples não seria criar apenas um botão de denúncia e, se 3 pessoas ou mais marcarem como expirado, excluir o item?
Você não deve abrir esse link em locais públicos!
Olá.
Eu tentei abordar isso por meio do método de geração de Excel baseada em templates.
https://github.com/jogakdal/data-processors-with-excel
Agradeço se puder dar uma olhada.
No Hacker News, também mencionaram o incidente do incêndio no data center do governo coreano rs
Eu tenho só um monitor/teclado/mouse, mas preciso conectar três dispositivos, então uso um esquema com um dongle ligado no Raspberry Pi e um ESP32 nos outros aparelhos para contornar isso via Wi‑Fi. Na hora de alternar teclado e mouse, apanhei para fazer o monitor trocar junto também; se eu soubesse disso antes, talvez tivesse sido bem mais prático. Obrigado pelo ótimo texto.