Clusy

Clusy 终于上线了！今天就免费注册，试试我们的平台，然后告诉我们需要改进什么。

我们用心为自己打造了 Clusy，现在正式发布，与全世界分享。如果你在工作中使用 Jupyter 或 Google Colab（或其他任何 Python notebook），我们相信 Clusy 几乎无需学习成本或迁移成本，就能帮你优化工作效率。

我们开始搭建这个产品，是因为人们使用 notebook 的方式还没有真正跟上 AI 现在能实现的可能性。Jupyter 和 Colab 已经很棒了，但我们觉得下一代 notebook 应该更以目标为导向、更协作、更原生地支持智能体。因此，Clusy 围绕数据科学的端到端方法构建——我们的智能体会在你身边协助完成整个流程，从你的想法和环境搭建，到实际的模型训练和部署。

注册免费计划，或使用优惠码 CLUSYLAUNCH 享受前三个月 5 折优惠！

很有意思！一开始我以为 Claude Science 会对你们的产品构成威胁，但现在我意识到你们瞄准的是完全不同的细分领域——机器学习工程师和数据科学家。非常期待！

Clusy 的分支和数据集版本控制，有多少是自动化的，又有多少需要手动设置？

在复制的内核中并行运行实验，这部分正是我想重点测试的。

每次我自己手动做的时候很快就乱了——三个分支，每个分支的数据预处理略有不同，一周后我完全搞不清是哪个数据集版本加哪个随机种子生成了我最终保留的那个模型。

所以当 Clusy 创建分支并行运行实验时，每个分支是否会锁定自己的环境和数据集快照，这样几周后结果还能复现？

另外，当我选出一个最优结果后，能把这个分支干净地合并回主 notebook 吗？还是说它只能作为一个单独的产物存在？

为并行实验引入分支这个思路真的很聪明，终于有一个 notebook 能尊重真实的研究流程，而不是让你在一个线性脚本里挣扎。

兄弟，想法不错，但演示视频得做得更抓眼球一点——我都没看完整个视频，所以猜猜看，大多数人也不会看完的。