在我正在进行的一个软件项目中，我研究了一种在线讨论中的模式，这种模式看起来深思熟虑但却没有结论。<p>大多数平台允许人们对内容（如帖子、评论或个人）进行反应。实际上，人们常常对评论的某部分表示赞同，而对另一部分表示拒绝。用户界面强迫用户只能做出单一的反应。<p>一种不同的基本方式：将主张视为一等公民。
• 你引用一个特定的句子/主张。
• 人们对该引用表达赞同或反对。
• 一个讨论线程可以积累“高度一致的主张”和“有争议的主张”的映射。<p>我能看到真实的好处（减少彼此之间的误解，更清晰的共识）。我也看到真实的风险（上下文崩溃、迂腐、激励操控、集体行动、修辞碎片化）。<p>我在寻找有经验的批评意见——尤其是来自那些构建过论坛、管理工具、排名系统或审议产品的人。<p>当你将投票的粒度从帖子级别转移到单词级别时，会出现哪些失败模式，以及哪些设计选择可以缓解这些问题？
返回首页
最新
必需品 n. 维持一个高效且安全的黑客环境所需的东西。“一壶酒，一条面包，一台配备8MB内存的20兆赫80386计算机，以及一个支持完整UNIX系统（包括源代码）、X窗口、EMACS和通过‘blazer’连接到友好的互联网网站的UUCP的300MB磁盘，还有你。”
—— 雷蒙德，E.S. 和 斯蒂尔，G.L.（编辑），《行话文件》[1991]
https://magic-cookie.co.uk/jargon/mit_jargon.htm#x817
我开发了一个桌面应用程序（使用PyQt6，适用于Windows），该应用程序在三阶段管道中协调多个人工智能模型：
第一阶段 – 一个云端大语言模型（Claude/GPT/Gemini）将提示分解为结构化的子任务
第二阶段 – 本地Ollama模型处理每个子任务（免费、私密，运行在您的GPU上）
第三阶段 – 云端大语言模型将结果整合成一个连贯的最终答案
动机：云端API在推理和结构方面表现出色，但需要付费。本地Ollama模型是免费的，但有时不够一致。这个管道让您可以在各自最强的地方使用它们。
还包括：
- FastAPI + React网页用户界面（可通过局域网/移动设备访问）
- SQLite聊天记录
- 基于ChromaDB的RAG
- Discord webhook通知
技术栈：Python、PyQt6、FastAPI、React、Ollama、Anthropic/OpenAI/Google API。MIT许可证。
Engram为AI编码代理提供了跨会话的持久记忆。在前五天内，npm安装量达到了2500次。
问题是：每次Claude Code或Cursor会话都是从零开始。你需要重新解释你的架构、约定和过去的决策。虽然CLAUDE.md有所帮助，但它是手动的，无法扩展。
Engram作为一个原生的MCP服务器运行。只需一条命令即可安装，使用SQLite作为后端，无需基础设施。
记忆分为三个层次：
1. 显式记忆：你告诉它要记住的内容
2. 隐式记忆：从你的工作方式中提取的行为模式（低信心，随着时间的推移得到强化）
3. 综合记忆：在整合过程中生成的元观察
关键的架构选择是：在读取时进行智能处理，而不是在写入时。大多数记忆系统在接收时提取和分类。Engram广泛存储数据，并在你查询时投入计算，因为那时你才真正知道什么是重要的。这就是它在LOCOMO（arXiv:2402.17753）中得分80%，而使用的令牌数量比全上下文检索少30倍的原因。
技术栈：TypeScript，SQLite + sqlite-vec，默认使用Gemini嵌入（任何兼容OpenAI的提供者都可以通过ENGRAM_LLM_BASE_URL使用）。没有外部依赖。
安装命令：npm install -g engram-sdk && engram init
与Mem0、Zep/Graphiti、Letta/MemGPT的比较： [https://www.engram.fyi/compare](https://www.engram.fyi/compare)
GitHub地址： [https://github.com/tstockham96/engram](https://github.com/tstockham96/engram)
我从来不听我的语音备忘录。手机上有数百条录音，全都闲置着。<p>我开发了一个Telegram机器人，可以将这些录音转录成文字（使用AssemblyAI，支持说话者标签，任何语言）——然后接入了Claude Agent SDK，这样你就可以在之后与文件进行对话。<p>Claude Agent SDK为你的机器人提供了与Claude Code相同的工具——读取、全局搜索、文本搜索——可以自主运行在你存储的转录文本上。你可以问“我的经理对截止日期说了什么？”它会生成一个代理，浏览你的文件，读取相关内容并给出答案。这不是关键词搜索，而是一个真正的代理在你的数据上进行推理。<p>自托管，使用你自己的API密钥，MIT许可。可以在任何支持Docker的环境中运行。
一个小脚本，用于在所有用户名旁边显示账户年龄和声望，这样你无需点击进入某人的个人资料就能获取这些信息。这个脚本是用 Opus 4.6 编写的，虽然有点乱，但可以正常工作 :) 在 Firefox 上使用 Tampermonkey。
我认为这与“Show HN”标签有关，因为这篇帖子是解释性的，整个代码库中讨论的这个小故事用例都在仓库中，并且可以自由使用。（如果你使用了，我会很高兴！）
在这篇帖子中，正如我在提交的标题中试图表达的那样，我概述了我的探索之旅，当我决心让GitHub风格的Markdown以我选择的颜色、样式和对齐方式显示我的文本时，我发现，除了使用带有预定义语法高亮的围栏块外，无法做到这一点是一种众所周知的情况，这种情况通常会得到“按预期工作”的回应，因为，嗯，GitHub不希望他们的仓库看起来像MySpace或Geocities，或者通过允许任意的HTML/CSS样式而带来安全风险。确实，我“应该”使用GitHub Pages通过Jekyll从我的Markdown构建一个页面，这是一种控制自己仓库中文档样式的支持方式，但那样有什么乐趣呢？
链接的帖子记录了我找到的解决方法，这成为了一个输出目标格式，而这个格式是我ASCII线条艺术图表工具从未有人要求过的。我想这里的一些人可能会欣赏我在一个我可能根本不应该在意并且应该继续前进的问题上“浪费时间以便你们不必”的技术解决方案的文档。