最新

大家好， 不久前，我在Reddit上分享了我如何构建一个从头到尾处理求职申请的工具。我对有这么多求职者尝试这个工具并分享他们的经历感到非常惊讶。虽然有不少人找到了新工作，很多人也获得了面试机会，但仍有许多人只收到了拒信。 不过我们也注意到一个规律：很多拒信是在招聘人员甚至还没看到简历之前就发出的。经过深入研究这个问题，我们意识到这通常与ATS（申请人跟踪系统）的问题、缺少关键字或没有针对特定职位定制简历有关。这就是为什么我们花了四个月时间来构建一个AI简历生成器。 我们测试了几乎所有的简历工具，邀请招聘人员提供反馈，甚至进行了私人测试以进行微调。最终的结果让我们非常自豪，但我们每天都在不断改进。 以下是它的功能： - AI驱动的反馈与建议：它不仅仅是格式化你的简历；还会识别问题区域，帮助你完善成就（或者建议一些你可能遗漏的新要点）。 - 深度分析（24个因素！）：我们关注从结构到相关关键字的所有方面，确保你的简历能够通过那些讨厌的ATS筛选。 - ATS友好的模板：每个模板都旨在与现代申请人跟踪系统良好兼容，给你更好的机会被看到。 目前我们将其免费提供，至少在我们的服务器账单耗尽我银行账户的最后一分钱之前！ （开玩笑的……大部分。）我们还会很快添加新功能，比如将你的简历与特定职位描述匹配。我们宁愿把事情做好，而不是匆忙推出半成品，所以请继续关注。 我很想听听你们的反馈、问题或成功故事。祝你们求职顺利，感谢你们关注这个工具！ 祝好，

我有一个浏览器扩展，它在实际网站上执行相同的功能，我希望在移动设备上也能有类似的体验 : )<p>（还有一个很酷的演示）<p>- 音译是通过 to-jyutping（由 Jyutping.org 提供）完成的<p>- 字幕要么是通过我与一些 Canto AI 朋友合作开发的管道从头生成的，要么是通过内部 YouTube 字幕 API 生成的，先转换为 SRT 格式，然后逐行翻译，并分别添加前缀（zh）、（yue）或（en）

我花了几个月的时间完全从零开始用Python构建一个深度学习引擎（仅使用数学和随机数）。<p>最初是一个基本的线性代数计算器项目，后来发展成了一个具有自动微分、自定义矩阵操作、注意力机制、层归一化、GELU，甚至还有一个基于布朗语料库训练的文本生成演示的符号张量系统。<p>我仍然是本科生，所以我的主要目标是深入理解深度学习的实际工作原理——梯度、注意力、反向传播、优化器——通过一步一步构建，全面了解每个细节，而不依赖于大型框架或库。<p>虽然它的速度不快，也不适合生产环境，但这并不是重点。目前，它更侧重于探索和理解。我主要想通过从基本原理出发来探讨深度学习的工作机制。<p>这仍然是一个正在进行中的项目（在结构、文档和性能方面还有很多需要学习和改进的地方），但我觉得值得分享。<p>我非常欢迎任何反馈、问题、想法，或者只是关于你会添加、改变或以不同方式处理的内容的想法。 感谢您的阅读！

一个月前，我们创建了一个MCP服务器，以便Cursor能够独立调试Node.js。我们给每位在我们的代码库上点过星的人发送了电子邮件，了解到前端开发者非常希望Cursor能够访问浏览器日志，而后端开发者（我们的目标受众）使用调试器的频率远低于我们的预期。 我们采访了多家初创公司的朋友，发现他们使用日志进行调试，因为他们无法在本地机器上运行服务。这些服务要么（1）占用过多的磁盘、内存或CPU，无法在本地运行；要么（2）有过多的服务依赖（想想微服务）；要么（3）在本地使用调试器实例化起来非常麻烦。相反，我们的朋友们会对他们的服务进行监控，通过Kubernetes将其部署到暂存环境中，然后通过数据存储（比如Grafana、Axiom.co、Google Cloud Logging等）或直接（比如Kubernetes日志）查询日志。 我们想：“如果我们能够从日志中重现类似调试器的体验呢？”这将使他们不必在浏览日志和试图理解它们时脱离代码库的上下文。 我们对此进行了研究，并制作了一个VS Code扩展，允许您（1）导入日志，（2）跳转到与日志相关的代码行，并在与日志相关的可能调用栈中上下导航。 这只是一个原型，但如果您有兴趣试用，我们非常希望能收到反馈！ GitHub: github.com/hyperdrive-eng/traceback --- 参考文献： [1]: [https://news.ycombinator.com/item?id=43446659](https://news.ycombinator.com/item?id=43446659) [2]: 140个GitHub星标，发送了69封电子邮件（其余是机器人），收到19个回复（= 28%的回复转化率），举行了4次会议（= 21%的会议转化率）。

最近我决定想学习一些基础的意大利语，但我意识到其中一个主要障碍就是需要记住大量的词汇才能进行基本的对话。我本可以直接注册一个闪卡网站来学习，但我觉得那样有点无聊，同时我也想要一个短小而有趣的编程挑战。 这时，我想到了Astrocards的灵感：我记得几年前在Quizlet上有一个类似的游戏（我想是Quizlet？），但我再也找不到它了，不过我记得我很喜欢那个游戏，所以我决定重新实现它，作为一个桌面应用程序（并且加上一些更炫的图形）。为了增加乐趣，我决定用Rust来编写它。 这个游戏的基本理念是，一串小行星会从屏幕上方掉下来，上面会有闪卡术语，你需要快速输入答案以摧毁那颗小行星。你必须在小行星到达屏幕底部之前摧毁它们，否则你会受到一些伤害。被击中五次就游戏结束！还有红色小行星，如果你答错了会对你造成伤害，如果它们到达屏幕底部则会导致游戏结束。 我还确保这个游戏是可以自定义的，以便你可以创建自己的闪卡集。如果你想创建自己的集合，只需在`sets/`文件夹中创建一个遵循以下格式的文件： # 注释看起来像这样 “flashcard_set_name” { ``` “question” = “answer”; ``` } 一个示例： “math” { ``` # 加法 “1 + 1” = “2”; “2 + 2” = “4”; # 乘法 “2 * 2” = “4”; “3 * 5” = “15”; ``` } 这样你就可以创建与意大利语无关的集合（事实上，我在发布时还包含了一些与意大利语无关的其他闪卡集）。我还加入了一个“学习模式”，以帮助以一种不那么“游戏化”的方式复习整个卡组。

我是一名产品设计师，拥有前端背景（Rails、Swift），希望加深对领域建模的理解。 我认为领域模型是产品、设计和开发之间的共享基础。但在团队中，我并没有看到这种情况的发生。它帮助我理解可能性，将功能流程锚定在可实现的范围内，避免过度设计。 那么，为什么更多的产品团队不在ERD（实体关系图）上进行协作呢？有时当我请求一个架构或ERD以便理清思路时，我得到的只是茫然的目光。开发者在数据建模方面是否有超越ERD的不同思考方式？ 在设计与工程之间，协作领域模型是否是一个良好的切入点？在你们的组织中，这种协作通常是什么样的？ 我很想听听其他人是如何处理这个问题的，特别是那些与设计师紧密合作的工程师，或者是随着时间推移在这方面变得更加出色的设计师。