最新

嗨，HN， 我开发了一个用于iOS无障碍性的静态分析工具。它可以读取你的Swift源文件，并报告无障碍性违规情况——包括行号、严重性、修复建议以及每个发现所对应的WCAG成功标准。 该工具涵盖25条规则，涉及SwiftUI和UIKit：缺失的VoiceOver标签、破坏动态类型的固定字体大小、没有装饰标记的图像、没有标签的按钮、触摸目标小于44pt、缺失的减少运动检查、方向锁定、标题结构问题等等。 问题在于：现有的每个iOS无障碍工具都需要一个正在运行的应用程序。Xcode无障碍检查器是手动的——你需要逐个点击屏幕。VoiceOver测试是必不可少的，但速度慢且无法自动化。两者都无法在CI中运行。 AccessLint在源代码层面工作，类似于SwiftLint，但专注于无障碍性。它解析你的Swift文件，应用规则，并以一个代码退出，你的CI可以基于此进行控制。每个发现都对应一个WCAG 2.1成功标准（如1.1.1、4.1.2、1.4.4等），因此当你的合规团队问“我们是否符合WCAG AA标准？”时，你可以指向报告。 安装方法： ``` brew tap synctek-llc/accesslint && brew install accesslint accesslint analyze --path ./Sources ``` 它可以在任何运行macOS的CI中工作——只需在你的工作流程中通过Homebrew安装并运行CLI。退出代码可以让你在无障碍性回归上控制PR。 免费套餐：10条规则，终端输出。团队版（$19.99/月）：所有25条规则，JSON和Markdown报告，云基线用于跟踪回归。企业版（$49.99/月）：自定义规则和单点登录（SSO）。 我是SyncTek LLC的独立创始人，正在开发这个工具。之所以开始，是因为我在生产环境中不断发现无障碍性错误，而这些错误在PR阶段就能被linter捕获。欢迎询问关于规则引擎、分析方法或其他任何问题。 文档： [https://accesslint.app/docs.html](https://accesslint.app/docs.html)

如果你使用过Claude Code或类似的工具进行“氛围编码”，在你不熟悉或不了解的编程语言中，你是如何验证结果的性能或架构质量的？<p>我很好奇人们是如何发现微妙的错误或技术债务的，因为大型语言模型（LLM）可能会生成一些可用但未经过优化的代码。

我阅读了关于观察记忆的博客和代码，发现这是一个非常有趣的方向，我也很欣赏在实现细节上的透明度。不过，我对其“最先进技术”（SOTA）记忆的主张和更广泛的框架有一些想法。 从我所看到的情况来看： 1. 该实现似乎在很大程度上是针对LongMemEval的良好表现进行了调优。这是一个有用的信号，但并不一定能转化为在生产环境中稳健的长期记忆行为。 2. 它更像是上下文压缩/上下文管理，而不是一个持久的长期代理记忆系统。这在单个长时间运行的任务中表现得很好。 3. Observer和Reflector都以压缩形式重写记忆。这对于令牌控制是有帮助的，但压缩本质上是有损的，可能会丢失一些后续可能变得重要的小细节。 4. Reflector似乎主要通过令牌阈值来验证成功，而不是检查重写的记忆是否在语义上忠实于原始内容。随着时间的推移，这可能导致记忆漂移。 5. Observer提示可能会引入假设（例如，如果经过足够的时间，推断计划的行动已经发生），这有可能导致产生错误的记忆。 6. 设计似乎在重写观察时强调了最近性。虽然这保持了上下文的新鲜感，但可能会使系统偏向于最近的信息，并逐渐压缩掉较旧但仍然重要的细节。持久的记忆系统通常需要机制来保留显著的长期事实，而不仅仅是最近的活动。 7. 完整的观察块被反复注入上下文中。这可能会增加令牌成本，并根据任务引入无关的噪声。 8. 在响应时，似乎对原始消息证据的基础支持有限，这使得检测和纠正错误的压缩记忆变得更加困难。 9. 最后，我认为我们应该对基于单一基准的“最先进技术”主张保持谨慎。LongMemEval的结果可能在该设置下表现强劲，但生产工作负载要复杂得多。稳健性、漂移、基础支持和成本行为通常只有在持续的真实世界使用中才能显现出来。 总体而言，这看起来像是一个强大的基准导向的上下文处理。我只是对它是否已经符合稳健的通用长期记忆系统的标准持怀疑态度。我很好奇团队如何看待这些权衡，超越基准性能。

我决定在为自己的新 DS1525+ 寻找硬盘时构建这个项目。我意识到现有的存储价格跟踪器大多只是懒惰的亚马逊 API 封装，忽视了其他零售商。 ListofDisks 跟踪亚马逊、B&H、百思买、新蛋、办公用品仓库、服务器配件交易和沃尔玛的报价，然后将列表标准化为规范产品，以便可以并排比较相同的硬盘。 当前的方法： - 标准化：零售商特定的解析器 + 规范映射，根据实际型号对列表进行分组 - 信任评分：过滤掉低评分的市场卖家和不明 listings - 上下文：90 天中位数每 TB 价格和历史最低价格跟踪，以识别虚假销售 技术栈： - Next.js 前端 - TypeScript/Node 数据处理工作者 - Postgres（Supabase）作为数据库 CMR/SMR 和保修信息在可用时包含在内，但覆盖范围仍然有限。 目前这是一个零收入项目。我只是想让数据准确，并获得反馈。考虑到当前这些组件的定价问题，我也在考虑很快扩展到内存方面。感谢您的关注！ [https://www.listofdisks.com](https://www.listofdisks.com)