返回首页
最新
我正在构建PicoClaw：一个轻量级的OpenClaw风格的个人AI机器人，它作为一个单一的Go二进制文件运行。OpenClaw（Moltbot / Clawdbot）是一个很棒的产品。我想要一个更简单、更“单一二进制”架构的解决方案，便于阅读和修改。
<p>代码库：<a href="https://github.com/mosaxiv/picoclaw" rel="nofollow">https://github.com/mosaxiv/picoclaw</a>
嗨，HN——我是 NetViews 的开发者，这是一款我为 macOS 开发的工具，因为我希望能更清晰地了解我的有线和无线网络上实际发生的事情。
我习惯使用命令行界面，但在发现和持续监控时，我总是在不同的工具、终端和思维切换之间反复切换。我想要一些更快、更直观的东西，同时又不失技术深度——所以我构建了一个图形用户界面，将我最喜欢的诊断工具集中在一个地方。
大约三个月前，我在这里分享了一个早期版本，并收到了很多很好的反馈。我认真听取了这些意见：更换了新名称（之前叫 PingStalker）、延长了试用期，并增加了许多新功能。今天，我很高兴地分享 NetViews 2.3。
NetViews 的起源是因为我想知道网络上是否有设备在扫描我的机器。一旦我有了这个信息，我希望能快速访问核心细节——外部 IP、Wi-Fi 数据和本地拓扑。然后我想要更多：使用 ARP 表和 ICMP 进行快速、可靠的扫描。
作为一名 Wi-Fi 工程师，我不能止步于此。我不断添加方法，以揭示背后实际发生的事情。
发现与扫描：
* 使用 ARP、ICMP、mDNS 和 DNS 发现来枚举子网中的每个设备（IP、MAC、厂商、开放端口）。
* 首先使用 ARP 表进行快速扫描，然后是 ICMP，以避免通常的“nmap 等待”。
无线可见性：
* 详细的 Wi-Fi 连接性能和信号数据。
* 视觉和听觉工具，快速定位您所连接的接入点。
监控与时间线：
* 1、2、4 或 8 小时的连接和 ping 时间线。
* 持续的“实时 ping”监控，以可视化延迟峰值、丢包和重连。
低级流量（但只关注重要内容）：
* 实时捕获 DHCP、ARP、802.1X、LLDP/CDP、ICMP 和子网外的通信。
* 将 mDNS 解码为人类可读的输出（这花费了几个月的深入研究）。
在底层，它是用 Swift 编写的。它使用低级 BSD 套接字进行 ICMP 和 ARP，使用 Apple 的网络框架进行接口枚举，并在现有命令行工具仍然是最佳选择的情况下进行选择性封装。重点是速度和低开销。
我很希望能听到任何构建或使用网络诊断工具的人的反馈：
- 这是否填补了您在 macOS 上遇到的某个空白？
- 您是否使用过更好的扫描速度或事件可视化的方法？
- 您还发现自己在哪些诊断上需要回到命令行界面？
详细信息和截图请访问： [https://netviews.app](https://netviews.app)
提供免费试用和付费许可证；我直接为开发提供资金，而不是通过广告或订阅。许可证包括免费升级。
欢迎随时询问有关实现、Swift API 或 macOS 权限模型的任何技术问题。
我构建了一个消息代理，支持Kafka协议，因此任何Kafka客户端（如librdkafka、kafka-python、kcat等）都可以在不修改代码的情况下使用。
整个二进制文件大小为52KB。没有JVM，没有ZooKeeper，也没有第三方库——仅使用C++20和kqueue/epoll。启动时间少于10毫秒，空闲时CPU使用率为0%。
我之所以构建这个，是因为在本地运行Kafka进行开发非常痛苦——需要几GB的内存，启动缓慢，还需要配置ZooKeeper/KRaft。我只想要一个能够接受生产请求并且不干扰的工具。
技术细节：
- 单线程事件循环（macOS上使用kqueue，Linux上使用epoll）
- 内存映射日志段（预分配1GB，顺序I/O）
- 无锁的单生产者单消费者（SPSC）/多生产者单消费者（MPSC）环形缓冲区，具有缓存行对齐
- 支持Kafka协议v0-v3，包括灵活版本（ApiVersions、Metadata、Produce）
- 在首次生产或元数据请求时自动创建主题
我遇到的最有趣的bug是：librdkafka发送ApiVersions v3，使用了Kafka的“灵活版本”编码。但协议中有一个特殊的例外——ApiVersions响应中不得包含用于向后兼容的标头标记字段。一个额外的字节导致后续每个字段都向后移动，导致librdkafka计算出约34GB的内存分配，立即崩溃。
当前的限制：没有消费者组，没有复制，单线程，没有身份验证。这是v0.1.0——下一个将支持消费。
采用MIT许可证，支持macOS（Apple Silicon + Intel）和Linux。
原文链接：<a href="https://hbr.org/2026/02/ai-doesnt-reduce-work-it-intensifies-it" rel="nofollow">https://hbr.org/2026/02/ai-doesnt-reduce-work-it-intensifies-it</a>
我创建了Decision Guardian，因为我看到团队反复讨论那些已经做出决定的事项。
在我上一份工作中，我们选择了Postgres而不是MongoDB，以确保ACID合规性。18个月后，一位新工程师提交了一个请求，想要切换到MongoDB。团队花了3个月重新评估，才有人想起之前的决定。
Decision Guardian可以防止这种情况的发生：
- 用markdown记录决策（为什么选择X而不是Y）
- 当受保护的代码发生变化时，GitHub Action会在PR上发表评论
- 免费、开源、MIT许可证
设置只需2分钟。欢迎反馈。
GitHub: [https://github.com/DecispherHQ/decision-guardian](https://github.com/DecispherHQ/decision-guardian)
我们创建了“为所有人而建的丹佛”——一个开源的公民平台，包含48个数据驱动的政策提案、12个互动工具（驱逐追踪器、竞选财务仪表板、租金计算器、AI租户权利聊天机器人），并提供完整的英语/西班牙语双语支持。
技术栈：Astro + React + TypeScript，Cloudflare Pages/Workers/D1，vAPI用于语音AI。采用MIT许可证，政策内容为公有领域。
整个项目设计为可供分叉使用。QUICKSTART.md将指导您如何将其适配到您自己的城市——更换数据源、更新政策、部署。
实时网站： [https://denverforall.org](https://denverforall.org)
代码库： [https://github.com/Denver-For-All/denver-for-all](https://github.com/Denver-For-All/denver-for-all)
这是针对希望拥有一个始终在线的个人AI助手但又不想自行托管或调试基础设施的用户而设计的OpenClaw托管服务。
<p>功能介绍</p>
- 1分钟设置：使用Google登录 → 连接Telegram → 连接您的大型语言模型（LLM）提供商
- 隔离运行环境：您的OpenClaw实例在隔离环境中运行（与“在您的笔记本电脑/VPS上运行”相比，爆炸半径更小）
- 访问控制：允许列出可以向您的机器人发送消息的用户（私信 + 群组）
- 密钥安全处理：凭据以加密形式存储，并与OpenClaw实例分开保管
- 使用情况和费用可见性：提供仪表板以监控令牌/费用，帮助您发现“令牌消耗”
- 教程：提供OpenAI、Anthropic、Gemini、OpenRouter和Kimi密钥的逐步指南 + 设置凭据
- 多实例支持：您可以启动多个OpenClaw实例（一个“个人AI团队”，具有不同角色）
<p>当前状态/限制</p>
- 目前支持Telegram，未来将支持更多渠道。
- 您需要自带模型/提供商密钥（BYOK）。
- 处于早期阶段的项目——非常欢迎您对入门、安保假设以及最重要的功能提供反馈。
我见过许多团队在延迟分析中过于依赖P50/P95/P99的延迟数据，但仍然无法准确捕捉到用户的真实痛点或错误诊断事件。<p>最近，我尝试写下一个更系统的方法来推理生产环境中的延迟分布：不同分布形状的表现、为什么聚合和抽样常常会误导我们，以及为什么按端点、租户、区域和工作负载进行细分通常比增加更多的百分位数更为重要。<p>我很好奇这里的其他人是如何在实践中处理这个问题的：<p>在事件发生时，你是否有一个心理模型来解读P99？<p>哪些图表或细分实际上帮助你调试延迟问题？<p>你是否曾因“看起来不错”的百分位数而错过了真实问题？<p>我在这里写下了我的笔记以供参考：
https://optyxstack.com/performance/latency-distributions-in-practice-reading-p50-p95-p99-without-fooling-yourself<p>希望听到大家在实际系统中是如何处理这个问题的。