在过去的几个月里，我一直在重新思考动态语言运行时如何与现代硬件进行交互。最终的成果是ProtoCore及其首个主要实现ProtoJS。
大多数动态运行时（如Python、Ruby，甚至是JS引擎）通过全局解释器锁（GIL）或复杂的内存屏障来处理并发，因为在多个线程之间管理可变状态是非常困难的。
在ProtoCore中，我采取了不同的路径，基于三个支柱：
1. 默认不可变性：所有核心数据结构都是不可变的。我们不使用锁，而是通过结构共享来提高内存效率。这在本质上消除了对象级别的数据竞争。
2. 硬件感知内存模型：对象与缓存行对齐（64字节单元），以防止伪共享并优化缓存局部性。
3. 标记指针：我们为小整数使用56位嵌入负载，这意味着大多数数值操作不需要堆分配。
为了验证这一架构，我构建了ProtoJS。它使用QuickJS进行解析，但用ProtoCore原语替换了整个运行时。这允许真正的工作线程执行（“延迟”），在不复制或涉及GIL相关争用的情况下，共享不可变对象。
当前状态：
- ProtoCore：100%测试通过率（50/50测试），并于今天完成了全面的技术审计。
- ProtoJS：第一阶段完成，展示了真正的并行执行和低于1毫秒的垃圾回收暂停。
我是一名电子工程师（现在是一名大学教授），我想看看应用低级硬件原理是否能够解决高级并发的“混乱”。
我很想听听你对这种以不可变性为首的系统编程方法的权衡看法。
ProtoCore（引擎）：https://github.com/numaes/protoCore
ProtoJS（JS运行时）：https://github.com/gamarino/protoJS
返回首页
最新
嗨，HN，
我是Tullie，Shaped的创始人。之前，我在Meta AI担任研究员，负责Instagram Reels的排名工作，并且是PyTorch Lightning的贡献者。
我们创建ShapedQL是因为我们注意到，虽然检索（找到1000个项目）已经被向量数据库商品化，但排名（找到最佳的10个项目）仍然是一个基础设施问题。
要构建一个合适的推荐流或具有长期记忆的RAG系统，通常需要组合一个向量数据库（如Pinecone/Milvus）、一个特征存储（如Redis）、一个推理服务，以及数千行Python代码来处理业务逻辑和重新排名。
我们构建了一个引擎，将这些整合为一种单一的SQL方言。它将声明式查询编译为高性能的多阶段排名管道。
工作原理：
ShapedQL不是简单的SELECT，而是在推荐系统中以四个阶段进行操作：
1. 检索：通过混合搜索（关键词 + 向量）或协同过滤获取候选项。
2. 过滤：应用硬约束（例如，“库存 > 0”）。
3. 评分：使用实时模型对结果进行排名（例如，p(click)或p(relevance)）。
4. 重新排序：应用多样性逻辑，以确保您的代理/用户不会看到10个几乎相同的结果。
语法：以下是一个RAG查询的示例。这替代了大约500行标准的Python/LangChain代码：
```sql
SELECT item_id, description, price
FROM
-- 检索：在多个索引中进行混合搜索
search_flights("$param.user_prompt", "$param.context"),
search_hotels("$param.user_prompt", "$param.context$")
WHERE
-- 过滤：硬性业务约束
price <= "$param.budget" AND is_available("$param.dates")
ORDER BY
-- 评分：实时重新排名（个性化 + 相关性）
0.5 * preference_score(user, item) +
0.3 * relevance_score(item, "$param.user_prompt")
LIMIT 20
```
如果您不喜欢SQL，您也可以使用我们的Python和TypeScript SDK。我很想知道您对语法和抽象层的看法！
嘿，HN，
我们已经构建浏览器代理有一段时间了。在生产环境中，我们不断趋向于相同的模式：对于正常流程使用确定性脚本，仅在边缘案例中使用代理。因此，我们开发了演示模式。
这个想法很简单：你在远程浏览器中执行一次工作流程。Notte 记录交互并生成确定性的自动化代码。
它的工作原理如下：
- 在云浏览器中记录点击、输入、导航
- 将这些记录编译成确定性代码（运行时不使用大型语言模型）
- 在托管的浏览器基础设施上运行和部署
最接近的类比是 Playwright 的代码生成，但：
- 基础设施已处理（远程浏览器、代理、身份验证状态）
- 代码在可部署的运行时中运行，具有日志、重试和可选的代理回退
代理非常适合原型设计和动态步骤，但在生产环境中，我们通常希望拥有版本化的代码和可预测的成本/行为。欢迎在评论中深入讨论实现细节。
演示链接： [https://www.loom.com/share/f83cb83ecd5e48188dd9741724cde49a](https://www.loom.com/share/f83cb83ecd5e48188dd9741724cde49a)
--
Andrea & Lucas,
Notte 创始人
嗨，HN！<p>我是Hélène。我和我的丈夫是来自比利时的建筑师，过去几个月我们一直在构建一个名为“13美德”的副项目。<p>这个想法源于本杰明·富兰克林的个人品格体系。他没有同时跟踪许多习惯，而是每周专注于一个美德（如节制、沉默、秩序等），在13周内循环13个美德，然后重复这个周期。他记录了这一实践多年。<p>我们希望有一个严格遵循这一结构的应用，而不是另一个灵活的习惯追踪器。一次关注一个美德。一天关注一个美德。重复。<p>您可以直接在主页上试用账本，而无需创建账户。您可以标记今天的缺失，并查看当前的美德以及富兰克林的原始名言：<p><a href="https://www.13-virtues.com" rel="nofollow">https://www.13-virtues.com</a><p>我们为什么要构建它：<p>我们对那些优化连续性和指标而非反思的生产力应用感到沮丧。富兰克林的系统让人感觉清新、受限且有意图，我们希望有一个我们自己也能真正使用的工具。我的丈夫负责工程；我专注于产品和设计。<p>定价模型：<p>我们故意避免订阅模式。<p>- 免费层：完整的13周周期和每日账本<p>- 终身升级（79美元启动价）：超出当前周期的长期历史、引导反思、数据导出，以及一个可下载的现代美德指南（PDF），更深入地解释该方法及其理论基础。<p>富兰克林的系统比SaaS早了几个世纪，每月收费对于这样一个旨在安静实践多年的东西来说感觉不太合适。<p>技术：<p>- 后端：Laravel<p>- 前端：Vue（Inertia）<p>- CSS：Tailwind<p>- 主机：Hostinger<p>在大约12个周末内构建完成。<p>我们今天（中欧时间）会在这里回答问题——乐意讨论实施、定价决策或富兰克林的原著。特别欢迎有深思熟虑的UI/UX反馈。
我热爱科技。但我对未来不再抱有乐观的态度。看起来人工智能不会消失，管理者似乎更倾向于推动人们使用人工智能，而不是构建可靠的软件，只要能推出产品就行。其他一切都在被人工智能摧毁：艺术、音乐、书籍、个人网站。当谷歌的人工智能摘要可以直接给你总结时，为什么还要读博客文章？当你可以直接获得书籍的人工智能摘要时，为什么还要读书？当你可以生成无尽的人工智能音乐时，为什么还要为音乐支付艺术家？
甚至像“日常琐事”这样的事情也正在被像ClawdBot这样的工具自动化。你唯一能做的就是在一天中吃东西和上厕所。人们应该如何赚钱？我不知道，因为在这个“繁荣的未来”里，一切都被人工智能取代了。
所以我想问HN：这一切还有意义吗？我们为什么要继续前行，目标又在哪里？