最新

嗨，HN， 我用OpenAI Codex在几个小时内构建了这个工具，以满足我的需求。 在我的视频工作流程中，我需要自己剪辑视频，因为代理在仅使用转录文本时剪辑和定时的效果相当糟糕。但使用像Premiere或DaVinci Resolve这样的大型应用程序显得过于复杂，因此我使用Astra构建了一个专门针对这一任务的应用程序。 这个工具对有同样问题的其他人也会很有帮助。 目前只在硅基Mac上进行了测试，欢迎任何反馈。 作为我的工作流程的一部分，当代理获取视频时，它可以打开加载了视频的应用程序，方便我进行剪辑，然后将剪辑导出为代理可以使用的格式，以继续后续的工作流程。

这些天，每当我查看各种包、库或项目的生态系统时，都会发现数百个甚至更多功能和行为重叠的项目。<p>其中一些项目乍一看似乎不错，拥有精美的自述文件、近期的活动、提交历史、功能列表等。但当你深入查看代码时，它们却往往令人失望，质量低劣、维护困难，补丁杂乱无章，每隔一个版本就会破坏兼容性。人工智能使这种情况变得更加严重。<p>过去，如果一个项目在其细分领域内拥有相对较高的 GitHub 星标和活跃度，那么这通常意味着该项目具有一定的质量、潜力或有效性，你可以审查1到3个项目，基本上这可以作为一个良好的初步筛选，而如今则有成百上千个项目。<p>你如何在噪音中找到信号，有哪些技巧和窍门？我使用的一些启发式方法包括：多个贡献者、每天的提交量越少越好。如果作者使用人工智能，一个小的信号是他们是否限制或阻止接受来自代码库或其他 GitHub 仓库的拉取请求，当然还有 AGENTS/CLAUDE.md，尤其是 CLAUDE.md。<p>我很好奇你发现哪些信号有用，特别是那些难以操控且可以半自动化的信号，这样最后你只需审查剩下的最少数量的项目？例如，位置、文件数量、其他注册表？