最新

dlgo 是一个纯 Go 的深度学习推理引擎。它加载 GGUF 模型，并在 CPU 上运行，除了标准库外没有其他依赖（通过 CGo 可选地实现 SIMD 加速）。 我构建这个引擎是因为我希望在 Go 项目中添加本地 LLM 推理，而不需要调用 Python 或链接 llama.cpp。整个过程只需执行 `go get github.com/computerex/dlgo`，就可以运行模型。 它支持 LLaMA、Qwen 2/3/3.5、Gemma 2/3、Phi-2/4、SmolLM2、Mistral 和 Whisper 语音转文本。架构以声明式的每层规格在加载时解析，因此添加新的模型家族主要只需描述其层结构，而不必编写新的前向传播代码。 在单个 CPU 线程上，使用 Q4_K_M 量化的性能表现为：LLaMA 3.2 1B 约 31 个 token/s，Qwen3 0.6B 约 48 个 token/s，Qwen3.5 2B（具有混合注意力 + 门控 Delta 网络架构）约 16 个 token/s。虽然在原始速度上无法超越 llama.cpp，但其速度足够实用，并且原生 Go 库的易用性很难被超越。 支持 25 种以上的 GGML 量化格式（Q4_0 到 Q8_0，所有 K-量化、I-量化、F16、BF16、F32）。GGUF 解析器、去量化、分词器、前向传播和采样均从零开始实现。 代码链接： [https://github.com/computerex/dlgo](https://github.com/computerex/dlgo)

嗨，我是乌斯曼。 我花了几年时间使用那些让我感觉像是在工厂打卡的时间追踪工具。我会经历一些令人难以置信的“心流”时刻，凌晨1点，我正沉浸在工作中，刚刚重构了整个认证系统并推送了6个干净的提交，但当我查看我的追踪器时，只看到：“3小时：TypeScript。” 没有上下文。没有故事。没有灵魂。只有图表上的一条冷冰冰的线。 与此同时，我的朋友完成了一次10公里的跑步，Strava用地图、高度分解和社区的赞誉来庆祝。这让人振奋。这是人性化的。我开始想：为什么我们没有这样一个工具来记录我们真正引以为豪的工作呢？ 所以，我创建了Kodo。 这不是一个追踪器；它是一个叙述工具。 Kodo的核心理念是将问题从“你工作得够多吗？”转变为“看看你取得了什么成就。” 它在你的IDE中被动运行，但不是简单地记录时间，而是利用人工智能将你的原始活动转化为故事。如果你花了两个小时在三个不同的文件和一个特定的分支之间跳转，Kodo不会仅仅说“编码。”它会说：“重构了认证流程，解决了那个关键的登录bug。”这是你希望为站立会议写的总结，Kodo为你生成。 解决“监控厌恶” 作为开发者，我们对追踪器有一种集体的过敏反应，因为它们通常是为管理者而存在，而不是为我们。我在构建Kodo时设定了几个“不可妥协”的原则： 隐私优先：Kodo绝不会读取你的源代码。就是这样。如果你想保持私密，“隐身模式”只记录时间戳，其他什么都不记录。 社交而非竞争：我们有一个社交动态，团队成员可以看到你在线或在一次重要的工作中给你点赞。这不是一个排行榜来看看谁工作得最多；而是让你在午夜发货时感到不那么孤单的一种方式。 防止疲劳：我曾经是那个凌晨3点还在拼命编码的人，以为自己是英雄，实际上只是在破坏东西。Kodo会给你一个认知新鲜度评分。它会在你高强度工作90分钟后，提醒你休息一下。 技术栈（供好奇者参考） 我非常喜欢T3/Supabase生态系统，所以我保持引擎的现代和快速： 前端/API：Next.js（应用路由）+ Hono。 数据库/认证：Postgres + Drizzle ORM + Better-Auth。 样式：Tailwind CSS v4和Shadcn/UI（因为开发体验很重要）。 扩展：纯TypeScript用于VS Code系列（cursor, windsurf, antigravity），Kotlin用于JetBrain，再次使用TypeScript用于Claude代码（是的，Kodo也会追踪你的Claude代码会话）。 AI层使用OpenAI和Anthropic将你的元数据解析为人类可读的摘要，我甚至添加了5种不同的“AI教练”个性（从“激励”到“健康”），以便你可以选择适合团队文化的氛围。 试试吧 我创建这个工具是因为我们值得拥有比打卡机更好的东西。我们值得拥有一个能够认可工艺、流程和构建事物所需努力的工具。 你可以在[kodo.codes](https://kodo.codes)上试用。 它基本上支持所有工具（VS Code、Cursor、IntelliJ，甚至Claude Code）。创建一个API密钥，放入你的编辑器中，然后...开始编码。Kodo会处理剩下的事情。 我很想听听你的想法，尤其是那些感受到“生产力工具疲劳”的人。 在kodo.codes上试试Kodo。

嗨，HN，我开发这个工具是因为在考虑搬家时，我找不到一个能够深入比较薪资的工具，市级平均水平并不能反映真实情况。在“纽约”获得10万美元的薪水，住在曼哈顿和住在皇后区的意义截然不同。 这个工具的功能：输入你当前的城市、目标城市和你的薪水。它会计算出一个经过生活成本、地方税、租金和货币兑换调整后的等效薪水——甚至可以细分到具体社区。 它的不同之处在于： - 涵盖182个城市的3400多个社区，而不仅仅是城市平均水平 - 提供单身和家庭模式（增加了儿童照护和更大公寓的考虑） - 按国家提供并排的税务细分 - 支持67种货币的实时转换 - 还提供退休海外计算器以帮助退休规划 数据来源于公共资源（如OECD、地方政府统计、住房指数）的组合，经过交叉引用和标准化，形成一个生活成本指数，其中纽约的指数为100。 无需注册，无需付费墙，无广告。非常希望能收到关于方法论或数据准确性的反馈，尤其是来自那些实际在我们覆盖的城市之间搬迁过的人。

零依赖。无需外部数据库。单一二进制文件。只需部署即可使用。我需要一个能够实现实时监控的工具，安装过程简单到只需放置一个文件并运行。这正是Kula的特点。Kula在波兰语中意为“球”，就像“水晶球”一样。该项目正在不断开发中，但我已经在多个生产服务器上使用它。虽然它仍有一些不完善之处，需要进一步成熟，但我希望现在就与大家分享——也许其他人会发现它有用，并愿意通过测试或提供反馈来帮助我进行开发。谢谢！GitHub链接：<a href="https://github.com/c0m4r/kula" rel="nofollow">https://github.com/c0m4r/kula</a>

我搭建了一个MCP服务器，使Claude AI实例能够通过共享消息总线进行通信。每个实例注册一个名称，然后它们可以发送消息、创建频道、共享数据并等待回复——就像是为AI会话提供的轻量级Slack。 它解决的问题是：如果你在多个终端（或在Claude.ai和桌面版之间）使用Claude Code，每个会话都是完全隔离的。一个Claude无法向另一个Claude请求帮助、委派工作或协调共享任务。 通过Cross-Claude MCP，你可以做到以下几点： - 让一个“构建者”Claude向一个“审核者”Claude发送代码并获得反馈 - 在前端/后端运行并行的Claude会话，彼此发布状态更新 - 让一个数据分析Claude与一个内容写作Claude共享发现 有两种模式：本地模式（标准输入输出 + SQLite，无需配置）或远程模式（HTTP + PostgreSQL，适用于团队/跨机器）。兼容Claude Code、Claude.ai和Claude Desktop。 大约500行JavaScript，采用MIT许可证。

我准备退休了。在我年轻的时候，我记得有几个对我这个小书呆子来说至关重要的时刻。活动服务器页面（Active Server Pages）、COM组件、VB6。我知道这些在今天看来有些可笑，但在当时，能够调用服务器端命令是世界上最棒的事情。这让我夜不能寐，努力吸收所有知识。几十年过去了，Claude Code给了我同样的能量和动力。我喜欢这种感觉。它让我想起了当年的时光。我在追逐午夜的时光，却无法入睡。