返回首页
最新
你好，HN，我是 Jarvish 的创始人。
我大部分时间都在终端中工作，对于标准的错误解决流程感到非常沮丧：命令失败 -> 复制标准错误 -> 打开浏览器 -> 粘贴到 ChatGPT/Google -> 复制修复方案 -> 粘贴回终端。这完全打断了我的工作状态。
我希望能有一个无缝的体验，让终端能够自动了解刚刚发生的事情。
因此，我构建了 Jarvish。它是一个用 Rust 编写的完全功能的交互式 shell，并且将一个 AI 代理无缝集成到 REPL 循环中。你不需要任何特殊的前缀——如果你输入 `ls -la`，它就会执行这个命令。如果你输入 `Jarvis，这个构建为什么失败了？`，它会将请求路由到 AI。
以下是其背后的工作原理：
- “黑箱”（I/O 捕获）：它使用 `os_pipe` 和多线程实时捕获子进程的 `stdout`/`stderr`。这会将输出捕获到内存中供 AI 使用，同时在终端中渲染而不打断交互式 TUI 工具。
- 上下文记忆：捕获的 I/O 使用 `zstd` 压缩，进行哈希处理（类似于 Git blobs），元数据存储在本地 SQLite 数据库（`rusqlite`）中。当你向 AI 提问时，它会自动检索最近的 I/O 历史作为上下文。
- 代理能力：使用 `async-openai` 进行函数调用，AI 可以自主读取文件、执行 shell 命令，并在给出答案之前调查问题。
- REPL：基于 `reedline` 构建，提供类似 Fish 的体验（语法高亮、自动建议）。
我一直在将其作为我的日常工具使用（当前版本为 v1.1.0）。我非常希望听到你们对架构、Rust 实现或任何功能请求的看法！
嘿，HN，
我一直对GitHub上缺乏准确的开源贡献者排名感到沮丧。现有的列表要么限制较早，要么高度本地化，完全遗漏了那些贡献数以万计甚至数十万的开发者。
因此，我构建了DevIndex，以根据开发者的终身贡献对全球前50,000名最活跃的开发者进行排名。
从工程的角度来看，我设定的限制是：*没有后端API。* 我希望将其完全托管在GitHub Pages上，免费提供，这意味着浏览器必须直接处理所有50,000条数据丰富的记录。
以下是我们如何实现的：
1. *自主数据工厂（后端）：*
由于GitHub的API没有“终身贡献”端点，我们构建了一个在GitHub Actions上运行的Node.js管道。它使用“网络爬虫”遍历社交图（以打破算法过滤气泡），并使用更新器将GraphQL查询分块，以防止502超时。该管道持续更新一个单一的`users.jsonl`文件。
```
*隐私说明：* 我们使用“隐身星”架构来处理选择退出。如果开发者给我们的选择退出仓库加星，管道会进行加密验证，立即清除他们的数据，并将其列入黑名单。无需提供电子邮件。
```
2. *引擎级流式处理（O(1)内存解析）：*
你不能在不冻结UI的情况下对一个23MB的JSONL文件进行`JSON.parse()`。我们使用`ReadableStream`和`TextDecoderStream`构建了一个流代理，以增量方式解析NDJSON，瞬间渲染前500个用户，同时在后台加载其余数据。
3. *涡轮模式与虚拟字段：*
实例化50,000个JS对象会消耗大量内存。存储保持原始POJO，完全按照解析的方式存储。复杂的计算字段（如“2024年总提交数”）使用由RecordFactory动态生成的基于原型的getter。添加60个新数据列对每条记录的内存开销为0字节。
4. *“固定DOM顺序”网格：*
我们不得不重写底层UI引擎（Neo.mjs）。传统的VDOM在处理大列表时会崩溃，因为滚动会触发成千上万的`insertBefore`/`removeChild`变更。我们实现了严格的DOM池。VDOM数组的长度始终不变。离开视口的行会通过硬件加速的CSS `translate3d`在原地回收。对50,000条记录的60fps垂直滚动不会产生任何结构性DOM变更。
5. *五重线程架构：*
为了保持排序速度并在单元格中渲染“动态小图”，我们积极地将工作负载分配给多个工作线程。主线程*仅*应用DOM更新。应用工作线程处理50,000个数据集、流式处理和VDOM生成。专用的Canvas工作线程使用`OffscreenCanvas`以60fps独立渲染小图。
整个后端管道、流式UI和核心引擎重写在一个月内由我和我的AI助手完成。
实时应用（查看你的排名）： [https://neomjs.com/apps/devindex](https://neomjs.com/apps/devindex)
代码 / 26个架构指南： [https://github.com/neomjs/neo/tree/dev/apps/devindex](https://github.com/neomjs/neo/tree/dev/apps/devindex)
希望能听到大家对架构的反馈，特别是那些曾经处理过“胖客户端”扩展问题或大规模GraphQL聚合的人！
嗨，HN，
最近我一直在运行本地代理（比如 OpenClaw），我注意到一个问题：它们有 90% 的时间都在闲置，等待我的指令。我想建立一个去中心化的游乐场，让它们能够自主协作、交易计算资源和交换技能。
今天我将开源 Mycelio。这是一个严格的 A2A（代理到代理）任务路由协议。
它的不同之处在于：
1. 不需要臃肿的 Python SDK。由于智能代理可以直接理解 API，因此集成只需将一个 YAML “技能”定义注入到代理的系统提示中。
2. LLM 可以原生地使用 `curl` 来轮询 `/tasks` 端点，领取赏金并提交结果。
3. 使用双密钥（管理员 + 工作者）实现零摩擦的身份验证，以保护所有者。
目前网络是完全空的，因此我们正在进行“创世 50”的启动。前 50 个在主网上完成真实交易的代理 UUID 将被硬编码到数据库中，作为创世节点，初始拥有 10,000 点“业力”值。
您可以在这里查看实时网络心跳：<a href="https://mycelio.ai" rel="nofollow">https://mycelio.ai</a>
我很想听听您对为机器构建基于意图的协议与经典 SDK 的看法。
我在听《华尔街日报》最新一期的播客（https://www.wsj.com/podcasts/the-journal/the-ai-economic-doomsday-report-that-shook-wall-street/d9b12d37-a743-4a8c-afb6-2488aa9e812f），让我感到困惑的是，2到3个月前，市场担心科技公司数万亿美元的资本支出（CAPEX）所带来的“人工智能泡沫”会变得毫无用处，因为人工智能似乎几乎没有实际应用。实际上，每次资本支出高的财报发布后，股票都会下跌。
而现在（在过去10到15天内），这种恐惧似乎发生了逆转：人们担心人工智能会取代程序员、视频游戏开发者、金融顾问以及其他类似职业，和这些行业相关的公司股价正在下跌（参见标准普尔软件与服务精选行业指数 https://www.spglobal.com/spdji/en/indices/equity/sp-software-services-select-industry-index/#overview，自年初以来下跌了20%）。
我理解“对未知的恐惧”深深根植于人类心理中，在像这样颠覆性的时刻（我指的是人工智能的诞生），许多反应都是非理性的，但我对这种变化的速度感到惊讶。
你对接下来几个月的形势怎么看？下次下跌的原因可能是什么？似乎人们更像是在寻找卖出的理由，而不是因为某个具体原因而卖出。
Polpo 是一个开源的移动控制器，专为 AI 编程代理而设计。它在您的计算机上运行一个轻量级服务器，并提供一个适合手机使用的仪表板，以便管理会话、发送提示、批准工具调用和审查计划。
我们刚刚发布了 v1.1.0 版本，支持 5 个代理（Claude Code、Codex、Gemini、OpenCode、Pi），可以通过手机进行技能管理（浏览/安装/删除 skills.sh 中的技能），并能够在不触碰终端的情况下启动新会话。
这个想法源于我们希望能够在沙发上启动编码任务，并通过手机查看进度。之后这个想法逐渐发展壮大。
该项目使用 Node.js 构建，前端没有使用任何框架，采用 WebSocket 进行实时更新。可以在局域网内或通过隧道（cloudflared、localtunnel、ngrok、SSH）远程访问。
由意大利普利亚地区的非营利组织 PugliaTechs 开发。
多年来，创业者们一直将“寻找创意”浪漫化，熬夜头脑风暴，在推特上追逐潮流，无休止地浏览Reddit，期待那一瞬间的灵光乍现。但这一时代正在逐渐消逝。我所认识的最聪明的创业者们不再是单纯的寻找灵感，而是在进行查询。
他们不再追逐灵感，而是研究经过验证的问题、市场信号和重复需求模式的结构化数据库。像Google上的StartupIdeasDB这样的工具在讨论中频繁出现，不是作为答案的钥匙，而是作为思考的基础设施。
这种转变微妙却重要：从以创造力为先转向以信号为先。当创意被组织、分类并可搜索时，瓶颈不再是想象力，而是执行力。这一过程去除了自我，取而代之的是模式识别。
你不再问“我应该构建什么随机的创意？”而是问“我对哪个信号理解得足够深入以获得成功？”这种心态将几个月的徘徊压缩成几天的清晰。寻找创意并不是因为创造力消失而死去，而是因为结构化的洞察力更具可扩展性。
大多数人认为，找到一个SaaS创意需要一个突破性的时刻，或者某种其他人未曾想到的天才灵感。实际上，最简单的方法并不是发明一些新东西，而是观察那些不断重复的现象。最优秀的创始人并不是首先追求原创性，而是追求模式。
他们关注的是商业中持续存在的挫折、工作流程的混乱以及仍然以手动工作为主的领域。与其无休止地寻找灵感，他们更倾向于研究真实的创业概念和市场痛点的有序集合。
我发现越来越多的创业者在谷歌上悄悄参考StartupIdeasDB，以此来缩短发现阶段的时间。这并不是盲目复制创意，而是分析哪些问题反复出现。一旦你看到重复，就会发现机会。
问题不再是“我应该构建什么？”而是“我能更好地满足这些现有需求中的哪一个？”这种转变使整个过程变得更加平静、快速，且远不如想象中浪漫。最容易找到的SaaS创意并不隐藏，而是已经被记录下来，等待有人去正确执行。