最新

我正在构建一个名为 SLOK 的 Kubernetes 操作器，用于通过自定义资源定义（CRD）和 Prometheus 管理服务水平目标（SLO）。其目标是使 SLO 成为集群中的一种一流声明式资源。用户可以定义目标、指标和时间窗口，引用基于 PromQL 的服务水平指标（SLI），控制器会定期评估这些指标，计算误差预算，并相应地更新状态。目前的实现主要集中在基于百分比的 SLI 和简单的验证上，未来计划增加更高级的功能（如阈值 SLI、燃尽率、告警和模板等）。 这仍然是一个早期版本，主要是一个学习项目，但我很想知道这种方法与其他在 Kubernetes 上实施或运营 SLO 系统的人的看法是否一致。对于整体设计、范围或与现有工具的比较，欢迎提供反馈。

Loci将文档转化为可探索的2D知识地图，并自动生成抽认卡。 工作原理： - 导入任何文件（PDF、Markdown、图像、通过视觉大语言模型处理的手写笔记） - 提取概念并生成嵌入 - 使用UMAP进行2D投影，使用HDBSCAN进行聚类 - 渲染为互动蜂巢网格 - 自动生成填空题和问答抽认卡 - 使用FSRS算法安排复习 技术栈：FastAPI、LangChain、sqlite-vec、Nuxt 4、D3。支持OpenAI或Ollama（完全本地化）。

曾经是SRE的我在这里寻求建议。 我知道有很多工具专注于在系统出现故障后进行根本原因分析。这很好，但这并不是让我感到疲惫的原因。真正让我感到痛苦的是在试图理解一个系统是如何组合在一起的、各个部分之间的依赖关系以及最近发生了什么变化时，频繁的上下文切换。 随着系统的增长，这种情况似乎变得越来越困难。添加日志后，你就创造了数以百万计的新事件需要考虑。再加上一个数据库，突然间你就要面对子网限制或代价高昂的数据库选择，而这些问题往往在事后才被发现。每个人都知道自己负责的部分，但整体情况却没有人掌握，因此系统的逐渐退化就悄然发生。 现在，随着AI代理快速推送大量代码和配置更改，这种情况感觉更糟。事情发展得更快，但共享理解却更快地落后。 老实说，我对人们在实践中如何有效应对这一问题感到困惑。对于处理真实生产系统的人来说，实际上有什么帮助？是图表、文档、部落知识、工具，还是其他什么？在哪些方面会出现问题？

嗨，HN，我们是Sam、Shane和Abhi。 差不多一年前，我们在这里首次分享了Mastra（[链接](https://news.ycombinator.com/item?id=43103073)）。回想起来，那时我们刚开始构建产品，感觉很有趣。HN社区给予了我们很多热情和有用的反馈。 今天，我们发布了Mastra 1.0的稳定版本，因此我们想回来谈谈有哪些变化。 如果你是第一次接触Mastra，它是一个开源的TypeScript代理框架，允许你创建多代理工作流、运行评估、在本地工作室中检查并发出可观察性。 自我们上次发布以来，Mastra的每周npm下载量已超过30万，GitHub星标数达到了1.94万。现在它已获得Apache 2.0许可证，并在Replit、PayPal和Sanity等公司中投入生产使用。 代理开发正在快速变化，因此自2月份以来我们增加了很多新功能： - 原生模型路由：你可以通过指定模型字符串（例如，`openai/gpt-5.2-codex`）访问来自40多个提供商的600多个模型，支持TypeScript自动补全和回退。 - 保护措施：用于提示注入检测、个人信息遮蔽和内容审核的低延迟输入和输出处理器。这里的难点在于低延迟部分。 - 评分器：一个异步评估原语，用于评估代理输出。用户询问如何进行评估。我们希望让它易于附加到Mastra代理上，可以在Mastra工作室中运行，并将结果保存在Mastra存储中。 - 以及其他一些功能，比如AI追踪（Langfuse、Braintrust等的每次调用成本）、记忆处理器、将任何代理转换为路由代理的`.network()`方法，以及用于将Mastra集成到现有Express/Hono服务器中的服务器适配器。 （最后一个功能花了一些时间，我们深入研究了ESM/CJS打包的问题，遇到了许多单一代码库的问题，最终选择了更明确的方法。） 无论如何，我们希望你能试用Mastra，并告诉我们你的想法。你可以通过`npm create mastra@latest`开始使用。 我们会在这里，乐意回答任何问题！

嗨，HN， 我是一名软件工程师。大约一年前，我经历了严重的职业倦怠阶段。传统的建议（如“放松一下”、“找回内心的小孩”等）对我没有效果，因为这些方法感觉不够实用，难以验证。 我开始将我的认知视为一个运行在遗留进化驱动上的操作系统。这些驱动程序是为在不可预测的环境中生存而优化的，而不是为了应对现代高负荷的认知工作。 我不再问“我感觉如何？”，而是将问题重新框定为工程术语： - 什么具体的输入会可靠地触发故障状态？ - 什么最小的干预措施能持续地让这些循环退出？ 我将焦虑和拖延视为反复出现的系统错误，而不是情感问题。我不再依赖意志力，而是尝试一些小的、机械的动作，这些动作能可靠地改变注意力或生理状态——类似于强制中断或重置一个卡住的进程。 大多数实验都失败了。那些成功的实验出奇地无聊、简单且可重复——这使得它们变得可靠。 随着时间的推移，我将有效的方法记录成一本技术手册，以一套协议的形式而非建议进行结构化。 我很好奇这里有没有人使用系统思维或工程风格的模型来应对职业倦怠、焦虑或习惯循环。你们使用了哪些框架，哪些有效，哪些无效？

嗨，HN， 我是Yannis，Preloop的联合创始人。我们构建了一个模型上下文协议（MCP）的代理，允许您在不更改代理代码的情况下，为您的AI代理添加人工审批环节。 我们正在构建使用工具（如Claude Desktop、Cursor等）的代理，但我们对给予它们对敏感系统（如Stripe、生产数据库、AWS）的写入权限感到非常担忧。我们不想重写我们的代理，将每个工具调用都包裹在复杂的“ask_user”逻辑中，尤其是因为我们使用不同的代理运行时。 我们将Preloop构建为一个中间件层。它充当标准的MCP服务器代理。您将代理指向Preloop，而不是直接指向原始工具。您可以定义策略（例如，“允许支付低于50美元的交易，但对超过50美元的交易需要审批”）。当代理触发规则时，我们会拦截JSON-RPC请求并保持连接开放。您会收到一条推送通知（移动端/网页/电子邮件），以进行批准或拒绝。一旦获得批准，我们会将请求转发给实际的工具，并将结果返回给代理。 我们制作了一段简短的视频，展示Claude Code尝试发送资金的过程。当超过限额时，它会自动暂停： [https://www.youtube.com/watch?v=yTtXn8WibTY](https://www.youtube.com/watch?v=yTtXn8WibTY) 我们与任何支持MCP的客户端兼容（如Claude Desktop、Cursor等）。如果您想自行托管代理，我们还提供内置的自动化平台，但代理本身也可以独立工作。 我们希望获得有关架构和审批流程的反馈。“代理”方法是否是处理代理安全的正确方式，还是您更喜欢SDK？ 您可以在这里试用： [https://preloop.ai](https://preloop.ai) 文档： [https://docs.preloop.ai](https://docs.preloop.ai) 谢谢！

我创建了这个艺术创意生成器，因为我自己很难想出创意。我认为它对传统艺术家和AI提示生成者都很有帮助。使用是免费的。