最新

我构建了一个系统来解决与AI辅助编码相关的最大问题：六个月后你无法维护代码，因为你已经失去了关于为什么要编写这些代码的所有上下文。 核心理念很简单：与其直接进入编码，不如先生成规范，然后在markdown文件中跟踪每一个规划决策和待办事项，这些文件会在不同的文件夹中流转（计划 → 进行中 → 已执行）。这个执行历史将永远伴随你的项目。 工具包包括： - 规范生成器（根据需求生成架构和开发规范） - 会话管理（跟踪编码会话中的进展） - 执行历史跟踪（3个文件夹系统） - Git工作流助手（分支、规范提交） - Spring Boot测试生成 - 自动化代码审查代理（OWASP安全、SOLID原则、性能） 这个系统是为Claude Code构建的，但工作流概念适用于任何AI编码工具。 我用这个系统构建了一个完整的Spring Boot后端——原本预计需要45天的工作压缩到5天。几个月后，执行历史仍然清晰可读。 完整工具包售价49美元： [https://hathwar.gumroad.com/l/spec-driven-ai](https://hathwar.gumroad.com/l/spec-driven-ai) 详细信息的着陆页：[https://samhath03.github.io/spec-driven-ai/](https://samhath03.github.io/spec-driven-ai/) 欢迎随时询问关于工作流的问题。

嗨！我是Nathan，Mozilla.ai的机器学习工程师。我开发了agent-of-empires（aoe），这是一款命令行应用程序，旨在帮助你管理所有正在运行的Claude Code/Opencode会话，并让你知道它们何时在等待你的输入。 - 使用Rust编写，依赖tmux以确保安全性和可靠性 - 监控命令行会话的状态，以告知你代理是正在运行、空闲还是在等待你的输入 - 通过命名、分组和配置不同设置的配置文件来管理会话 我热衷于让自托管的开放权重大型语言模型（LLMs）成为与专有闭源模型竞争的有效选择。对我来说，一个障碍是，尽管像opencode这样的工具允许你连接到本地LLMs（如Ollama、lm studio等），但它们的运行速度通常比Anthropic和OpenAI托管的模型慢得多。我会在一个任务上启动一个编码代理，但在等待任务完成时，我会打开新的终端窗口开始多任务处理。很快，我发现自己花了很多时间在不同的终端窗口之间切换，以查看哪个窗口需要我：比如添加澄清、批准新命令或给它一个新任务。 这就是我构建agent-of-empires（“aoe”）的原因。通过aoe，我可以启动多个opencode和Claude Code会话，并快速查看它们的状态或在它们之间切换，这帮助我避免打开过多的终端窗口，或者需要手动附加和分离tmux会话。这让我能公平地尝试本地LLMs，因为它们的速度慢现在不再是一个瓶颈。 你可以通过以下命令进行安装： ```bash curl -fsSL https://raw.githubusercontent.com/njbrake/agent-of-empires/main/scripts/install.sh | bash ``` 或者使用Homebrew安装： ```bash brew install njbrake/aoe/aoe ``` 然后只需输入命令`aoe`即可启动。 我很想知道你的想法，以及你认为可以添加哪些有用的功能！我计划增加一些与沙箱（使用Docker）相关的功能，并支持直观的git工作树。我也很想知道关于应该或不应该包含哪些内容的意见。 我决定不涉及MCP管理或通用终端使用，以帮助保持该工具专注于我尚未找到可用解决方案的代理编码部分。 我在这篇帖子中达到了字符限制，无法包含输出视图，但GitHub链接中的自述文件有一张截图，展示了它的外观。 谢谢！

嗨，HN！这是我在今年年初推出的一款文字搜索游戏——当时并没有引起太多关注，但它在网上传播了一些（现在从kottke.org获得了一些流量），现在已经找到了超过12,000个单词！<p>现在游戏内容更加丰富，我想再分享一次。我真的很喜欢看到大家在这个游戏中创造的内容——大多数人似乎都是先在中间的大块区域添加几个单词，然后再参与其他人的项目（或者破坏它们），最后再进行自己的小创意。我最喜欢的是北边的小猫。希望你们喜欢！

我经常在寻找新的软件工程师机会，并发现了一些非传统的求职方式。但在众多的求职工具、人工智能和ATS匹配的情况下，我很好奇你现在使用的求职策略是什么？另外，有哪些方法是浪费时间的？