最新

我在几条评论中提到过这个问题，但想要展开一个更大的讨论。 有些观点认为，使用大型语言模型（LLMs）来编写代码只是我们作为工程师所使用的一种新的高级语言。然而，这在代码审查时会导致一种脱节，因为被审查的代码是生成该代码过程的产物。如果我们现在通过自然语言（提示、规划、编写，作为新的“编程语言”）来表达自己，但只将生成的产物（实际代码）提交审查，那么我们如何才能全面审查它呢？ 我最近感到有些困惑，似乎缺少了关于如何产生这些变化的上下文，包括计划、提示等，以理解工程师是如何得出这个具体代码变更的。他们是一次性完成的，还是花了几个小时进行提示、迭代等？或者是介于两者之间的情况？ PR中的总结通常说明了变化是什么，但并不包含完整的对话或我们是如何得出这个具体变化的（权衡、替代方案等）。 在你们的组织中，如何进行PR审查？你们是否制定了任何规则、自动化流程等？

该项目仍处于 alpha 阶段，但已经存在其他更成熟的替代方案，例如 Tunic：<p><a href="https://github.com/mikeslattery/tunic" rel="nofollow">https://github.com/mikeslattery/tunic</a>

我在寻找高质量讨论时感到沮丧，因此开始了这个项目，以更好地理解这个社区的运作方式。 这促使我构建了 readhn，这是一个 MCP 服务器，旨在帮助实现三件事： - 发现：通过关键词、评分和时间窗口找到相关的故事/评论 - 信任：使用类似 EigenTrust 的传播方法，从种子专家那里识别可信的声音 - 理解：展示每个结果的排名原因，提供明确的信号，而不是黑箱评分 它包含六个工具：discover_stories、search、find_experts、expert_brief、story_brief 和 thread_analysis。 我还添加了 readhn setup，以便 AI 代理（如 Claude Code、Codex、Cursor 等）在 pip install 后可以自动配置。 我希望能收到以下方面的反馈： 1) 这些排名信号是否与您评估 HN 质量的方式相匹配， 2) 信任模型的权衡， 3) 什么会使这个工具在您的日常工作流程中更有用。 如果您觉得这对您有帮助，给这个仓库加星可以帮助其他人发现它： [https://github.com/xodn348/readhn](https://github.com/xodn348/readhn)