最新

你好，我一直在思考一个事情很长时间，但由于我没有macOS屏幕保护程序的经验，所以一直拖延。现在多亏了Claude，我终于能够创建一个在电脑闲置时滚动ANSI文件的屏幕保护程序。 它允许直接使用本地的ANS文件或来自16colo.rs的包。 仓库链接： [https://github.com/lardissone/ansi-saver](https://github.com/lardissone/ansi-saver)

嗨，HN， 我开发了 JotSpot，这是一个超级轻量级的工具，用于快速编写和分享 Markdown 笔记。 这个想法是为了减少摩擦。你只需打开页面，开始输入，笔记会在后台自动保存。每个笔记都变成一个干净可分享的页面。 功能： - 支持 Markdown - 实时预览 - 自动保存 - 可分享链接 技术栈： Flask、HTMX 和 PostgreSQL，运行在自托管的服务器上。 使用 Flask 和 HTMX 构建，以保持简单，避免使用繁重的 JS 框架。 我很希望能收到这里开发者的反馈——特别是关于你们对这种工具的期望功能。 谢谢！

我喜欢使用“更简单”的模型（比如 Composer 1.5，可能是经过微调的 Qwen），尽管这需要我提供更具体的指导。<p>Claude Opus 4.6，可能是目前最“聪明”的模型，在“一次性完成”方面表现出色——但我发现我很少想要一次性完成任何事情，除非是非常小的离散元素，而简单模型也能一次性完成这些任务。<p>有趣的例子是告诉 Claude：“制作一个关于达达主义青蛙的游戏，使用一种投注机制，你试图成为池塘中最富有的青蛙。不要犯错。”而 Claude 会执行出一个可以运行的东西，或多或少符合你的要求。<p>在实际工作中，我喜欢简单模型的知识面不那么广。我注意到，由于缺乏知识，它们在网络搜索方面的使用更为积极。（尽管通过系统提示可以改善工具的使用。）我还觉得简单模型的错误观点较少。Claude 往往会草率下结论——因为它更聪明（而且有点过于自信？），几乎需要更多的“保护措施”。<p>我很好奇其他人的体验如何。

我开发了NovaSCM，这是一个自托管的舰队管理工具，灵感来源于微软的SCCM，但它是免费的开源软件。 <p><pre><code> 技术栈：C# WPF控制台（Windows），Python/Flask REST API，SQLite，跨平台Python代理。 功能： - 生成autounattend.xml以实现零接触Windows安装（USB/PXE） - 网络扫描器（IP、MAC、厂商、开放端口） - 多步骤部署的可视化工作流编辑器（winget、PowerShell、重启、注册表等） - WiFi 802.1X EAP-TLS证书颁发和自动注册 - 每台机器的变更请求跟踪器 MIT许可证。无云服务。无遥测。</code></pre>

我不断从生动的梦境中醒来，却在能写下任何东西之前就把它们忘记了。<p>神经科学的研究表明——在快速眼动睡眠（REM）期间，去甲肾上腺素（这个负责巩固记忆的神经递质）几乎完全被抑制。梦境在你醒来时只存在于工作记忆中。当你的大脑开始处理新的信息时，这些记忆就会被取代。这个时间窗口大约是2分钟。<p>因此，我围绕这个时间窗口进行了设计，而不是忽视它。<p>它的工作原理： - 在Somnia中设置闹钟 - 当闹钟响起时，服务器端的输入窗口打开 - 捕捉屏幕功能直接从通知中启动 - 输入第一个单词，计时器停止 - 如果错过了2分钟，那一天的记录将永远锁定 - 不可覆盖，不可延长，不可例外<p>这个时间窗口的执行仅在服务器端——在Postgres中有一个entry_windows表，当闹钟响起时设置window_expires_at，并在每次API调用时进行验证。客户端的计时器纯粹是视觉上的。你无法通过关闭应用程序或离线来作弊。<p>技术栈：Next.js 14 应用路由、Supabase、Tiptap、web-push + VAPID、GitHub Actions定时任务（Vercel Hobby限制分钟级的定时任务，因此GitHub Actions每分钟调用/api/cron/fire-alarms），Vercel。<p>提供免费套餐。如有关于实现或产品的问题，欢迎咨询。

我一直在尝试寻找提高AI编码助手在处理大型代码库时效率的方法。 问题 当我们向大型语言模型（LLMs）提供代码库上下文时，通常会发送完整的文件和实现。然而，对于许多任务（如理解架构或浏览代码库），模型实际上并不需要大部分内容。 这导致了两个问题： - 不必要的令牌使用 - 噪声上下文 想法 与其分享完整的实现，不如只分享代码的接口表面？ 函数签名、类型、导入和文档——基本上是系统的结构，而不是实现细节。 实验 我构建了一个名为Brf.it的小型命令行工具来测试这个想法。它使用Tree-sitter解析代码并提取结构信息。 示例输出： ```xml <file path="src/api.ts"> <function>fetchUser(id: string): Promise<User></function> <doc>从API获取用户，404时抛出错误</doc> </file> ``` 在一个代码库的示例中，一个约50个令牌的函数在仅保留其签名和文档时压缩到大约8个令牌。 目标并不是替代分享完整代码，而是为以下内容提供一个轻量级的上下文层： - 架构理解 - 代码库导航 - AI代理的初始提示上下文 这个想法部分受到repomix的启发，但采用了不同的方法：不是压缩整个代码库，而是提取API级别的结构。 目前支持的语言： Go、TypeScript、JavaScript、Python、Rust、C、C++、Java、Swift、Kotlin、C#、Lua 项目： [https://indigo-net.github.io/Brf.it/](https://indigo-net.github.io/Brf.it/) 我很好奇是否还有其他人尝试过类似的方法。 你认为对于LLM代码理解来说，哪些信息实际上是必不可少的？ 函数签名和文档是否足够进行架构推理？ 是否有更适合LLM使用的格式？

你好，HN， 我开发了批量图像生成器，因为我对迭代视觉资产的速度感到沮丧。像Midjourney这样的工具非常适合单张图像，但当你需要基于特定参考生成50多种产品照片或游戏资产的变体时，手动处理就显得很麻烦。 它的功能包括： - 上传一张参考图像，并生成100多种保持风格/结构的AI变体。 - 批量背景去除（因为一旦生成了100张图像，通常需要进行清理）。 - 快速批量下载。 我在这里分享这个工具的原因是： 我希望获得关于输出一致性的反馈。我还想知道在你的设计或开发过程中，是否还有特定的“批量”工作流程仍然过于手动。 我会在这里回答关于实现或未来规划的任何问题！

大约10个月前，我在这里发布了OSle [1]，这是一个适用于x86汇编的操作系统，能够在510字节的引导加载程序中运行。它引发了热烈的讨论，我也继续对其进行改进。 直到上周，所有的用户空间程序都是16位汇编语言编写的。最近我开始尝试为它提供一个C运行时，现在你可以用C语言为OSle编写程序了。 SDK附带了一个小型C运行时，提供与汇编SDK相同的API——文件输入输出、进程管理、屏幕输出。来宾程序可以使用标准工具链编译，并在同样的510字节内核上运行。<p>在浏览器中试试吧：<a href="https://shikaan.github.io/osle/" rel="nofollow">https://shikaan.github.io/osle/</a> [1]: <a href="https://news.ycombinator.com/item?id=43866585">https://news.ycombinator.com/item?id=43866585</a>

我用Go语言构建了一个命令行工具，可以从杂乱的PDF和HTML页面中提取结构化数据（JSON、CSV、Parquet）。<p>核心思想是：大型语言模型（LLMs）在理解结构方面表现出色，但在批量数据提取时效率较低。因此，smelt采用了双重处理架构：<p>1. 一个快速的Go捕获层解析文档并检测类似表格的区域。 2. 这些区域（而非整个文档）会发送给Claude进行模式推断——列名、类型、嵌套。 3. 然后Go层根据推断出的模式进行确定性提取。<p>这意味着LLM在实际数据处理的热路径中并不参与。它只需一次性确定“这是什么数据？”，然后Go高效地处理“提取10,000行”的部分。<p>使用非常简单：<p><pre><code> smelt invoice.pdf --format json smelt https://example.com/pricing --format csv smelt report.pdf --schema # 仅显示推断出的结构 </code></pre> 您还可以传递 --query “提取收入表” 来在文档中有多个表格时聚焦提取。<p>目前仍处于早期阶段（尚未支持OCR，HTML仅限于&lt;table&gt;元素），但它能很好地处理常见情况。非常欢迎对架构的反馈——尤其是来自那些在大规模PDF表格提取方面有经验的用户。

当开发者申请工作时，他们通常会发送一个作品集链接、GitHub 账号或简历。<p>但是这个过程完全是一个黑箱。<p>你永远不知道：<p>• 招聘人员是否打开了你的简历 • 他们查看了哪些代码库 • 哪些项目引起了他们的注意<p>因此，我为开发者的作品集构建了招聘人员分析工具。<p>它跟踪：<p>• 个人资料浏览量 • 代码库点击量 • 简历打开率 • 浏览者位置洞察 • 查看个人资料的公司类型<p>目标是为开发者提供类似于产品分析的反馈循环。<p>你不再需要猜测招聘人员重视什么，而是可以看到哪些项目或技能真正引起了关注。<p>我在这里写了一篇关于跟踪如何工作的技术分析以及设计背后的原因：<p>我很想听听 HN 社区对在开发者作品集中添加分析功能的看法。