24小时热榜

你好，HN， 我是一名长期的iOS开发者（自iPhone 3GS时代起）。最近，我独立开发并推出了一款全球约会应用，使用了Flutter、Supabase和Next.js，整个过程大约花了100天，主要依赖Cursor的专业计划（每月20美元）。 虽然像Cursor这样的AI工具使得快速开发成为可能，但我想分享一些来自工程方面的实际情况以及使用这些工具的经济性。 1. 市场验证实验（为什么选择约会应用？） 在编码之前，我通过在一个现有的主要约会应用上创建一个女性用户档案来测试市场，使用了稍微经过AI编辑的照片。 - 第一天：获得了200多个点赞，并且持续了一周。 - 粗略计算：如果每个点赞代表平台潜在收入约1美元，那么从一个用户档案照片中一周内就能获得超过1000美元的收入。 - 现实情况：这让我相信市场巨大，但推出自己的应用让我意识到挑战——出色的功能在没有网络效应和品牌的情况下是不够的。到目前为止，这次发布相对低调。 2. Cursor的经济性（价值的变化） 在最初的几个月，专业计划提供了巨大的价值。得益于无限的自动模式，我的实际使用价值超过了每月1000美元，而账单仅为每月20美元。 这感觉就像和10多名开发者一起工作。通常需要我一周才能完成的任务，往往在一分钟内就能完成。 这令人振奋，但随着时间的推移，这种节奏让我感到疲惫。作为一个人，跟上AI的速度让我在精神上感到疲惫。 大约在第四个月开始，我发现使用限制很快就达到了（例如，在较重的任务上几天内就用完了每月的计算积分）。Cursor已经转向基于计算的使用池（相当于每月约20美元的API积分），如果超出则会产生额外费用。这提醒我们，这些工具的“无限”阶段可能会随着模型成本的上升而变化。 将其比作“毒贩”模型是合适的，因为早期慷慨的访问建立了依赖性，然后成本会调整——这对可持续性是公平的，但需要预算考虑。 3. 工程挑战（AI的帮助与不足之处） AI处理了很多样板代码，但集成细节仍然需要手动工作。 - SSO（谷歌登录）：总是很棘手；例如浏览器未关闭或缺少回调等问题。与过去的经验相比，Supabase Auth使其变得可控——紧密遵循官方文档是关键。 - 通知：Firebase/Google Cloud控制台仍然令人困惑。选择OneSignal作为后端大大简化了事情，这是一个明智的决定。 - IAP：30%的分成（对小型开发者为15%）是相当高的，目前还没有真正的替代方案。计划稍后引入本地支付网关。 - 翻译：我实现了按需翻译（类似LinkedIn的按钮按压）。然后看到一些竞争对手（例如中国应用）在全内容上实现了无缝实时翻译——这显示出技术差距，也提醒我们总有更先进的实现存在。 4. 结论 AI工具使得独立开发者在100天内完成构建，这在之前是不可想象的。但构建产品是一回事；获得用户和吸引力则是另一回事——营销/品牌才是真正的障碍，就像在一个荒岛上建造一座伟大的酒店。 我对其他人在Cursor不断变化的限制或独立推出消费应用的经验感到好奇。 链接： 应用商店：[https://apps.apple.com/us/app/weconnect-cultural-exchange/id6755277858](https://apps.apple.com/us/app/weconnect-cultural-exchange/id6755277858) Google Play：[https://play.google.com/store/apps/details?id=com.abus.weconnect&pcampaignid=web_share](https://play.google.com/store/apps/details?id=com.abus.weconnect&pcampaignid=web_share) 网站：[https://www.wctokyoseoul.com](https://www.wctokyoseoul.com)

嗨，HN， 我想分享一个我一直在开发的工具，旨在帮助我自己的学习习惯。它是一个名为Lingoku的浏览器扩展。 这个想法很简单：我们每天花费数小时在网上浏览英文内容。这个工具会根据你的日语水平，将一些英文单词替换为日语词汇（类似于Toucan，但用户体验更好）。 它基本上是尝试让“i+1”方法真正变得被动，你能理解句子，因为大部分是英文，但你可以自然地从上下文中学习日语单词。它在后台使用了大型语言模型（LLM），以确保翻译符合上下文（因此它能区分同一个词的不同含义）。 由于它使用了付费的AI API进行单词替换，我无法做到100%免费（服务器成本是真实存在的，不幸的是）。不过，有一个“永久免费”计划，提供每日积分，不需要信用卡。这应该足够满足日常的随意浏览。 我之所以开发这个，是因为我在使用Anki时感到疲惫，想要找到一种复习单词的方法，而不觉得自己在“学习”。 现在它支持Chrome、Edge和Firefox。欢迎任何反馈或功能请求！ [https://lingoku.ai/learn-japanese](https://lingoku.ai/learn-japanese)

当你的Python代码出现错误时，你会看到一个追踪信息。你可以看到代码失败的位置，但几乎从来不知道失败的原因——那一刻内存中到底发生了什么。 我创建了F. Incantatem来解决这个问题。只需添加一个装饰器，当你的代码崩溃时，一个大型语言模型（LLM）会捕获完整的上下文——堆栈跟踪、源代码、实际变量值——并解释出错的原因以及如何修复它。 它可以作为装饰器、命令行工具或IPython扩展进行集成。支持OpenAI、OpenRouter，或通过Ollama在本地使用。谨慎模式会在传输前自动屏蔽秘密信息和个人身份信息（PII）。没有核心依赖。 我分享这个是因为我一直在想，其他人一定也在调试这些同样棘手的错误。欢迎提问或反馈。 另外值得注意的是，还有一些工作需要完成（请参见路线图）。 仓库： [https://github.com/aguilar-ai/fincantatem](https://github.com/aguilar-ai/fincantatem) PyPi: [https://pypi.org/project/fincantatem/](https://pypi.org/project/fincantatem/)

嗨，HN， 我来自Nuon团队。在构建“自带云”（BYOC）领域时，我们意识到没有像awesome-selfhosted.net那样的集中式、社区驱动的资源，专门用于管理客户VPC中的软件。 我们希望软件供应商能够提交PR，添加他们的BYOC产品。

我开发了一个小型Linux工具，用于确定性地验证GPU PCIe链接的健康状况和带宽。<p>该工具报告以下内容： - 协商的PCIe代数和宽度 - 主机到设备（Host→Device）和设备到主机（Device→Host）的内存拷贝带宽峰值 - 通过NVML获取的持续PCIe发送（TX）/接收（RX）利用率 - 基于可观察硬件数据得出的规则性判断<p>之所以开发这个工具，是因为PCIe问题（如代数降级、通道宽度减少、扩展卡、分叉）通常在应用层是不可见的，且无法通过内核调优或异步重叠来解决。<p>仅限Linux：该工具依赖于sysfs和PCIe AER暴露，而Windows并不提供这些功能。