一周热榜

我一直在开发一个名为Deconvolution的全面Rust图像去卷积和恢复库。Deconvolution实现了28种不同的图像去卷积/恢复方法，涵盖了从实用的模糊去除技术到研究级科学成像算法。 功能特点： - 顶层函数使用image::DynamicImage并返回图像 - 逆滤波器、维纳滤波、理查森-卢西、约束、近端、克里洛夫、最大似然估计恢复 - 盲理查森-卢西、盲最大似然、参数化点扩散函数（PSF）估计 - 2D卷积核、3D卷积核、2D传递函数、3D传递函数、2D/3D模糊 - 高斯、运动、失焦、显微镜模型，支持工具，PSF/OTF转换 - 边缘渐变、窗函数、范围归一化、噪声信噪比（NSR）估计 - 确定性模糊、噪声、合成夹具生成 - 支持2D图像数组和3D体积的ndarray 当然，这个项目仍在进行中 :)

我开始意识到，在工作中很难找到那些说话有用或者表达简洁的人。（我在这方面也有责任）。我部分归咎于裁员，因为人们感到需要不断展现出很高的工作效率。 我该如何改善我的表达方式，使我的言辞简洁且有意图？我希望在发言时能够吸引大家的注意。我想做一个寡言的人，但即便沉默也能让人感受到我的参与感。

我越多地使用Claude Code生成大量系统，就越觉得我们缺少许多实践和工具。 首先让我感到烦恼的是缺乏对提示的跟踪。系统应该执行的操作有很多小输入，但这些输入似乎非常短暂。因此，我开始在代码库中跟踪这些提示。 另一个观察是，如果想要获得良好的代理输出，就需要在上下文窗口中提供大量信号。对上下文窗口中输入内容的严格把控似乎是关键。使用人工智能生成输入文件可能是危险的，因为这会为人类信号增加熵/噪声。 我开始采取的一种做法是以特定方式组织我的项目： - /specs - 纯人类信号，例如产品愿景、需求、设计等。 - /prompts - 代理配方，例如技能、职位、AI模式。 - /references - 可以在上下文窗口中使用的参考资料（品牌资产、文档、Figma导出、数据集等）。 - /plans - 项目的代理计划。通常这些计划会有多个迭代。 - /build - 从计划和提示交互中构建的代码库和传统单一代码库。 （我在GitHub上有一个公共的AGENTS.md，地址是rekallai/craft） 我对这个结构还不完全满意。随着使用的增加，我觉得/plans这个名称有些不准确（例如，我经常有想要在代码库或其他数据集上生成的报告）。 我非常好奇其他开发者（那些接受代理编码的人）是如何组织他们的项目的。我的目标是将这在我的团队中标准化。

嗨，HN， 我们是 MyDecisive.ai 的团队，今天我们向开发者展示 Octant —— 为您的 OpenTelemetry 提供点对点控制和可视化。 您可能已经感受到“可观察性税”的痛苦，尤其是当您管理 K8S 集群时。现代标准是使用 OpenTelemetry 对所有内容进行监控，但将所有这些丰富的 OTLP 日志、指标和追踪信息直接传输到 SaaS 供应商（如 Datadog、Splunk、Honeycomb）会迅速变得昂贵。您最终需要为嘈杂、低价值的数据支付巨额的摄取和存储费用，仅仅是为了在出现故障时能够进行搜索。使用 Octant，您可以在几分钟内启动并运行 OTel。 我们构建 Octant 是为了颠覆这一模式。Octant 不再盲目地将所有遥测数据发送到集群外，而是配置并帮助管理 OTEL 集群。它为管理 K8s 对象提供了可视化界面，更重要的是，它充当 OTLP 网关，在数据离开您的 VPC 之前对其进行源头过滤。 由于它原生支持 OpenTelemetry，您可以直接将现有的 OTel SDK 或采集器指向它，而无需修改应用程序代码。以下是它在后台的工作原理： - OTel 原生追踪和日志采样：它使得摄取 OTLP 流量变得简单，并实时检查网络上的日志和追踪信息。通过在确定保留哪些信息之前等待追踪的完整上下文，它兑现了编织的承诺，保留 100% 的可操作信号（如错误和高延迟的跨度），但在数据到达您的 SaaS 账单之前就丢弃了无用信息。 - 实时状态警报：Octant 可以在数据被批处理、发送和由外部提供商索引之前，实时处理遥测流。这缩短了检测间隔，并减少了对 SaaS 供应商的需求。 - 网络上个人信息去标识化：它可以实时检测并剔除日志和追踪中的敏感信息，确保在数据通过互联网传输之前去除“后摄取”清理成本和合规风险。 - K8s 上下文注入：由于它与您的集群深度集成，它可以将您的 OTel 流直接映射到 K8s 资源（部署、Pod、CRD）中，提供统一的用户界面。 该 API 是用 Go 构建的（[github.com/mydecisive/octant](https://github.com/mydecisive/octant)），整个堆栈可以通过我们的 Helm 图表直接部署到您的集群中。 我们希望您能在开发集群上启动它并进行深入探索。我们最近合并了来自我们第一位社区贡献者的 PR，这对我们来说是一个巨大的里程碑！我们希望保持这种势头。如果您对 K8s 可观察性和自主性、OpenTelemetry 管道或 Go/React 感兴趣，我们标记了一些“适合新手的问题”，非常欢迎您加入这个项目。 GitHub: [https://github.com/MyDecisive/octant](https://github.com/MyDecisive/octant) 网站: [https://www.mydecisive.ai/](https://www.mydecisive.ai/) 今天我会在这个讨论串中待着，乐意回答任何问题或深入探讨架构！

我的团队（大约40名编写代码的成员）正在评估用于AI辅助代码审查的工具。市场上似乎有很多选择，因此在开始一系列免费试用之前，我想向有经验的人请教一下。 你们使用哪些工具或服务？你们是仅用于代码审查，还是也用于其他目的，比如事件响应或分支管理？你们为什么选择这些工具，喜欢或不喜欢它们的哪些方面？

当我在Chrome中打开一个新浏览器标签页时，出现的动态Google涂鸦让我分心。这个涂鸦是关于足球/世界杯的动画。我希望它不要动。

我在使用像Claude Code这样的工具时，难以进入那种黄金“构建者”状态。能够从零开始使用这些工具创建软件确实很酷，但输出的结果……我不知道，感觉并不像是我自己做的。也许是因为所需的努力太少，或者是因为我心里明白，基本上任何人只要有合适的提示都可以复制这些，软件本身也不再是一件特别的事情。 有没有人能够在使用这些工具时找到那种“满足感的状态”？因为我很想再次找到它。

metiq.space的概念源于与朋友们玩《全球大亨》时，意识到实时全球数据是多么分散。船舶、飞机、卫星、港口、天气、危险、基础设施、网络和公共数据集都存在，但它们通常分散在不同的工具和地图中。 我们的目标是构建一个互动的3D地球仪，可以通过经纬度和高度来可视化实时公共数据。地表数据保留在地球仪上，而飞机、卫星及其他高空物体则可以在真实的3D空间中呈现，而不是被压缩到地图上。 最终的成果是一个互动的地球仪，展示了地球、空中、海洋、太空、网络、防御、基础设施、政治等多种信息，且这个列表还在不断扩展。 目前，大部分开发工作集中在数据过滤和去重上。

在与代理互动时，我意识到如果他们能够访问一次性密码（OTP）代码，那将非常方便。同时，为什么不让他们也能发送短信呢？我觉得Twillio既昂贵又麻烦，不太适合我。 我快速编写了一个简单的Android应用程序，可以读取和发送短信，以及一个简单的中继服务器，充当代理的主控制器（MCP）。效果出乎意料地好，我那台闲置的旧安卓手机又派上了用场。 如果你觉得这个工具有用，欢迎随意使用。我把它放在了一个5美元的虚拟专用服务器（VPS）上。如果它崩溃了，你应该能够在自己的VPS上在几分钟内启动一个实例。

也许人们会对发明和使用更先进的算法和数据结构产生更多兴趣，这些算法和数据结构能够使用更少的内存？