返回首页
一周热榜
我经营一个名为Tiny Startups的小型产品猎人替代平台。<p>我已经将其作为新闻通讯运营了几年，订阅人数增长到大约2万，但我决定在四月份进行一次小规模的转型，将其建设成一个“发布平台”，以尝试与像产品猎人这样的巨头竞争。<p>四月份我作为发布平台的首月收入达到了4900美元。<p>五月份收入从4900美元跃升至5600美元——大部分收入来自推广提交，尽管绝大多数提交（约98%）是免费的。<p>运营网站和新闻通讯的成本大约为每月200美元，其余部分都是利润。<p>五月份，tinystartups.com网站的独立访客超过了1.2万。<p>我主要通过我的新闻通讯（约2万订阅者）进行推广，口碑传播起到了其余的作用。<p>我希望将这个项目发展到每月稳定的1万美元，但还不确定如何实现。<p>我不知道这是否对任何人有启发或帮助，只是想把这些分享出来，希望能有所收获。
我的第一个Rust项目 - 成功使用零拷贝技术和智能缓存，将JSON解析的性能优化超越了serde_json。
虽然我最初对大型语言模型（LLM）持怀疑态度，但我也渴望深入了解它的真正能力。最近，我达到了存在主义恐惧的临界点——我在编码时再也感受不到快乐。我不再是一个享受创作过程的艺术家，而是一个真正的齿轮，注定要审查工厂的产出，直到连这个角色也不再需要。
我现在最大的感受是巨大的失落。我曾相信，一个人生活的意义在于创造的行为。画家在绘画中找到快乐，而作品的价值源于其中的努力。这感觉像是在对所有智力追求的攻击，包括艺术，尤其是考虑到这项技术似乎最有价值的就是取代其创造者。
我们接下来该何去何从？我的许多朋友都在谈论转行，因为我们目睹这个奇迹般的领域逐渐变成自己的复制品。我个人对自己的未来充满了许多疑问。
你用什么来做这个？
大家好，我正在测试和比较各种大型语言模型（LLM）辅助的编码工具，想了解一下你们在日常开发工作流程中使用的工具。以下是我一些观察和问题：
1. Cursor 和 Windsurf
- 两者在本地运行良好，但它们使用了节省令牌的策略：
- 在非常长的上下文中，它们可能会截断重要信息，导致建议的代码缺少关键细节。
- 即使在正常情况下，复杂的案例也可能超出上下文或配额限制，从而中断建议。
2. “Roo Code”和基于API的方法
- 直接调用付费API（例如，OpenAI的ChatGPT/GPT-4 API）效果很好，但成本较高。
- 一些免费的或社区的API（开源镜像、社区版）可能不稳定、受限于调用频率或速度较慢。
3. Augment Code
- 据说这是最“智能”的商业产品之一，但价格也很高。
- 许多人推荐它的重写、重构、生成测试等功能，但对于简单的代码补全，其性价比可能低于一些较小的供应商或开源插件。
4. Refact.ai
- 在SWE Bench上排名靠前，声称支持代码重构、通过LLM生成注释、批量重写等功能。
- 然而，它似乎在开发者圈子中很少被讨论。它的支持效果如何？
社区提问：
- 你目前使用的LLM辅助编码工具是什么？（IDE插件、独立客户端或基于API的）
- 选择它的主要原因是什么？（例如，成本、响应速度、上下文长度支持、功能集等）
- 在实际开发中你遇到了哪些优缺点？具体来说，它在调试、重构、生成单元测试、自动修复错误等方面表现如何？
- 如果你之前更换过工具，为什么会更换？
感谢大家分享你们的经验！
嗨，HN，
我们都见过像 Cursor 这样的工具，它能够从整个代码库中提取上下文，以帮助大型语言模型（LLMs）理解大型项目。我想要一种开源的方式来获得同样深刻的结构理解。
这就是我构建 Code-to-Knowledge-Graph 的原因。
它使用 VS Code 的语言服务器协议（LSP）来解析整个项目，并构建一个详细的知识图谱——捕捉所有的函数、类、变量，以及它们之间的调用、继承或引用关系。这个图谱就是“代码库级上下文”，旨在提高大规模编码代理的效率。
这个想法受到研究的启发，研究表明知识图谱显著改善了检索增强生成和结构推理（例如“知识图谱增强语言模型”（Zhang et al., 2022）和“GraphCodeBERT”）。
期待听到你们的想法、反馈或改进建议！
嗨，HN，
大学讲座通常时间长、内容密集且节奏快。像许多学生一样，我曾经录制讲座，想着以后再回顾，但这从未真正奏效。即使是讲座的文字记录也感觉像是原始日志。
因此，我创建了 [Notorium](https://www.notorium.app) — 一个AI助手，可以在课堂结束后几分钟内录制现场讲座，并自动将其转化为结构化笔记、流程图和思维导图。
它的功能包括：
- 在应用内录制讲座（面对面、实时）
- 使用Whisper进行转录
- 将完整的转录文本发送给大型语言模型（LLM）
- 使用自定义系统提示：
- 总结讲座内容
- 按主题划分内容
- 生成视觉辅助工具：流程图和思维导图
附加功能：
- 以干净的PDF格式下载笔记
- 点击“简化”使笔记更易读
- 点击“扩展”以深入解释
- 按学科（例如，物理、计算机科学）标记笔记，以便过滤和快速检索
适用对象：
- 面对面学习者
- 视觉学习者（流程图、概念树、图表）
- 希望掌控学习节奏的学生——疲惫时可以快速浏览，专注时可以深入学习
即将推出：基于间隔重复的抽认卡模式——让你能够主动复习并记住讲座中的关键点。
技术栈：
- 转录：Whisper
- LLM：通过Groq的开源模型
- 前端：Next.js + Tailwind + shadcn/ui
- 后端：Firebase
为什么选择Groq？
速度和一致性。足够快，可以在课堂结束后立即生成完整的笔记。
非常期待你的反馈：
- 还有哪些其他视觉格式或学习模式会对你有帮助？
谢谢！– Pranav
开源的库、演示和工具列表，用于谷歌的新Agent2Agent (A2A)协议。文档提供英文、中文、日文、西班牙文、德文和法文版本。欢迎反馈和提交PR！