一周热榜

我使用Trello已经有一段时间了，随着时间的推移，遇到了很多小问题，因此我决定在周末项目中自己动手制作一个简洁的看板，以满足我的需求。 在我的项目中，我需要扮演很多不同的角色，这就是“泳道”概念的由来。基本上，我有前端、后端、市场营销和支持等任务，将这些不同类型的任务放在同一列中变得非常混乱且难以理解。因此，这个看板设计了泳道，让每个类别的卡片能够聚集在一起。 它是开源的，支持离线使用，当然完全免费且没有广告。 功能列表： - 无限数量的看板 - 添加/删除/重命名列 - 为卡片添加标签并将其归类 - 如果将卡片拖入新的泳道，自动替换标签 - 离线编辑 - 快速创建任务（提示：如果在标题前用方括号添加标签，它会自动作为标签添加） 希望你喜欢！托管地址：kanbanned.com

Fusion Circus 测试版 链接: https://fusion-circus-ultimate.vercel.app/ 测试阶段！（需要反馈！） Fusion Circus 是我为了自学等离子体物理而构建的核聚变托卡马克模拟器。它起初是一个视频游戏。故事是这样的： 在我成长的过程中，我对《洛克人》和他的超级炮（Mega Buster）充满了好奇——这是一种能够创造纯能量的武器。光博士的所有研究都围绕着能量的创造。由无限清洁能源驱动的机器人。一个电力不再是问题的未来。作为孩子，我认为这只是科幻小说。后来我长大了，发现了人工智能和神经网络。机器能够学习、适应、优化的想法让我感到震撼。但能量的创造在哪里呢？这点引发了我的思考。能量创造 + 智能系统？如果这不是幻想呢？如果有人真的在实现光博士的梦想呢？没错，他们是真实存在的，法国的 ITER，英国的 JET，韩国的 KSTAR。全球有数十个设施在追逐核聚变。这就是驱动太阳的能量。150百万度。比恒星还要热的等离子体。被磁场所约束。这一切都是真实的。就在现在。我必须理解它。我的背景是工业设备。我曾是一名重型机械现场服务技术员。我了解机器，了解系统，知道如何保持复杂设备的运行。但等离子体物理？那是一个全新的领域。所以我为自己搭建了一个虚拟游乐场来学习。这个游乐场变成了 Fusion Circus。一个真实的模拟（测试版），我可以在其中测试实际的物理——博世-哈勒聚变反应性、IPB98 约束缩放、在毫秒内崩溃等离子体的不稳定性。我想体验聚变操作员的感受。然后我意识到我所构建的东西。随着我学习的深入，我越来越理解阻碍聚变发展的瓶颈。劳森标准。保持等离子体在足够长的时间内保持高温和高密度，以便聚变产生净能量增益，同时保持设备/机器的完整性。这是一个巨大的挑战。这就是每个人都在努力克服的难题。因此我不断前进——最近，由于继续上大学并参加了一些数学课程，一切都更加深入地契合在一起。我开始看到材料不仅仅是物理物质，而是定义其属性的方程组。施加强烈的热量？只需将热应力、导电性变化或相变的正确公式代入，行为就会从数学中显现出来。这种视角将模拟器从一个学习工具转变为更直观、更强大的东西。 Fusion Circus 现在让我们亲身体验劳森的斗争： - 将等离子体加热到超过一亿度 - 在能量逃逸时努力保持约束 - 平衡加热功率与辐射损失 - 在不稳定性崩溃之前进行管理 - 跨越 L-H 转变进入高约束模式 - 在 ELMs 破坏你的排放器之前进行抑制 - 保持低于格林瓦尔德密度极限 - 将 beta 保持在特洛永极限以下或触发扰动 - 保护组件免受热流和中子损伤 - 形状电流轮廓以稳定撕裂模式 这就是聚变操作员每天所做的事情。 物理学经过真实实验的验证： - JET DTE1 → Q ≈ 0.67（与已发布数据匹配） - ITER 基线 → Q ≈ 8-12（与设计目标匹配） - 51 点径向等离子体剖面 - 双流体传输（离子 ≠ 电子） - KSTAR 风格的 AI 扰动预测 Fusion Circus 现在处于公开测试阶段。28 个物理模块。16 个真实托卡马克。AI 辅导。从首次等离子体到燃烧等离子体的教程。所有内容都在您的浏览器中。试试吧： https://fusion-circus-ultimate.vercel.app/ #核聚变 #等离子体物理 #洛克人 #光博士 #清洁能源 #ITER #聚变能源 #独立游戏 #科学教育 #公开构建

嗨，HN，我是Haneef。曾经是一名软件工程师，现在是一名医学学生。 我创建了Distill，旨在自动化医生生成专家证人陈述的过程。我知道这听起来有些疯狂，但请听我说完。 当医生被要求对案件（例如保险、工伤赔偿等）提供第二意见时，他们需要阅读成千上万页的文本。这通常需要数周时间，而这些文件往往是来自多个不同办公室和索赔公司的难以辨认的文档。 我们遵循HIPAA合规性，并将所有索赔链接到原始文档。我们还会根据各州的具体法律提取信息（当然，每个州的规定都不同，因为美国的法律体系各异），并进行引用。 我们的系统比传统的RAG（检索增强生成）稍微复杂一些，因为我们需要添加一些专业领域的知识，比如考虑特定的保险覆盖数据和药物/物理治疗，以创建残疾评分。 我的创始合伙人是一名医生，他经常使用这个系统，我们已经在几家其他医生的办公室推广了，他们都非常喜欢。 希望随着我们的发展，能够扩展到更大的医疗机构。

在推特上，Claude Code 的创始人 Boris Cherny 最近表示，Claude Code 中几乎 100% 的代码都是由 Claude Code 编写的，而他个人已经几个月没有写代码了。另一位 OpenAI 员工的推文则写道：“编程一直很糟糕……我很高兴这一切结束了。” 这种“好 riddance”的态度让我非常不满。它将编程框定为一种我们终于可以摆脱的必要之恶。 讽刺的是，我的目标与此类似，只是原因不同。我也想写更少的代码。 减少代码，因为代码意味着责任。减少代码，因为“代码越多，问题越多”。因为糟糕的代码是技术债务。因为错误是不可避免的。减少代码，因为更少的活动部分意味着更少的出错机会。 老实说，我觉得删除代码比写代码更让我享受。因此，或许我对释放一个 AI 代理来生成我不可能完全理解的大量代码持怀疑态度也就不足为奇了。 对我来说，编程从根本上是关于构建知识。软件开发是一种知识工作：发现我们不知道的未知，识别我们知道的未知，弄清楚真正的问题是什么，并解决它。 而这些知识必须存在于某个地方。 当有人说“我不再写代码了”，我听到的是：“我把知识工作塞进了一个黑匣子。” 在我看来，以下两者之间有着真正的区别： - 用语言表达的知识（AI 可以无休止地生成），和 - 在人类大脑中固化为连接的知识。 后者不是一个文本文件。它不是你的“技能”或“珠子”。它不是数百行的 Markdown 垃圾。不，这是一种心智模型：系统是什么，为什么是这样，什么是安全的变更，抽象提供了什么杠杆，以及脆弱的假设在哪里。 我一直在心中保持着我所工作的代码库的心智模型。在我脑海中，它并不是“代码”这个意义上的语言和语法。它更像是一个“心智宫殿”，我可以走进去，打开门，关上门，翻新，拆掉一面墙，增加一个新翼。这发生在直觉与智力交融的层面。 我并不反对进步。最近，随着一切的发展，我开始将代码分为两类： - 我不需要在脑中建模的代码（低风险，遵循既定规范，可预测，易于验证），和 - 我无法不在脑中建模的代码（业务关键，创新，实验性，或引入新模式）。 我很乐意将前者委托给 AI 代理。后者才是领域知识和系统理解真正形成的地方。那才是有趣的部分。那是乐趣所在。而我的“心智宫殿”渴望与这一切保持同步。 你是否担心出现了理解代码在某种程度上是可选的这种新观念？