返回首页
一周热榜
大家好，
我们一直在开发 WarpParse，这是一个基于 Rust 的开源（Apache 2.0）ETL 引擎，今天很高兴与大家分享。
我们之所以开发它，是因为发现现有工具在处理大量日志时，往往在资源效率或配置复杂性方面存在问题。WarpParse 旨在解决这些问题，具体体现在：
性能：在我们的基准测试中，吞吐量比 Vector 高出 1.5 到 8 倍。
效率：在相似负载下，CPU 使用率约为 Vector 的 1/3，内存使用率约为 37%。
领域特定语言（DSL）：我们创建了 WPL（Warp Parse Language）用于强类型解析，以及 OML（Object Modeling Language）用于声明式数据增强，并集成了原生 SQL。
我们还开发了一个可视化编辑器（WpEditor），使得编写规则变得更加简单。
我们希望听到您对架构、DSL 方法或查看代码库后任何反馈的想法。
GitHub: [https://github.com/wp-labs](https://github.com/wp-labs)
编辑器: [https://editor.warpparse.ai](https://editor.warpparse.ai)
作为一个新兴的开源项目，我们深知社区的力量。希望 WarpParse 能对您有所帮助！谢谢！
ai-contrib 是一个命令行工具，用于估算代码库中实际由 AI 工具编写的代码量。它解析来自 Codex、Cursor、Cline、Gemini 和 Opencode 等工具的本地会话日志，提取差异，并仅计算当前工作树中仍然存在的代码行。
我正在试图理解长期任职的员工退休后，因失去机构知识而造成的干扰。我已经进行了一些讨论，但我希望能听到更多的观点。我特别感兴趣的是那些拥有体现性、隐性知识的领域，这些知识在退休员工离开时随之而去。提前感谢您的分享。