最新

各位 HN 的朋友： 最近我花了几个小时配置开发环境，结果发现前端浏览器连接的是错误版本的后端。这让我思考——我们为什么仍然使用简单的*数字*来描述要连接的进程？为什么不使用*名称*呢？我想起了有多少次程序因为端口冲突而无法启动。我越想越觉得这很荒谬。 现代操作系统已经提供了无冲突的端口：如果你让 TCP 服务器监听端口 0，操作系统会为你分配一个随机可用端口。但这只解决了一半问题。 我解决了另一半：PortZero。这是一个 GPLv3 许可的程序，它会监视带有特殊 PZ_TUNNEL 环境变量的进程（以及 Docker 容器！）： ```bash PZ_TUNNEL=myapp-{branch}.portzero.local:80 npm run dev ``` 当它看到这样的进程或容器时，PortZero 会执行以下操作： 1. 创建一个虚拟网卡（如果尚未创建） 2. 创建一个新的虚拟 IP 地址 3. 创建一个 DNS 记录，根据进程的工作目录替换诸如 {branch} 之类的占位符，并指向该虚拟 IP 地址 4. 开始监听你选择的端口上的该虚拟 IP 地址（例如，HTTP 的 80 端口，HTTPS 的 443 端口，PostgreSQL 的 5432 端口） 5. 将任何 TCP 连接转发到该虚拟 IP 地址/虚拟端口，实际监听的端口是你的进程或容器正在监听的、由操作系统分配的随机端口。 这样一来，你就无需再考虑端口问题，只需考虑子域名即可。只要它们拥有不同的 portzero.local 子域名，你就可以在 80 端口上同时提供多个服务而不会发生冲突。 它还提供了一些其他很酷的功能，例如： - 通过创建本地 CA 并将其注册到你的机器上，为本地 HTTP 服务启用 HTTPS。 - 启用云隧道，以便你可以在其他设备上访问你的应用程序（付费功能）。 链接： [https://portzero.net/docs/](https://portzero.net/docs/) [https://github.com/PortZeroNetwork/portzero](https://github.com/PortZeroNetwork/portzero)

我注意到，在我们的金融科技用例中，精心编写的自托管模型工具的效果与前沿模型一样好。但人们一直在讨论回合数和有效代币利用率。您有什么建议可以帮助我验证这一假设，并彻底结束我们组织内部的争论吗？

另请参阅《阿尔忒弥斯二号照片时间线》 - <a href="https:&#x2F;&#x2F;news.ycombinator.com&#x2F;item?id=47954394">https:&#x2F;&#x2F;news.ycombinator.com&#x2F;item?id=47954394</a> - 2026年4月（28条评论）

我以前认识一些从 Rust 转到 Zig 的人，他们发誓再也不回 Rust 了。我个人尝试过 Zig，但我绝对更喜欢 Rust（语法、工具链、社区）。这已经是几年前的事了。现在的 Zig 已经成熟了很多。我仍然对它很好奇。但最近我读了一篇文章（找不到了……），声称 AI 对 Rust 的处理比对 Zig 好得多。Rust 编译器可以防止 AI 生成无意义的代码。作者就是因为这个原因从 Zig 转到了 Rust。所以我想知道，在 2026 年，考虑到 AI 的存在，Zig 相对于 Rust 仍然是一个明智的选择吗？是否值得将工具从 Rust 迁移到 Zig？

我是开源媒体播放器 Lowkey Media Viewer 的作者，该播放器已经存在多年，拥有一些用户和 Patreon 支持。但我一直想为它添加一些基本的编辑功能。我有一些 After Effects 的经验，我一直想要的是一种能够通过着色语言即时创建效果的方法。这促使我尝试围绕分层着色器链的想法构建一个合成器，并取得了初步的成功。我创建了一个预设库，但你也可以编写自己的着色器并将其添加到任何图层。这非常酷，所以我想分享一下。所有内容均采用 MIT 许可，这是 Lowkey 项目的一部分，该项目还包括媒体播放器以及用于异步索引和向量嵌入作业的媒体服务器。不过，Studio 特别酷，可以直接从文档网站以及媒体播放器应用程序中获取。

大家好，我们构建了 world-model-optimizer，一个用于持续改进专门针对代理的模型（agent-specialized models）的开源工具。今天我们发布了 `wmo serve`，一个将重复性任务路由到经过蒸馏的小型模型的工具。 您已经捕获的代理轨迹（agent traces）是获取如何使您的模型更便宜、更快、更好的信号的机会。我们持续改进： - 通过从开源模型进行蒸馏来改进您的专用模型 - 将模型路由到前沿模型（frontier models）+ 自定义模型 - 令牌压缩（token compaction）以去除噪声并节省令牌 演示：https://www.youtube.com/watch?v=2_m4Ze6mdko 传入轨迹和 OpenRouter 密钥，wmo 将启动一个兼容 OpenAI 的本地端点，以更低的成本运行您的模型，并具有同等的质量。在后台，一个路由器会决定哪些任务应该发送到前沿模型，哪些应该发送到您的模型。随着新轨迹的到来，Tinker 会持续进行训练。 我们也为那些只需要一个具有长期自我改进能力的前沿质量端点且成本降低 40% 以上的任何人提供托管解决方案。 请访问 https://experientiallabs.ai 注册等候名单！