最新

Faceoff 是一款用 Python 编写的 TUI 应用，用于追踪 NHL 比赛直播，浏览积分榜和数据统计。我的灵感来自于 Playball，一个类似的用于 MLB 比赛的 TUI 应用，曾在 HN 上被推荐。<p>这个应用大部分是用 Claude Code 氛围编程完成的，但并非一次性完成。在过去的几个月里，我在终端里花费了太多时间，通过使用它来添加功能和修复错误。<p>使用 `uvx faceoff` 试试吧（需要安装 uv）。

大家好！几个月前我构建了这个工具，用于减小 YouTube 嵌入框架的加载大小。自那以后，它对我们很有帮助。希望它也能帮到你。

今天我花了一些时间，使用我自己的使用数据比较了 Opus 4.6 和 4.7，看看它们并排的表现如何。 虽然 4.7 还在早期阶段，但有些事情让我感到惊讶。 在我的会话中，4.7 第一次就做对的次数比 4.6 少。一次成功率约为 74.5%，而 4.6 为 83.8%，而且我看到每次编辑的重试次数大约翻了一番（0.46 次 vs 0.22 次）。 它每次调用的输出也多得多，大约 800 个 token，而 4.6 为 372 个，这使得它明显更贵。每次调用的成本是 0.185 美元，而 4.6 是 0.112 美元。 当我按任务类型细分时，编码和调试在 4.7 上都表现较弱。编码一次成功率从 84.7% 下降到 75.4%，调试从 85.3% 下降到 76.5%。功能开发在 4.7 上略有改善（75% vs 71.4%），但样本量很小。委托任务显示出很大差距（100% vs 33.3%），尽管 4.7 方面只有 3 个样本，所以我不会太在意这一点。 4.7 每次轮次使用的工具也更少（1.83 vs 2.77），并且几乎不委托给子代理（0.6% vs 3.1%）。目前还不确定这是一种风格差异，还是仅仅因为样本量较小。 有几点需要说明。这是大约 3 天的 4.7 数据（3,592 次调用）与 8 天的 4.6 数据（8,020 次调用）的对比。某些类别只有少数例子。这些数字会随着更多使用而变化，并且您的结果可能会因您所做的工作类型而异。 npx codeburn compare

一天一封邮件。提醒你还活着，生命不会永恒，而今天值得你关注。

谷歌已经扩展了其“个人智能”功能，现在 Gemini 可以访问您的 Google Photos 面部数据、Gmail、YouTube 观看历史和搜索活动，从而生成个性化的 AI 图像——该功能已于 2026 年 4 月面向美国付费订阅用户推出。