最新

很久很久以前，我们把一个项目部署到生产环境，结果似乎出现了许多bug——其中一些还涉及到了UI上的分页功能无法正常工作。<p>很多功能都感觉不稳定。作为团队负责人，我需要审查每个人的PR，同时负责部署和监控，这给我带来了很多工作，因为我不得不修复每一个紧急bug——例如，某个页面上的分页功能无法正常工作。<p>在修复这些问题的过程中，我感觉自己对代码库的了解不够深入，尤其是我参与的程度也不够。<p>此外，代码中有很多部分都非常复杂，感觉不像是人类写的——我觉得我的代码审查能力也有所欠缺。<p>一段时间以来，我努力审查那些最终变成了微型AI垃圾代码的PR。当然，在赶工期和其他压力下，你最终会合并那些仅仅通过点击测试就能运行的PR，而没有真正审查代码。<p>最后，我感觉代码库缺少一个真正了解所有情况的团队成员，就像我们所有人手动编写代码时一样。由于我实际上是代码贡献最少的成员，我决定不再在代码库中使用任何编码工具——甚至包括来自Copilot的自动补全。<p>自从做出这个决定以来，我感觉自己对代码库的了解有所增加，并且从一个与项目中的其他开发人员完全不同的角度看待代码库。我觉得，在某种程度上，非AI贡献者确实可以成为每个开发团队中不可或缺的成员，直到AI代理完全接管。<p>你们中有人有类似的经历吗？<p>顺便说一下——我在我的个人项目中使用编码工具。但是这个工作项目有足够的时间让我们交付，因此使用AI可能不是经济上的必要条件。

作为一名顾问，我需要自己承担Cursor的费用，上个月就花了1263美元。虽然Opus非常好用，但它无法限制每次会话的开销。在超额使用了我的Ultra额度后，我意识到Cursor + Opus是多么地消耗Token。它会启动子代理，扩大上下文窗口，突然间，一个我预计花费2美元的任务变成了8美元。我的账单一直在上涨，但我真的要换一个更差的模型吗？ 不。所以我构建了l6e：一个MCP服务器，让你的代理能够进行预算。它适用于Cursor、Claude Code、Windsurf、Openclaw以及所有兼容MCP的应用程序。 我构建它的初衷是为了省钱，但让我惊讶的是，预算的过程改变了代理的行为。一个了解资源限制的代理不会试图通过添加额外文件来随意增加上下文窗口。它不会试图调用每一个可能的API。代理会提前规划，坚持计划，并在适当的时候结束工作。 它确实有效，而且我们一直在大力使用它。在v1发布后，l6e的其余部分都是用它构建的。我们使用前沿模型以0.99美元的价格推出了整个文档网站。关键是，每次l6e在开发中出现问题时，我都能感受到痛苦。代理变得马虎，消耗了大量上下文，输出质量也随之下降。 安装：pip install l6e-mcp 文档：[https://docs.l6e.ai](https://docs.l6e.ai) GitHub：[https://github.com/l6e-ai/l6e-mcp](https://github.com/l6e-ai/l6e-mcp) 网站：[https://l6e.ai](https://l6e.ai) 很乐意回答关于系统设计、校准模型，或者为什么我没有它就无法再进行编码的问题。

嗨，HN！ 我和几个朋友花了大约两年时间，开发了一款全新的 iOS 电子邮件应用。它现在已经正式发布了，我们认为你们中的一些人可能会觉得它很有意思。 你可能会问，为什么又要开发一款电子邮件应用？我们认为，尽管过去 25 年里出现了很多试图超越 Gmail 的尝试，但没有人真正解决我们所有人都会遇到的电子邮件核心问题：信息过载。 当然，大型语言模型（LLM）彻底改变了这一点，因为它们最终提供了一种对收件箱进行精细分类的方法。然而，正如任何尝试过如今大多数电子邮件应用提供的 AI 功能的人都知道，它们感觉像是硬加进去的，而且很少有用。 这就是我们花了大约两年的时间的原因：我们从头开始重建了一款电子邮件应用，思考如何深思熟虑且有效地利用 LLM。我们最喜欢的一些功能包括： * 基于 AI 的优先级排序 * 基于语音的邮件草稿，只需几个字就能帮你润色成一封精美的邮件 * 非常实用、切中要害的通知，让你无需打开应用就能了解情况 最终，虽然我们努力打造了一款非常棒的应用，但我们的目标是让你尽可能少地花时间在上面。因此，我们的口号是：我们希望让你在几秒钟内处理完收件箱，然后回到你的生活中。 你可以在 App Store 上下载它，网址是 <https://avec.ai/download>（美国和加拿大），或者在 TestFlight 上下载，网址是 <https://avec.ai/testflight>（世界其他地区）。你需要一个 Gmail/Google Workspace 帐户才能试用，如果你只是想试用一下而不做承诺，你可以在应用内直接删除你的帐户（以及所有相关数据）。 一些 HN 读者可能感兴趣的事情： * 它不是本地优先的。我们在服务器上运行一个复杂的管道来处理电子邮件，因为根据我们的经验，可以在 iPhone 上运行的本地模型还不足以支持我们的核心功能。 * 我们使用各种 LLM 供应商。我们发现的一件事是，没有哪个模型是万能的。某些功能（如基于语音的草稿）需要极低的延迟，而其他功能（如个性化）则需要最智能的模型。我们最终不得不通过反复试验将很多功能拼接在一起。 * 它尚未在 Android 上发布，但我们希望将来能发布 Android 版本 :) 我们很乐意听取大家的反馈和问题！

我不知道该怎么更好地表达，但越是了解人工智能，我就越没有动力去跟上技术进步，或者尝试新事物…… 我很好奇其他人是如何保持，甚至培养出尝试新事物并坚持足够长时间的动力的？ 我希望能够得到尽可能通用的这方面的建议。

大家好，黑客们。请看看另一个 CD（更改目录）实用程序：cd-deluxe。为什么？使用命令行很棒且强大，但不起眼的默认 cd 命令有些弱。而它又是使用最频繁的命令之一。这是另一个改进它的尝试！ 示例：使用 "cd --" 返回两个目录，"cd ---" 返回 3 个目录，以此类推。或者朝相反的方向前进，例如 "cd +4" 前往从开始访问的第四个目录（或任何数字）。使用 "cd ,"（逗号）前往最常访问的目录（逗号表示 "common"）。另请参阅 "cd ,,"，"cd ,3" 等。列出以相反、正向或最常见顺序访问的目录。还有更多功能 - 请参阅 github。目标是轻量级和快速。它从目录堆栈而不是任何基于文件的存储中运行。与 bash/zsh/fish/powershell/cmd.exe 集成。提供 Linux/macOS/Windows 的下载，或者通过 CMake 从源代码构建 C++。请看看，并让我知道任何想法。谢谢！

我们构建了 ProgramAsWeights (PAW) — <a href="https:&#x2F;&#x2F;programasweights.com" rel="nofollow">https:&#x2F;&#x2F;programasweights.com</a> 您用英语描述一个函数——比如“判断这条消息是否紧急”——PAW 会将其编译成一个在本地运行的小型神经程序（22 MB），就像一个普通的 Python 函数一样。无需 API 密钥，编译后无需互联网，输出具有确定性。 它适用于那些容易描述但难以用规则编码的任务：紧急程度分类、JSON 修复、日志过滤、代理的工具路由。 ```python pip install programasweights import programasweights as paw f = paw.compile_and_load("判断这条消息是否紧急。") f("需要在今天结束前签署") # "urgent" ``` 在我们的服务器上，编译需要几秒钟。之后，所有内容都在您的机器上运行。每个程序都是一个 LoRA 适配器 + 文本指令，用于适配一个固定的预训练解释器（Qwen3 0.6B）。模型本身没有改变——所有任务行为都来自编译后的程序。 在我们的评估中，这个 0.6B 解释器与 PAW 达到了 73% 的准确率。直接提示相同的 0.6B 模型只能达到 10%。即使提示 Qwen3 32B，也只能达到 69%。 也可以在浏览器中运行（GPT-2 124M，WebAssembly）：<a href="https:&#x2F;&#x2F;programasweights.com&#x2F;browser" rel="nofollow">https:&#x2F;&#x2F;programasweights.com&#x2F;browser</a> 您也可以在您的 AI 代理中使用它，方法是复制此处的提示：<a href="https:&#x2F;&#x2F;programasweights.com&#x2F;agents" rel="nofollow">https:&#x2F;&#x2F;programasweights.com&#x2F;agents</a> 源代码：<a href="https:&#x2F;&#x2F;github.com&#x2F;programasweights" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;programasweights</a> 试用一下：<a href="https:&#x2F;&#x2F;programasweights.com" rel="nofollow">https:&#x2F;&#x2F;programasweights.com</a>