最新

我们构建 GitAgent 是因为我们反复看到一个相同的问题：每个代理框架都以不同的方式定义代理，而切换框架意味着需要重写所有内容。 GitAgent 是一种规范，它将 AI 代理定义为 Git 仓库中的文件。 只需三个核心文件——agent.yaml（配置）、SOUL.md（个性/指令）和 SKILL.md（能力）——您就可以获得一个可移植的代理定义，该定义可以导出到 Claude Code、OpenAI Agents SDK、CrewAI、Google ADK、LangChain 等。 作为 Git 原生代理，您可以免费获得： 1. 代理行为的版本控制（像回滚错误的提交一样回滚错误的提示） 2. 分支用于环境推广（开发 → 预发布 → 主分支） 3. 通过 PR 实现人工介入（代理学习一项技能 → 开启一个分支 → 人工审核后合并） 4. 通过 git blame 和 git diff 进行审计追踪 5. 代理分叉和混音（分叉一个公共代理，自定义它，将改进通过 PR 提交） 6. 使用 GitAgent 在 GitHub Actions 中进行 CI/CD 验证 CLI 允许您直接运行任何代理仓库： npx @open-gitagent/gitagent run -r <a href="https://github.com/user/agent" rel="nofollow">https://github.com/user/agent</a> -a claude 合规层是可选的，但如果您需要它，它也存在——风险等级、监管映射（FINRA、SEC、SR 11-7）以及通过 GitAgent 审计生成的审计报告。 规范位于 <a href="https://gitagent.sh" rel="nofollow">https://gitagent.sh</a>，代码在 GitHub 上。 欢迎大家对模式设计和人们接下来希望使用的适配器提出反馈意见。

嘿，各位 HN 用户！ 我一直很喜欢收集各种生物并追求 100% 完成度的游戏（咳咳，比如《精灵宝可梦》）。 我制作了 BirdDex，试图将这些游戏的乐趣带入现实生活。 它的工作原理是：你拍一张鸟的照片，用 AI 识别物种，然后将它添加到你的个人 BirdDex 收藏中。 每张照片会根据物种的稀有度获得经验值，你的目标是尝试“捕捉”你所在地区的所有鸟类（从维基百科上获取每个国家的鸟类列表）。 欢迎提供任何反馈或想法！

大家都在“交付”。打开任何信息流，Twitter、LinkedIn、Hacker News，每天都有新项目涌现。人工智能让从一个想法到产品成型变得如此简单。 如果你不是开发者，或者你刚起步，或者你只懂软件的一个领域，人工智能对你来说太棒了。你可以构建以前永远无法构建的东西。如果你经验丰富，现在你只会更快。这两种情况都很棒。 我认为我们也可以把同样的精力用在学习新事物上。不仅仅是使用人工智能来编写代码，而是用它来理解我们以前没有时间理解的东西。读更多的书。深入研究新的领域。建立真正的知识。 例如，如果你是一个一直想学习硬件的软件人员，现在是最好的时机。人工智能可以带你了解电路，解释数据手册，帮助你调试固件。这些事情过去需要多年的积累才能开始。 大型语言模型可能是迄今为止最好的学习工具，但我们主要用它来跳过学习过程。我确实相信编码助手非常适合这项工作！ 我最近开始这样做。我使用 Claude Code 的频率不再是“为我构建这个”（我仍然构建很多东西），而是更多地用于“帮助我理解这个”。这真的让人很满足。 好奇这里其他人如何使用编码助手，除了编码之外。你们用它们来学习吗？用来阅读吗？用来探索新领域吗？什么对你有效？

我构建了一个框架，通过读取嵌入在误码率（QBER）时间线中的扰码“指纹”，来检测量子密钥分发（QKD）信道上的窃听者，无需任何新硬件。 核心思想：每个QKD信道都有一个独特的Lanczos系数序列，该序列源于其哈密顿量。窃听者会扰动哈密顿量，从而以一种可检测且不可伪造的方式（Krylov失真 ΔK）改变这些系数。该方法已在部署的光纤系统中的181,606个实验QBER测量结果上得到验证，AUC = 0.981。 基于一个包含12篇论文的Zenodo预印本系列，涵盖了完整的理论体系：物理桥证明、单向函数性质、跨8个哈密顿量族的普适性、通过Lindblad的开放系统扩展以及Loschmidt回波验证。 论文系列：<a href="https:&#x2F;&#x2F;zenodo.org&#x2F;records&#x2F;18940281" rel="nofollow">https:&#x2F;&#x2F;zenodo.org&#x2F;records&#x2F;18940281</a>

嗨 HN， 过去几个月里，我意识到我每月要为一项 AI 服务支付 20 美元，而它本质上只是一个非常棒的自动补全工具。它等待我输入，猜测下一段代码，然后停止。但软件工程不仅仅是编写语法，它还包括管理文件系统、运行终端命令和调试堆栈跟踪。 所以我调整了我的项目，构建了 Glass Arc。它是一个智能工作区，直接驻留在 VS Code 中。 它不仅仅是生成文本，我赋予了它对本地环境的实际控制权（安全地）： 1. **智能执行：** 你给它一个意图，它就会在多个文件中起草架构，管理依赖关系树，并运行标准终端命令来搭建基础设施。 2. **运行时自动修复：** 这是最难的部分。当终端出现致命异常时，Glass Arc 会拦截堆栈跟踪，分析崩溃上下文，编写修复程序并注入它。 3. **多人协作：** 生成一个安全的 vscode:// 深度链接，这样你就可以把它放到 Slack 中，并将你团队的 IDE 同步到同一个实时会话中。 4. **按使用量付费：** 我放弃了标准的每月 20 美元 SaaS 模式。它基于积分系统运行——只有当 Architect 正在主动修改你的系统时，你才需要付费。（通过 GitHub 登录可获得 200 免费积分来试用）。 我很乐意让你来尝试破坏它，测试自动修复功能，并拆解它的架构。我遗漏了什么？ 已在 VS Code 市场上线，安装地址：[https://www.glassarc.dev/](https://www.glassarc.dev/)

大家好， 我曾在金融行业担任软件工程师，大约工作了十年。我的大部分经验都集中在旧系统上，使用的技术包括 Java、Python 和 React。我做过各种各样的事情——构建数据管道、仪表盘和 Web 应用程序——同时也对现有系统进行了大量的维护和增量改进。 我在 2024 年被裁员，并休了一年的职业空档期。我现在正在规划下一步，目标是寻找高级软件工程师或高级数据工程师的职位。 在此期间，我想提升技能并增强我的个人能力，但我不知道应该把精力集中在哪里才能取得最好的效果。 网上的资料太浅显了，讲的都是语法，而不是概念或模式。我也有点无聊，感觉好像已经“知道”了，但又不够有挑战性。 有什么好的阅读建议可以帮助我复习和提升技能吗？

Hi HN， 我构建了一个小型开源资源，收集了加密货币交易者常用的工具和基础设施，以提高安全性和工作流程。 该工具包涵盖： • 加密货币交易的 VPN 使用 • 硬件钱包安全 • 交易所基础设施 • 交易工具，如图表和投资组合追踪器 • 基本的运营安全习惯 目标是创建一个简单的参考资料，帮助初学者避免加密货币中常见的安全错误。 该存储库被构建为一个小型知识库，也可以用作设置更安全交易环境的清单。 欢迎反馈和建议。