最新

我很好奇有多少人会自定义诸如初始窗口大小、窗口缩放、TTL、SACK、MSS、缩放、内存分配、SYN 重试次数、SYN-ACK 重试次数等设置。<p>如果会，请分享您调整、修改或以其他方式更改的一些设置，如果您愿意的话。

我一直在思考的一个问题是，我对人工智能生成的内容有什么看法。<p>我发现很多文章显然是人工智能辅助生成的，但我能感觉到，创作这篇文章的人投入了时间和精力。我目前的模式是这样的：<p>如果感觉是人工智能生成的内容，并且我感觉为了塑造内容，作者投入了最低限度的努力，我就不介意阅读它。<p>举个例子，就拿我自己来说。我非常在意自己听起来像机器人，并且经常使用相同的表达方式。所以，我会用自己的语气写一篇文章，然后让机器人帮我润色一下。让文本更有趣一点。在我难以表达的地方，添加一些讽刺。让节奏和韵律更好。缩短我经常使用的冗长表达方式。<p>我觉得我非常努力地让它成为我自己的东西，因为我不喜欢把我的品牌印在一些我没有真正投入努力的东西上。<p>我很想听听大家的感觉，以及作为作者和读者，你们对这件事的看法。

嘿，HN！我们（Stephan 和 Thomas）最近开源了 Semble。在使用 Claude Code 处理大型代码库时，我们一直遇到同样的问题：当代理无法直接找到某些内容时，它会退回到 grep，读取完整的文件或启动子代理。这会消耗大量 token，而且往往仍然会错过相关的代码。虽然已经存在一些现成的工具，但它们要么索引速度太慢，无法按需索引，要么需要 API 密钥，或者检索质量不佳。 Semble 是我们为此提供的解决方案。它结合了静态 Model2Vec 嵌入（使用我们最新的静态模型：potion-code-16M）和 BM25，通过 RRF 融合，并使用代码感知信号进行重新排序。由于没有涉及 transformers，所有操作都在 CPU 上运行。在我们的基准测试中，针对 63 个代码库和 19 种语言的约 1250 对查询/文档，它比 grep+read 少使用 98% 的 token，并且达到了 137M 参数代码训练的 transformer 99% 的检索质量，同时速度快了约 200 倍。 主要特点： * **Token 效率高：** 比 grep+read 少使用 98% 的 token * **速度快：** 在我们的基准测试中，索引一个典型的代码库大约需要 250 毫秒，每次查询在 CPU 上大约需要 1.5 毫秒（非常大的代码库可能需要更长时间） * **准确：** 0.854 NDCG@10，达到我们测试的最佳 transformer 设置的 99% * **MCP 服务器：** 可直接用于 Claude Code、Cursor、Codex、OpenCode * **零配置：** 无需 API 密钥，无需 GPU，无需外部服务 在 Claude Code 中安装： ``` claude mcp add semble -s user -- uvx --from "semble[mcp]" semble ``` 或者查看我们的 README 以获取其他安装说明、基准测试和方法： Semble: [https://github.com/MinishLab/semble](https://github.com/MinishLab/semble) 基准测试: [https://github.com/MinishLab/semble/tree/main/benchmarks](https://github.com/MinishLab/semble/tree/main/benchmarks) 模型: [https://huggingface.co/minishlab/potion-code-16M](https://huggingface.co/minishlab/potion-code-16M) 如果您有任何反馈或问题，请告诉我们！