1作者: jasisz5 个月前
我一直在围绕一个简单的问题构建 Aver: 如果 AI 将编写更多初稿,那么人类评审者的来源应该是什么样子的? Aver 是一种实验性的静态类型语言和工具链,用于 AI 编写、人类评审的代码。 我的看法是,源代码应该包含比实现更多的内容。在大多数项目中,实现存在于代码中,但意图存在于文档中,决策存在于 ADR 或工单中,预期行为存在于测试中,这些测试可能与它们所描述的内容保持一致,也可能不一致。 Aver 尝试将这些部分作为一等公民: * 函数签名中显式的、方法级别的副作用 * 用于机器可读函数意图的 `?` 字符串 * 用于设计选择和权衡的 `decision` 块 * 用于纯函数的并置 `verify` 块 * 用于 effectful 流程的确定性记录/回放 * 用于紧凑的合约级模块导出的 `aver context` * 编译到 Rust 的 `aver compile` * 证明纯子集的机械证明检查的 `aver proof` 到 Lean 4 一个小型的纯函数示例: ``` fn charge(account: String, amount: Int) -> Result<String, String> ? "纯粹的费用验证和交易 ID 创建。" match amount 0 -> Result.Err("不能收取零费用") _ -> Result.Ok("txn-{account}-{amount}") verify charge charge("alice", 100) => Result.Ok("txn-alice-100") charge("bob", 0) => Result.Err("不能收取零费用") ``` 评审者可以一目了然地看到该函数的作用(`?`)以及机器可检查的预期行为示例(`verify`)。 一个 effectful 包装器看起来像这样: ``` fn chargeAndPrint(account: String, amount: Int) -> Result<Unit, String> ? "围绕 charge 的 effectful 包装器。" "成功时打印交易 ID。" ! [Console.print] result = charge(account, amount) match result Result.Ok(txn) -> Console.print(txn) Result.Ok(()) Result.Err(err) -> Result.Err(err) ``` `!` 使副作用成为签名的一部分,而不是隐藏在实现内部。 Aver 故意具有主观性:没有异常,没有 null,没有 `if`/`else`,没有循环,没有闭包。分支通过 `match`,失败通过 `Result`,缺失通过 `Option`,副作用是显式的。 该仓库包含小型示例,但也包含 `projects/workflow_engine`,这是我尝试构建的中型可审计应用程序核心,具有 app/domain/infra 分割、可重放的 effectful 流程以及 verify 驱动的纯逻辑。 这还处于早期阶段。我并没有声称每个人都应该用 Aver 替换主流语言。 我正在测试的更狭窄的问题是,将意图、决策、检查和 effect 边界在源代码中实现机器可读性,是否能使 AI 生成的代码更容易评审、约束和信任。 我特别希望收到关于这是否感觉像一种值得存在的语言的反馈,或者同样的想法是否应该仅仅是基于现有语言的约定和工具。
1作者: AhnixSoft5 个月前
嘿, 我开发 sMail 是因为我一直遇到同样的问题—— 我需要向联系人列表发送几百封个性化邮件,但又不想仅仅为了偶尔使用就每月支付 20 美元给 Mailchimp。 所以我花了几个星期的时间开发了一个简单的 Windows 桌面应用程序,它直接通过 Gmail SMTP 发送邮件。 工作原理: - 从 CSV 或 Excel 文件加载您的联系人 - 编写您的主题和消息(支持 {name} 用于个性化) - 可选地附加文件 - 发送前预览邮件 - 点击发送并观看进度条 它使用 Gmail SMTP 和应用密码身份验证,因此没有任何内容通过任何外部服务器——邮件直接从您的 Gmail 帐户发送。 使用 Qt5 构建。一次性 15 美元,无订阅,除了您的 Gmail 之外,无需任何帐户。 很乐意回答有关其构建方式的任何技术问题,或讨论基于 SMTP 的方法与基于 API 的发件人的区别。 https://ahnix.gumroad.com/l/AhnixSoft-sMail
1作者: camicortazar5 个月前
我一直在大量使用 Claude Code,并反复遇到同样的困扰:市面上存在成千上万的技能,但却无法可靠地判断它们是否好用或安全。Snyk 的 ToxicSkills 研究发现,36.82% 的公开可用技能存在安全漏洞,其中 13.4% 属于严重漏洞。 我正在构建“技能精选”——一份双周刊,在技能推送给订阅者之前,会对 Claude Code 技能进行审查和安全审计。每个技能将根据六个标准进行评分,并给出明确的结论。如果技能未通过安全检查,则永远不会运行。付费订阅用户将获得经过审查的 SKILL.md 文件,可以直接安装。 以下是我真正不确定的几件事: * 这是一个真正的问题,还是目前的受众太小? * 开发者是否愿意为经过精心挑选、可以直接安装的技能文件付费,还是更喜欢自己动手? * 在相关领域,是否有类似的通讯,它们成功或失败的案例,值得我研究? 目前还未正式发布。欢迎提出意见。
2作者: ramon1565 个月前
嗨,Hacker News 社区, 我从未下载过 moltbook,但它却在 Firefox 中运行了。这让我有点困惑,因为我从未使用过 moltbook。<p>有人知道以下工具是否集成了它吗? - GitLab(不太可能) - Google Docs - Asana<p>或者这些插件中的一个: - ColorZilla - 1Password - Wappalyzer<p>我一关闭 Firefox,这个进程就消失了。
2作者: eyasu64645 个月前
我创建了一个 Colab 笔记本,演示了无需手动标注即可引导和训练 YOLO 目标检测模型的完整流程。<p>该工作流程使用开放词汇目标检测,从自由文本提示中生成边界框,然后将这些边界框导出为 YOLO 标签,用于训练检测器。<p>笔记本中的典型工作流程:<p>从未标注或弱标注的图像数据集开始 使用提示生成边界框(例如“猫的头”或“汽车保险杠上的凹痕”) 筛选正样本并重新平衡数据集 以 YOLO 格式导出标签 训练和评估 YOLO 模型<p>在示例笔记本中,我使用了一个只有图像级标签的猫狗数据集。 使用提示“猫和狗的头”,该流程自动生成头部边界框并训练一个小型 YOLO 模型。<p>该存储库主要包含 Colab 笔记本以及用于运行检测和导出 YOLO 标签的示例脚本。<p>很想知道大家对这种方法的看法。
1作者: vajafafa5 个月前
Hi HN, 对于长期积累大量笔记的人来说:随着笔记数量的增长,真正变得困难的是什么? 我并不是在问哪个工具最好。我更感兴趣的是失败模式。 例如: • 收集很容易,但后期整理变得繁重 • 搜索有效,但在特定情境下重用信息很麻烦 • 一条笔记最终属于多个地方 • 结构一开始有帮助,后来却成为负担 如果你已经使用过Obsidian、Notion、Logseq、Apple Notes或纯Markdown等工具一段时间了,你觉得哪些方面开始变得受限了?