最新

我在几个评论中提出了这个问题，但想发起一个更大的讨论。<p>有些人认为，使用 LLM 编写代码就像工程师们在使用一种新的高级语言。然而，这会导致代码审查时出现脱节，因为被审查的代码是生成它的过程的产物。如果我们现在通过自然语言来表达自己（提示、规划、编写，作为新的“编程语言”），但只将生成的产物（实际代码）提交审查，我们如何完整地审查它？<p>我感到困惑的是，如今似乎缺少了关键的一环，即缺乏关于更改是如何产生的背景信息，包括计划、提示等，以便理解工程师是如何得出这个特定代码更改结果的。他们是一次性完成的吗？他们仍然花费了数小时进行提示/迭代等吗？还是介于两者之间？<p>PR 中的摘要通常会说明更改是什么，但没有包含完整的对话或我们如何得出这个特定更改（权衡、备选方案等）的过程。<p>鉴于此，您在您的组织中如何审查 PR？您实施了任何规则/自动化等吗？

这个项目仍处于 Alpha 阶段，但存在其他更成熟的替代方案，例如 Tunic: <p><a href="https://github.com/mikeslattery/tunic" rel="nofollow">https://github.com/mikeslattery/tunic</a>

我感到很沮丧，因为很难在 HN 上找到高质量的讨论，所以我启动了这个项目，以便更好地理解这个社区的运作方式。<p>这促使我构建了 readhn，一个 MCP 服务器，它有助于实现以下三个目标：<p>- 发现：通过关键词、评分和时间窗口找到相关的帖子/评论<p>- 信任：使用基于 EigenTrust 的传播方式，从种子专家那里识别可信的声音<p>- 理解：展示每个结果的排名依据，使用明确的信号而不是黑盒评分<p>它包括 6 个工具：discover_stories, search, find_experts, expert_brief, story_brief 和 thread_analysis。<p>我还添加了 readhn setup，以便 AI 代理在 pip install 后可以自动配置它（Claude Code, Codex, Cursor 等）。<p>我非常希望得到以下方面的反馈：<p>1) 这些排名信号是否符合您评估 HN 质量的标准，<p>2) 信任模型的权衡，<p>3) 什么能让它在您的日常工作流程中发挥作用。<p>如果这对您有帮助，给该仓库点个星可以让其他人发现它： <a href="https:&#x2F;&#x2F;github.com&#x2F;xodn348&#x2F;readhn" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;xodn348&#x2F;readhn</a>