最新

我使用 Claude Code 已经有几个月了，虽然它在编写代码方面非常出色，但审查更改却成了瓶颈。<p>Diff 只是按字母顺序排列的文件，没有上下文，也没有对意图的解释。<p>所以我构建了 Codebrief，一个 VS Code 扩展，它可以：<p>1. 捕获你的 git diff + 会话上下文 2. 按意图（而不是文件名）对更改进行分组 3. 解释每个组背后的“为什么”<p>它适用于 Claude Code、OpenCode 和 Codex。<p>GitHub：<a href="https:&#x2F;&#x2F;github.com&#x2F;that-one-arab&#x2F;codebrief" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;that-one-arab&#x2F;codebrief</a> VS Code 市场：<a href="https:&#x2F;&#x2F;marketplace.visualstudio.com&#x2F;items?itemName=MoNazim.codebrief" rel="nofollow">https:&#x2F;&#x2F;marketplace.visualstudio.com&#x2F;items?itemName=MoNazim....</a> Open VSX 链接 (Cursor, Windsurf 等...)：<a href="https:&#x2F;&#x2F;open-vsx.org&#x2F;extension&#x2F;MoNazim&#x2F;codebrief" rel="nofollow">https:&#x2F;&#x2F;open-vsx.org&#x2F;extension&#x2F;MoNazim&#x2F;codebrief</a><p>希望得到其他遇到此问题的人的反馈。

嗨，HN 社区， 我今天搭建了 MOCC。 它能让创始人与创作者将他们的指标转化为美观、可分享的样机。 你可以生成以下内容的视觉图： • SaaS MRR（月度经常性收入）里程碑 • 社交媒体粉丝里程碑 • 增长图表 你还可以连接像 Stripe、LemonSqueezy、Polar、Paddle、RevenueCat 这样的收入集成，或者手动输入指标。 它会生成一个你可以在 X 或 LinkedIn 上分享的样机。 非常希望得到 HN 社区的反馈。 [https://mocc-delta.vercel.app/](https://mocc-delta.vercel.app/)

我一直在研究个人理财市场，最初只发现了少数几家显而易见的巨头公司。 但深入挖掘后，我发现了一个长尾的初创企业，其中很多我从未听说过，包括一些推出后曾引起关注，但后来似乎又销声匿迹的产品。 奇怪的是，这反而让我对这个领域更感兴趣，而不是更不感兴趣。这让我觉得，竞争本身并不是最重要的信号。更有用的问题是，为什么这么多尝试都未能实现差异化。 大家在评估一个想法时，是更关注“墓地”（失败案例），还是主要关注当前的赢家？

我正在独自构建一个多租户 SaaS 应用（Next.js 15, Convex, Clerk, Vercel）。上周四我提交了 72 次代码。有趣的是这些提交的构成，而不是数量。<p>第一个阶段是为营销网站构建一个 Lottie 动画系统。我搭建了基础层，英雄页面的环境粒子动画，六个部分动画，以及一个定价页面的闪光动画。然后，Lottie React 包的 `speed` 属性竟然不是一个真正的 JSX 属性。你需要获取动画的引用，然后用命令式的方式调用 `setSpeed()`。修复这个问题后，我注意到占位动画文件有水印，于是我写了一个 1250 行的 Node 脚本来生成自定义的多层合成动画。然后，我看了看“运作方式”部分，里面有新的动画，但我觉得它们毫无作用。于是我删除了它们。然后又从另一个部分删除了带水印的动画。动画阶段大约有 15 次提交是添加，5 次提交是删除。<p>最后一个阶段是性能优化。移动端 LCP 达到 7.1 秒。我尝试了五种修复方法：在英雄页面的 H1 标签上设置 opacity: 0.01（治标不治本），仅滑动动画，懒加载粒子，以及作用域提供程序。但没有一个能显著改善。根本原因是 Bricolage Grotesque 字体（73KB WOFF2）使用了 `font-display: swap`。在模拟 4G 网络下，该字体在 450KB 的 JS 之后加载，并且在 6-7 秒时发生的 swap 事件被测量为一个新的 LCP 元素。使用 `font-display: optional` 并将 ClerkProvider 移出营销路由（以减少 JS 冲突）后，LCP 降至 2.5 秒以下。凌晨 2 点左右找到了真正的问题。<p>在这两个阶段之间，我还添加并删除了一个深色模式切换，将移动端导航重建为底部抽屉，为 PWA 标签添加了滑动导航，并构建了一个可滑动的定价轮播。深色模式切换只存在了大约三个小时，我就决定它不合适。<p>独自构建意味着很多提交都只是为了撤销其他提交。没有人会在你花费 8 个小时之前说“这超出了范围”。<p>https://jamcrew.io

我一直遇到同样的问题：我修改提示词或更新模型后，Agent 的输出看起来没问题，但工具序列却完全不同。它在部署前停止读取配置。它运行了 <i>npm run build</i> 而不是 <i>npm test</i>。这个 bug 几天后才在生产环境中显现出来。<p>所以我构建了 TracePact。将一个已知的良好运行记录为磁带，与新的运行进行对比，得到一个清晰的变更报告：<p>- read_file (seq 0) (已移除) ~ bash.cmd: &quot;npm test&quot; -&gt; &quot;npm run build&quot; 总结：1 个已移除，1 个参数已更改[BLOCK]<p>它将变更分类为 <i>block</i> (结构性) 或 <i>warn</i> (仅参数)，因此你可以使用 --fail-on warn 来控制 CI。你可以使用 --ignore-keys timestamp 和 --ignore-tools read_file 来过滤噪音。<p>重放/对比不需要 API 调用。适用于任何 LLM 提供商。与 Vitest 集成，用于编写关于工具追踪的断言。<p><a href="https:&#x2F;&#x2F;github.com&#x2F;dcdeve&#x2F;tracepact" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;dcdeve&#x2F;tracepact</a>

大多数网站对 AI 代理来说是不可见的。我们刚刚在 gitauto.ai 中添加了 llms.txt 文件——一个简单的文本文件，告诉 LLM GitAuto 的功能、文档位置以及如何推荐它。同时，我们还修复了 robots.txt 文件中重复的 User-agent 块（只有第一个被使用）。这两个文件的改动，极大地提高了网站的可发现性。

一个DIY牛顿反射式望远镜，搭配杜布森式支架。这是一个有趣的爱好项目，带我们更接近月球和更远的地方。未来有很多改进计划，让它更好、更便携，但这是我和我的朋友第一次动手制作或说是组装望远镜。<p>看看我们捕捉到的画面吧。

我注意到目前没有维护和验证过的恶意 Chrome/Edge 扩展列表，只有误报率很高的行为扫描器。 所以我建立了一个。 该数据库仅包含有明确移除信号的扩展：官方商店移除或导致行动的研究者报告。没有基于行为的猜测。 实时仪表盘（每日更新）：[https://malext.toborrm.com](https://malext.toborrm.com) GitHub + 数据库：[https://github.com/toborrm9/malicious_extension_sentry](https://github.com/toborrm9/malicious_extension_sentry) 浏览器扩展：[https://chromewebstore.google.com/detail/malext-sentry/bpohikihiogjgmebpnbgnloipjaddibe](https://chromewebstore.google.com/detail/malext-sentry/bpohi...)

我是一名居住在亚的斯亚贝巴的开发者。当人工智能浪潮在云端蓬勃发展时，我所在地区的3500万学生却被远远抛在后面，因为他们无法获得可靠的互联网，也无力承担访问GPT-5 API的数据费用。<p>我创建了Ivy来解决这个问题。它是一个教育辅助工具，旨在完全在设备端运行（边缘推理）。<p>工作原理如下：<p>离线推理：在150美元的入门级安卓硬件上运行优化的本地LLM。<p>原生支持：集成对本地语言（阿姆哈拉语）的支持，以弥合文化差异。<p>自主性：即使电网或网关中断，系统也能正常运行。<p>我在这里记录了该系统的架构，以及一个在真实环境中运行的4分钟演示：https:&#x2F;&#x2F;builder.aws.com&#x2F;content&#x2F;39w2EpJsgvWLg1yI3DNXfdX24tt&#x2F;aideas-ivy-the-worlds-first-offline-capable-proactive-ai-tutoring-agent<p>我目前正在参加一项全球AWS挑战赛的四分之一决赛，以获得扩大规模所需的资源。我正在寻求关于边缘推理逻辑以及这些设备连接2G信号时的同步协议的技术反馈。<p>很乐意回答关于在零连接环境下构建LLM基础设施的现实问题。