最新

这是一个 Claude Code 插件，它并行运行多个 AI 模型（GPT、Gemini、Grok、Kimi、Qwen 等）来进行代码审查和规划，然后通过结构化的轮次将它们汇聚到共识。 每个模型独立审查，彼此之间看不到对方的发现。然后它们进行综合，找出冲突，并进行收敛（批准/需要修改，最多 2 轮）。 从技术上讲，它使用 Markdown 命令文件来编排 Claude Code 的团队系统——没有自定义运行时，只是 CLI 管道。

我创建了 Copyworks，目的是在家教我的孩子学习中文。现有的选择要么是静态 PDF，要么是昂贵的订阅服务，要么是只能在线使用的工具，无法离线使用。 它生成可打印的练习工作表，带有声调标注的汉字（按声调颜色编码）、笔顺演示，以及传统的米字格、田字格等格式。包含 1200+ 节课程，涵盖 HSK 1-9 级、YCT、TOCFL 以及 33 本教材课程。 免费版：声调颜色、笔顺、所有网格类型、HSK 1 级内容。无需账户，完全离线可用。 家庭计划（29 美元/年或 49 美元终身）：解锁完整内容库、附加汉字模式，以及无水印 PDF 导出。 使用 Flutter 构建。桌面版（Windows、macOS、Linux）已上线。iOS 和 Android 版本正在 App Store/Play Store 审核中。 正在征求关于用户体验的反馈，以及哪些功能最重要。

dlgo 是一个纯 Go 深度学习推理引擎。它加载 GGUF 模型，并在 CPU 上运行，除了标准库之外没有任何依赖项（通过 CGo 可选 SIMD 加速）。 我构建它的原因是想在 Go 项目中添加本地 LLM 推理，而无需调用 Python 或链接 llama.cpp。整个过程只需 go get github.com/computerex/dlgo，然后就可以运行模型了。 它支持 LLaMA、Qwen 2/3/3.5、Gemma 2/3、Phi-2/4、SmolLM2、Mistral 和 Whisper 语音转文本。架构以声明式的逐层规范表示，在加载时解析，因此添加新的模型系列主要只是描述其层结构，而不是编写新的前向传播。 在单 CPU 线程上，使用 Q4_K_M 量化时的性能：LLaMA 3.2 1B 约为 ~31 tok/s，Qwen3 0.6B 约为 ~48 tok/s，Qwen3.5 2B（具有混合注意力 + 门控 Delta 网络架构）约为 ~16 tok/s。虽然在原始速度上无法超越 llama.cpp，但它足够快，而且作为原生 Go 库，其便捷性难以匹敌。 支持 25 种以上的 GGML 量化格式（Q4_0 到 Q8_0，所有 K 量化、I 量化、F16、BF16、F32）。GGUF 解析器、反量化、分词器、前向传播和采样都是从头开始实现的。 代码：<a href="https://github.com/computerex/dlgo" rel="nofollow">https://github.com/computerex/dlgo</a>

大家好，我是 Usman。<p>我曾多年使用时间追踪工具，但它们总让我感觉自己像是在工厂里打卡上班。我经常会进入那种令人难以置信的“心流”状态，凌晨 1 点，我全身心投入，刚重构了整个身份验证系统，并推送了 6 个干净的提交，但当我查看我的追踪器时，却只看到：“3 小时：TypeScript。”<p>没有上下文，没有故事，没有灵魂，只是一张图表上的冷冰冰的条形图。<p>与此同时，我的朋友跑完了 10 公里，Strava 会用地图、海拔分割和来自社区的大量赞赏来庆祝。这很有激励性，也很人性化。我开始思考：为什么我们没有这样的工具来记录我们真正引以为豪的工作呢？<p>所以，我开发了 Kodo。<p>它不是一个追踪器，而是一个叙事工具。<p>Kodo 的核心理念是将问题从“你工作够了吗？”转变为“看看你取得了什么成就。”<p>它在你的 IDE 中被动运行，但它不仅仅记录分钟数，而是使用 AI 将你的原始活动转化为一个故事。如果你花了两个小时在三个不同的文件和一个特定的分支之间切换，Kodo 不仅仅会说“编码”，它会说：“重构了身份验证流程，并修复了那个关键的登录错误。” 这就是你希望在站会上总结的内容，它为你自动生成了。<p>解决“监视的厌恶感”<p>作为开发者，我们对追踪器有一种集体性的反感，因为它们通常是为管理者而不是我们自己而存在的。我开发 Kodo 时，有一些“不可妥协”的原则：<p>隐私至上：Kodo 绝不会读取你的源代码。永远不会。如果你注重隐私，可以使用“隐身模式”，它只记录时间戳，不记录任何其他信息。 社交而非竞争：我们有一个社交动态，团队成员可以在上面看到你在线，或者对你的重要工作成果点赞。它不是一个用来比较谁工作时间最长的排行榜，而是在你半夜发布代码时，让你感觉不那么孤独。 倦怠提醒：我曾经在凌晨 3 点筋疲力尽地写代码，觉得自己是个英雄，但实际上却在破坏东西。Kodo 会给你一个认知新鲜度评分。它会在你高强度工作 90 分钟后，提醒你休息一下。<p>技术栈（供好奇者参考）<p>我非常喜欢 T3/Supabase 生态系统，所以我保持了引擎的现代化和快速：<p>前端/API：Next.js (App Router) + Hono。 数据库/身份验证：Postgress + Drizzle ORM + Better-Auth。 样式：Tailwind CSS v4 和 Shadcn/UI（因为 DX 很重要）。 扩展：VS Code 系列使用纯 TypeScript（cursor, windsurf, antigravity），JetBrain 使用 Kotlin，Claude code 再次使用 TypeScript（是的，Kodo 也会追踪你的 Claude 代码会话）。<p>AI 层使用 OpenAI 和 Anthropic 将你的元数据解析成那些人类可读的摘要，我甚至添加了 5 种不同的“AI 导师”个性（从“炒作”到“健康”），这样你就可以选择适合你团队文化的氛围。<p>试一试<p>我开发这个工具是因为我们应该拥有比打卡更好的东西。我们应该拥有一个能够认可工艺、心流和构建事物所付出的努力的工具。<p>你可以在 [kodo.codes](https://kodo.codes) 上试用它。<p>它基本上支持所有东西（VS Code、Cursor、IntelliJ，甚至 Claude Code）。创建一个 API 密钥，把它放到你的编辑器里，然后... 编码。Kodo 会处理剩下的事情。<p>我很想听听你的想法，特别是那些也曾感到“生产力工具倦怠”的人的想法。<p>在 kodo.codes 试用 kodo

大家好，我在 Hacker News 上发帖，是因为我之前考虑搬家时，找不到一个比城市平均水平更深入的薪资比较工具。在“纽约”拿着 10 万美元的年薪，生活质量会因你住在曼哈顿还是皇后区而大相径庭。 这个工具的功能：输入你当前的城市、目标城市和你的薪资。它会计算出一个等效的薪资，并根据生活成本、当地税收、租金和汇率进行调整——精确到社区级别。 它的一些独特之处： * 覆盖 182 个城市，超过 3400 个社区，而不仅仅是城市平均水平 * 单身和家庭模式（增加了育儿费用、更大户型的公寓） * 按国家/地区并排显示的税收明细 * 支持 67 种货币的实时转换 * 还有一个退休海外计算器，用于退休规划 数据来源：公共资源（OECD，地方政府统计数据，住房指数）的组合，交叉引用并标准化为生活成本指数，其中纽约 = 100。 无需注册，没有付费墙，没有广告。非常欢迎大家对方法论或数据准确性提出反馈——特别是那些实际搬迁到我们所覆盖城市的人。