最新

自从 2010 年以来，我一直用不同的马甲在 HN 上活跃，过去几年里，我感觉 HN 的质量直线下降，我的乐趣也随之减少。<p>今天我第一次开始质疑是否应该继续使用 HN，写这篇文章部分是为了探索我自己的想法，看看是否有人也有同样的感觉。<p>1. AI，AI，AI。<p>我理解。AI 是目前的大热门，但我发现关于 AI 的帖子从根本上来说不如过去这里发布的传统技术内容有趣。一篇包含某人对不同 AI 模型在画鹈鹕时进行比较的定性意见的帖子，在技术上不如这样的内容有趣，比如这个：https://nee.lv/2021/02/28/How-I-cut-GTA-Online-loading-times-by-70/<p>2. 还有人在 HN 上创业吗？<p>我再次理解。我在 2010 年代末期基本上放弃了尝试自己创业的想法。对于一个没有大量资金支持的单人创始人来说，这个行业变得太有竞争力了，成功的机会微乎其微。而现在，情况变得更加困难。但我认为这已经改变了 HN，它不再是一个你经常看到人们推出很酷的新项目的地方，而变成了一个人们只讨论最新的大型科技 AI 模型发布的地方。<p>3. 政治化和不宽容<p>我一直以来喜欢 HN 的一点是，它是一个非常开放的地方。而且在很多方面仍然如此，尤其与其他平台（如 X 和 Reddit）相比，但即使在这里，我也注意到评论变得更加片面，那些持有不太受欢迎的观点的人更容易被标记和踩。<p>也许只是我个人的感觉，但我从不踩或标记别人，除非我真的认为他们的评论很刻薄或严重违反了社区准则。<p>4. 只是我一个人吗？<p>我知道我对伴随我长大的互联网越来越怀旧…… 那个时候的一切都更加令人兴奋，但一切又都触手可及。像 YouTube 这样的网站是革命性的，但却是由三个人建立的。MySpace 和 Facebook 也是如此，它们也是由少数人拼凑起来的，至少在早期是这样。<p>今天，事情很少有新鲜感，一切都感觉遥不可及。AI，好吧，LLM，可能是多年来第一个“新”事物，但它们与之前出现的东西完全不同。过去的技术主要是由人为了人而构建的。LLM 是很酷的技术，但它们是由公司为了公司而构建的。YouTube 的建立是因为一些人认为建立一个网站与朋友分享视频会很酷。LLM 却没有发生这种情况。公司只是认为构建 AGI 会很有趣，于是投入数百万美元招募研究团队来尝试构建它。没有人要求它，而且我不确定硅谷以外的任何人是否想要它…… 这些从根本上来说是非人类的产品。它们的承诺不是为了娱乐或连接我们，而是为了自动化我们的工作，或者直接取代我们。

我是一个 40 多岁、略懂技术的、中年大叔，偶尔写点代码让生活更轻松。很久很久以前，我曾是一名开发人员。我拥有工程师学位，本能地倾向于寻找解决方案。我在科技行业工作，但负责的是“向开发人员提出构建需求”这一端，而不是“实际构建”的那一端。有了人工智能，我现在能够构建更多东西了。 所以我构建了 WebBridge（是的，名字不太花哨）。（好吧，是 Claude 构建的。我只是指导。就像每个产品经理做的那样。） 它的实际功能： 1. 你安装一个 Chrome 扩展程序 2. 你浏览到你已登录的网站——你的图书馆、你的实验室结果门户网站，随便什么 3. 你点击“记录”，做你想自动化的事情，然后点击“停止” 4. Claude 读取捕获的 API 流量，并生成一个永久的 MCP 服务器 5. 该服务器与任何 MCP 客户端配合使用——Claude (Cowork/Code)、Cursor、VS Code、Windsurf、Cline，等等 整个过程大约需要 10 分钟。你无需编写任何代码。 这适用于那些生活在人工智能提供商内部的非技术人员，他们只想使用它并继续前进。法律分析师、市场研究人员、市场观察员、市场营销和竞争情报人员，以及任何希望反复将特定网站用于特定目的的人。 README 包含一些用例展示：“公共图书馆搜索”和“法律合规审计”。 可能没有完全等同于我专门构建的东西。我很乐意被证明是错的。 欢迎反馈——这就是我发帖的原因。

几个月前，我在这里分享了《吕底亚之石》系列的第一期：<p><a href="https:&#x2F;&#x2F;news.ycombinator.com&#x2F;item?id=44253083">https:&#x2F;&#x2F;news.ycombinator.com&#x2F;item?id=44253083</a><p>这是一个架空历史漫画，讲述了一位在现代庞贝的考古学学生发现了一块石板，让他能够在一周前维苏威火山爆发前与一位罗马奴隶交换简短信息的故事。<p>故事的设定很简单：如果罗马世界的人突然获得了现代科学知识，但仍然只能使用公元79年现有的材料和工具来建造一切，会发生什么？<p>第二卷（帝国的引擎）探讨了这个想法的次生效应。<p>关于创作过程：我负责编写故事、研究、结构和对话。首先规划叙事（幕 → 场景 → 页面 → 分镜）。一旦确定了一个分镜，我就会写一个详细的视觉描述（拍摄角度、姿势、光线、环境等）。<p>大型语言模型（LLMs）帮助将这些描述转化为提示词，图像模型生成草图。我通常会生成许多变体，并手动选择或组合最符合分镜的图像。<p>大部分工作在于叙事设计、历史研究，以及构建罗马人可以现实遵循的、合理的技术路径。人工智能主要充当草图助手。<p>我很乐意收到关于故事走向、节奏的反馈，以及工业变革是否感觉可信。

Netrek 是一款 1988-89 年的多人太空战斗游戏，被广泛认为是第一款互联网团队游戏。它比商业在线游戏早了几年，几十年来一直运营着充满激情的联赛，并且在技术上仍然存在——但启动服务器一直需要真正的努力，而且一直没有简单的方法可以在浏览器中直接玩。 NeoNetrek 是我尝试改变这种状况的尝试： 服务器：基于原始的 vanilla Netrek C 服务器，通过更简单的配置进行了现代化，并为一键式云部署进行了容器化。有适用于 Fly.io 和 Railway 的现成模板，并且已经在 LAX、IAD、NRT 和 LHR 运行了公共服务器。任何人都可以使用 GitHub 组织中的部署模板进行自托管。 客户端：一个全新的基于浏览器的 3D 客户端——无需下载，无需插件，通过 WebSocket 连接。我以 Andrew Sillers 的 html5-netrek (github.com/apsillers/html5-netrek) 为基础开始构建，并使用 3D 渲染将其引向新的方向。 网站：neonetrek.com 涵盖了传说、派系、舰船等级、军衔，以及一个学院，以缓解众所周知的陡峭的学习曲线。 很大一部分代码和内容是与 Claude 合作开发的，作为编码伙伴，这对于一个关于保护互联网历史的项目来说，感觉很合适。 GitHub 组织：<a href="https://github.com/neonetrek" rel="nofollow">https://github.com/neonetrek</a> 立即游戏：<a href="https://neonetrek.com" rel="nofollow">https://neonetrek.com</a>

自制引擎 <a href="https://github.com/willtobyte/carimbo" rel="nofollow">https://github.com/willtobyte/carimbo</a>

Anthropic 的研究表明，提示词的结构比模型选择更重要。Flompt 接受任何原始提示词，将其分解为 12 个类型化的区块（角色、背景、目标、约束、示例、链式思考、输出格式等），并将它们编译成 Claude 优化的 XML。<p>提供三种界面：Web 应用程序（React Flow 画布）、浏览器扩展程序（注入到 ChatGPT/Claude/Gemini 工具栏中）和用于 Claude Code 的 MCP 服务器。<p>技术栈：React + TypeScript + React Flow + Zustand，FastAPI + Claude API 后端，Caddy。<p>免费、无需注册、开源。演示：<a href="https:&#x2F;&#x2F;youtu.be&#x2F;hFVTnnw9wIU" rel="nofollow">https:&#x2F;&#x2F;youtu.be&#x2F;hFVTnnw9wIU</a>

我开发了 sqry，一个本地代码搜索工具，它在语义层面而非文本层面工作。 动机：ripgrep 非常适合查找字符串，但它无法告诉你“谁调用了这个函数”、“这个函数调用了什么”，或者“查找所有返回 Result 的公共异步函数”。这些问题需要理解代码结构，而不仅仅是匹配模式。 sqry 使用 tree-sitter 将你的代码解析成 AST，构建一个统一的调用/导入/依赖关系图，并让你对其进行查询： ``` sqry query "callers:authenticate" sqry query "kind:function AND visibility:public AND lang:rust" sqry graph trace-path main handle_request sqry cycles sqry ask "find all error handling functions" ``` `sqry ask` 命令使用一个紧凑的 2200 万参数模型，将自然语言翻译成本地 sqry 查询语法，无需网络调用。 一些可能对 HN 有趣的事情： - 通过 tree-sitter 支持 35 种语言插件（C、Rust、Go、Python、TypeScript、Java、SQL、Terraform 等） - 跨语言边缘检测：FFI 链接 (Rust↔C/C++)，HTTP 路由匹配 (JS/TS↔Python/Java/Go) - 33 个工具的 MCP 服务器，因此 AI 助手可以获得精确的调用图数据，而不是依赖嵌入相似性 - 基于 Arena 的图，使用 CSR 存储；索引查询的预热时间约为 4 毫秒 - 循环检测、无用代码分析、git 引用的语义差异 它采用 MIT 许可证，并使用 Rust 1.90+ 从源代码构建。 友情提示：完整构建需要大约 20 GB 的磁盘空间，因为 35 个 tree-sitter 语法是从源代码编译的。 代码库：[https://github.com/verivusai-labs/sqry](https://github.com/verivusai-labs/sqry) 文档：[https://sqry.dev](https://sqry.dev) 很乐意回答关于架构、NL 翻译方法或跨语言检测的问题。