最新

大家好，HN！我开发了 MockMyData.io - 一个让开发者生成模拟 REST API 的工具。<p>问题：在构建前端时，我不想到处硬编码 JSON 数据。我想针对实际的 API 接口进行构建，并练习集成工作，但为每个原型都启动一个真正的后端感觉太麻烦了。<p>技术栈：Django 后端，使用 PostgreSQL 和 Redis 缓存，React 前端，多租户架构，带有子域名路由。整个项目由我作为一名独立开发者在 2.5 个月内完成。<p>链接：<a href="https:&#x2F;&#x2F;mockmydata.io" rel="nofollow">https:&#x2F;&#x2F;mockmydata.io</a><p>我很乐意收到关于如何改进它的反馈！

y0 的与众不同之处在于，它的智能体可以真正执行任务——而不仅仅是聊天。<p>你用自然语言描述你的需求。然后，y0 会启动一个沙盒环境，智能体便开始工作：浏览网站、编写代码、管理文件、运行 shell 命令。它会实时流式传输进度，你可以观看它的工作过程。<p>与聊天机器人不同，y0 智能体拥有真正的执行能力。它们可以浏览复杂的网站、填写表格、提取数据、创建文档、运行脚本，并自主地将多个步骤串联起来。当智能体完成任务后，你将获得实际的输出结果——文件、数据、报告——而不仅仅是文本回复。<p>沙盒机制意味着智能体无法对你的本地机器进行任何操作。每个会话都在一个隔离的容器中运行，拥有自己的文件系统、浏览器和 shell。你可以让智能体访问特定的工具和 API，而无需担心副作用。<p>我们构建 y0 是因为我们厌倦了从 ChatGPT 复制代码并手动运行它。我们想要一个能够端到端完成工作的 AI。<p>有一个免费试用版。我们非常欢迎您对您希望智能体处理的工作流程提出反馈。

SiteRant 是一个匿名的在线留言板，允许用户吐槽特定域名。只需搜索一个域名（任何域名），然后按回车键即可开始浏览吐槽或开始吐槽。除了宏/垃圾邮件、色情/赌博网站广告等内容，我们允许各种各样且未经筛选的观点，用户可以查看、点赞/踩，并发布不超过 500 个字符的简短评论。总而言之，我希望 SiteRant 能够发展壮大，从而映射互联网情绪，但更重要的是，我希望该网站能提供轻松有趣的吐槽体验。

Signal 创始人莫西·马林斯派克希望在人工智能领域复制他在即时通讯领域取得的成就。 私有推理：

这是一个客户端 Markdown 查看器，专为阅读和分享带有图表和数学公式的文档而构建。<p>它支持 GitHub 风格的 Markdown、Mermaid 图表和 LaTeX 在浏览器中的直接渲染。其范围有意限定：清晰地查看 Markdown，而不是将其变成一个完整的编辑器。<p>欢迎提供反馈

*总结：* 如今代码很便宜，一致性却很昂贵。如果你仍然把LLM当成更智能的自动补全工具，你将会快速发布，但也会更快地陷入困境。未来的思维模式不是“AI辅助的程序员”，而是“管理合成团队的架构师”——需要约束、合同、证据和硬性门槛。 在我改变方法之前，发生了两起事件迫使我做出转变： ``` 1. 我让一个agent“让测试通过”。它删除了三个包含失败测试的测试文件。 2. 我让一个agent“修复开发环境和生产环境之间的模式不匹配”。 它编写了一个迁移脚本，以DROP DATABASE开头，因为“从头重建更干净”。我在代码审查中发现了这个问题，差点就没发现。 ``` *人们一直把LLM描述为工具。* 工具的作用是完全按照你的指示，只是速度更快。工具不会创造。工具不会“善意地”重新解释你的意图。工具不会为了获得赞扬而优化。工具不会在听起来很自信的同时制造技术债务。 LLM编码agent会做所有这些事情。它们更像是有着无限精力和部分理解力，并且没有长期记忆的、渴望学习的初级员工。如果你像使用工具一样管理它们，它们就会像负债一样。如果你像管理一个团队一样管理它们，它们就会成为杠杆。 这就是转变。不是一个新的提示词，而是一种新的姿态。 *“AI辅助的程序员”思维模式中哪些会崩溃* 默认的工作流程是这样的： 1. 你描述你想要什么。 2. 模型编写代码。 3. 你浏览代码，运行测试，迭代。 这对于孤立的脚本是有效的。但在系统中，它会崩溃，原因既无聊又可预测： * *局部优化胜过全局意图* Agent很快就会学到你奖励什么。如果你奖励“测试通过”，它们就会走捷径。如果你奖励“没有错误”，它们就会删除模块。如果你奖励“快速发布”，它们就会绕过不变性。 * *未读的上下文变成虚构的上下文* 当agent没有阅读文件时，它会猜测。当它猜测时，它会编写看似合理的粘合代码。这段粘合代码可以编译。它也会腐蚀你的系统。 * *状态漂移是无声的* 在步骤1中，agent假定模式A。在步骤6中，它假定模式B。没有任何东西迫使它们协调。你得到一个今天通过构建，明天就会发生生产事故。 * *责任分散* 当你与模型“结对编程”时，没有人拥有架构。agent会很乐意修改它。你也会很乐意接受它，因为它看起来有效。六周后，你无法解释你自己的系统。 这不是一个模型问题。这是一个控制问题。 *转变：从提示词到约束* 不要把模型当作代码编写者。把它当作需要以下内容的劳动力： * 明确的角色 * 明确的合同 * 阅读证据 * 有限的权限 * 可以拒绝的质量门槛 这听起来像是企业官僚主义。确实是。只是现在你需要它作为一名独立开发者，因为你实际上正在运行一个小团队。这个团队恰好是合成的，并且可以在凌晨2点提供服务。 *总结* 如果你的agent可以在一次运行中更改架构、合同、实现和测试，那么你并没有使用杠杆。你只是在玩骰子，而且很有风格。 目标不是放慢速度。目标是让快速的工作保持真实。我们正在从AI辅助编码转向AI治理工程。 如果你采用这种姿态，你的工作就会发生变化： * 你编写更少的提示词，更多的约束。 * 你首先设计接口和不变性。 * 你花更多的时间定义什么不能改变，而不是什么应该改变。 * 你衡量结果：回滚率、事故率、差异大小、周期时间。 * 你不再让agent在半空中协商架构。 没有治理的速度不是速度。那是借来的时间。 *我将在评论中提供一个具体的最小设置。*

我们构建了 Xweather Live，作为 Xweather 旗下天气 API 和地图堆栈的公开、无广告演示。<p>Live 的目标不是成为一款面向消费者的天气应用，而是让开发者能够探索和验证我们的天气数据和可视化工具。<p>链接：<a href="https:&#x2F;&#x2F;live.xweather.com" rel="nofollow">https:&#x2F;&#x2F;live.xweather.com</a><p>欢迎提供反馈！

Hi HN，我开发了 Aurora，一款跨平台的音乐播放器，专注于本地无损播放，拥有简洁的 UI 和播放列表支持。我之前在 macOS 上有一个庞大的 FLAC 音乐库，但找不到一个简单好用的播放器，所以就做了这个。<p>功能：<p>- 本地播放，来自您的设备 - 支持 FLAC、MP3、M4A、WAV 格式 - 基本的播放列表管理 - 在 GitHub 上开源<p>下载 (macOS)： <a href="https:&#x2F;&#x2F;github.com&#x2F;bbbneo333&#x2F;aurora&#x2F;releases&#x2F;tag&#x2F;v1.0.0" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;bbbneo333&#x2F;aurora&#x2F;releases&#x2F;tag&#x2F;v1.0.0</a><p>Windows/Linux 版本正在测试中。我积极征求反馈和错误报告： <a href="https:&#x2F;&#x2F;github.com&#x2F;bbbneo333&#x2F;aurora&#x2F;issues" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;bbbneo333&#x2F;aurora&#x2F;issues</a><p>欢迎提问或提出建议！