最新

大家好，我是SnackBase的开发者。<p>我开发这个项目是因为我从事医疗保健和生命科学领域的工作，厌倦了在编写任何实际产品代码之前，花费数月时间构建相同的“合规”基础设施（审计日志、行级安全、PII掩码、身份验证）。<p>问题：现有的BaaS工具（Supabase、Appwrite）非常出色，但很难通过GxP（FDA法规）验证，并且经常迫使你进入JS/Go生态系统。我想要一些与我已使用的Python工具原生的东西。<p>解决方案：SnackBase是一个自托管的Python（FastAPI + SQLAlchemy）后端，包括：<p>合规核心：具有区块链风格哈希（prev_hash）的不可变审计日志，用于确保完整性。<p>原生Python钩子：你可以在纯Python中编写业务逻辑（无需Webhooks或JS运行时）。<p>清晰的架构：严格的层分离。API路由中没有业务逻辑。<p>技术栈：<p>Python 3.12 + FastAPI<p>SQLAlchemy 2.0 (异步)<p>React 19 (管理界面)<p>链接：<p>在线演示：<a href="https://demo.snackbase.dev" rel="nofollow">https://demo.snackbase.dev</a><p>代码库：<a href="https://github.com/lalitgehani/snackbase" rel="nofollow">https://github.com/lalitgehani/snackbase</a><p>演示每小时重置一次。我非常欢迎大家对DSL实现或审计日志记录方法的反馈。

我过去一年一直在使用 AI 编码助手（Claude、Cursor 等），并注意到一个空白：没有一个好的中心平台，供人们学习使用这些工具来分享项目、比较工作流程和查找实用指南。所以我创建了 MakersHub.dev。<p>目前的功能： - 专注于 AI 辅助开发的学习指南 - 项目展示区，用于分享已发布的作品 - 讨论区 - HN 风格的 AI 开发内容新闻 feed<p>技术栈：Next.js、Supabase，部署在 Vercel 上。大部分是用 AI 辅助构建的，感觉很合适。<p>还处于早期阶段——已向一小部分订阅者发布，并根据反馈进行迭代。<p>很想听听 HN 的看法，以及关于如何从零开始发展这样一个社区的任何建议。

我为 Apache FreeMarker 模板创建了一个 Zed 扩展，该扩展基于 tree-sitter 实现语法高亮。FreeMarker 是一款 Java 模板引擎，至今仍广泛应用于企业级应用，但其在现代编辑器中的支持却一直有所欠缺。 该扩展通过自定义 tree-sitter 语法，而非正则表达式，处理了尖括号和方括号语法、混合 HTML 内容以及所有 FreeMarker 指令。 GitHub: https://github.com/debba/zed-freemarker Zed 扩展：搜索“FreeMarker” 我主要为自己的项目构建了这个扩展，但也认为维护遗留系统的其他人可能会觉得它有用。

有哪些好的资源，例如书籍/论文/文章/视频等，可以用来学习上述三个领域（从基础到高级）？ 1) 量子计算：这里的抽象计算模型究竟是什么？经典的计算模型，例如 https://en.wikipedia.org/wiki/Model_of_computation 适用吗？还有哪些新的模型被发明出来？ 2) 量子计算机：它们的物理学、组织结构和架构是什么？在经典计算机中，有半导体物理学、电子元件和电压阈值，它们映射到逻辑 1 和 0。然后，这被用来构建抽象层。它们在量子计算机中有什么等价物？https://en.wikipedia.org/wiki/Quantum_computing 上有很多信息，但结构不够清晰，难以理解。 3) 量子编程：https://en.wikipedia.org/wiki/Quantum_programming 上提到了很多内容，亚马逊上也列出了一堆关于这个主题的书籍，但我不太清楚所有内容是如何整合在一起的。 另外，据我所知，量子计算/编程可以在经典硬件上进行模拟，但我不太清楚具体是如何实现的。 PS：如果能提供一些详细的例子，说明量子计算机/编程实际上是如何帮助你解决经典计算机无法解决的问题的，将有助于将所有内容整合在一起。Shor 算法 (https://en.wikipedia.org/wiki/Shor%27s_algorithm) 经常被提及，但也许从一个更简单的例子开始会更容易理解。 PPS：特别是，我很想听听那些实际研究/工作于这个领域的人的意见，了解他们实际在做什么，它的实际应用，以及如何学习这门学科。

我构建了一个离线优先的 AI 系统，专为需要在没有网络连接或云 API 的地方提供专家指导而设计——例如灾难响应、偏远诊所和野外作业。 核心理念是：与其相信模型会按预期运行，不如对其进行约束。该系统使用双模型流程（工作者生成内容，审计员检查内容），并由一个策略引擎控制，该引擎在推理运行之前定义允许的操作。每次交互都会被记录到仅追加的审计跟踪中，并进行校验和链式处理。 关键设计约束： * 离线优先，并具有优雅的降级机制 * 策略驱动的切换（操作员设置容量限制，而不是 AI 行为） * 针对有凭证用户的分层密钥覆盖（护士看到的选项与医护人员不同） * 针对不同领域的模块化“包”（医疗分诊、结构评估、水安全等） 这一切始于一个问题：如何在没有互联网、没有专家且风险很高的情况下，将 AI 部署到飓风灾后？答案不是“更好的提示词”——而是一种架构，这种架构假定模型会尝试做它不应该做的事情。 [https://github.com/thepoorsatitagain/Tutor-to-disaster-expert](https://github.com/thepoorsatitagain/Tutor-to-disaster-exper...) 正在征求关于该架构的反馈。我并非来自 AI 背景——我是从运维/部署方面开始的——所以我肯定会遗漏一些东西。

70 年代有鲍勃·迪伦这样的歌手，80 年代有 U2，90 年代可能有“人民公敌”。但最近似乎没有艺术家创作流行的抗议音乐。我所看到的都是真的吗？如果是真的，发生了什么？

这是 hyTags，一种嵌入在 HTML 中的编程语言，用于构建交互式 Web 用户界面。<p>它最初是为了能够在 Swift 中编写全栈 Web 应用程序而设计的，无需单独的前端，但后来发展成为一种小型语言，通过 HTML 标签实现控制流、函数和异步处理。最终的结果是后端语言无关的，可以从任何能够通过模板或 DSL 生成 HTML 的服务器生成。