最新

我构建了一个系统来解决 AI 辅助编码的最大问题：六个月后你无法维护代码，因为你已经失去了关于代码编写原因的所有上下文。 核心思想很简单：不是直接跳入代码，而是先生成规范，然后用 Markdown 文件跟踪每一个规划决策和待办事项，这些文件在文件夹中移动（计划 → 进行中 → 已执行）。这个执行历史将永远伴随你的项目。 该工具包包括： * 规范生成器（从需求生成架构和开发规范） * 会话管理（跟踪跨编码会话的进度） * 执行历史跟踪（3 文件夹系统） * Git 工作流程助手（分支、规范提交） * Spring Boot 测试生成 * 自动化代码审查代理（OWASP 安全、SOLID、性能） 它专为 Claude Code 构建，但工作流程概念适用于任何 AI 编码工具。 我用它构建了一个完整的 Spring Boot 后端——将 45 天的预估时间压缩到 5 天。几个月后，执行历史仍然可读。 完整工具包售价 49 美元：[https://hathwar.gumroad.com/l/spec-driven-ai](https://hathwar.gumroad.com/l/spec-driven-ai) 包含完整细节的登陆页面：[https://samhath03.github.io/spec-driven-ai/](https://samhath03.github.io/spec-driven-ai/) 欢迎就工作流程提出问题。

你好！我是 Nathan，Mozilla.ai 的机器学习工程师。我开发了 agent-of-empires (aoe)：一个 CLI 应用程序，帮助你管理所有正在运行的 Claude Code/Opencode 会话，并让你知道它们何时在等待你的操作。 * 使用 Rust 编写，并依赖 tmux 来保证安全性和可靠性。 * 监控 CLI 会话的状态，告诉你代理正在运行、空闲或等待你的输入。 * 通过命名、分组和配置不同设置的配置文件来管理会话。 我热衷于让自托管的开源 LLM 成为与专有闭源模型竞争的有效选择。对我来说，一个障碍是，尽管像 opencode 这样的工具允许你连接到本地 LLM（Ollama、lm studio 等），但它们通常运行速度比 Anthropic 和 OpenAI 托管的模型慢得多。我开始让一个编码代理执行任务，但在等待任务完成时，我会开始打开新的终端窗口来开始多任务处理。很快，我就花了很多时间在终端窗口之间切换，看看哪个需要我：比如帮助添加说明、批准新命令或给它一个新任务。 这就是我构建 agent-of-empires (“aoe”) 的原因。有了 aoe，我可以启动一堆 opencode 和 Claude Code 会话，并快速查看它们的状态或在它们之间切换，这有助于我避免打开很多终端窗口，或者不得不手动附加和分离 tmux 会话。它帮助我公平地尝试本地 LLM，因为它们较慢现在不再是那么大的瓶颈了。 你可以这样安装： ```bash curl -fsSL https://raw.githubusercontent.com/njbrake/agent-of-empires/main/scripts/install.sh | bash ``` 或者 ```bash brew install njbrake/aoe/aoe ``` 然后只需输入命令 `aoe` 即可启动。 我很感兴趣听听你的想法，以及你认为应该添加哪些有用的功能！ 我计划添加一些关于沙盒（使用 Docker）的进一步功能，以及对直观的 git 工作树的支持，并且很好奇大家对应该或不应该包含什么功能有什么看法。 我决定不使用 MCP 管理或通用终端使用，以帮助保持该工具专注于我尚未找到可用解决方案的代理编码部分。 我达到了这篇文章的字数限制，这阻止了我包含输出的视图，但 github 链接上的自述文件有一个截图显示了它的外观。 谢谢！

嗨，HN！这是我今年年初推出的一款单词搜索游戏——当时没引起太大反响，但最近被广泛传播（目前正从kottke.org获得一些流量），现在已经找到了超过12000个单词！ 现在它内容更丰富了，我想再次分享。真的很喜欢看大家在上面创作的内容——似乎大多数人都是从在中间的大堆单词里添加几个单词开始，然后添加到别人的作品中（或者毁掉它们），最后再开始创作自己的小概念。我最喜欢的是北边的“小猫”。希望你们喜欢！

我经常在寻找新的软件工程师职位，也尝试过一些非传统的找工作方法。但现在有这么多求职工具、AI 和 ATS 匹配，我很想知道，现在什么求职策略对你有效？另外，哪些方法纯属浪费时间？