最新

为了更好地理解背景，我的主要语言是 JavaScript，但最近开始学习 Golang。过去，我只使用普通的托管服务提供商来托管我的 Node.js 应用程序。

嗨，HN！ “永不完美。完美的目标在变化。永不停歇。可以追逐，无法捕捉。” - 阿巴瑟（出自：<https://www.youtube.com/watch?v=pw_GN3v-0Ls>） 《星际争霸2》是有史以来平衡性最好的游戏之一——这要归功于暴雪对完美的追求。距离《自由之翼》的发布已经过去了15年，距离最后一个资料片《虚空之遗》也已经过去了10年。然而，平衡性更新仍在不断出现，改变着游戏的玩法。多亏了这一点，《星际争霸》仍然充满活力！ 我决定创建一个交互式可视化，展示所有平衡性改动，既按补丁，也按单位，并带有平滑的过渡效果。 几年前我就有了这个想法，但LLM（大型语言模型）让它成为可能——否则，我既没有时间编写代码，也无法从数百个补丁中收集所有改动（并非所有补丁都有平衡性更新）。这比预期的花费了更多时间——既要处理数据解析，又要处理D3.js过渡效果。 基本上是纯粹的氛围编码，使用了Claude Code和Opus 4.5——同时不断使用Playwright技能并咨询Gemini 3 Pro（<https://github.com/stared/gemini-claude-skills>）。虽然Opus 4.5在执行方面更好，但通常需要使用Gemini来获取见解，获得更简洁的代码，或者检查截图。质量上的差异是巨大的。 尽管如此，这仍然很棘手，因为LLM对D3.js的了解不如对React的了解。D3.js的过渡部分有时我想最好手动完成，只使用LLM处理细节。但这也是一个教训。 请欣赏！ 源代码在这里：<https://github.com/stared/sc2-balance-timeline>

我一直在看到围绕人工智能讨论的两种极端未来。<p>一种是技术乌托邦：人工智能无所不能，生产力爆发式增长，人类可以自由地创造和放松。<p>另一种是崩溃：人工智能取代工作，财富集中，消费萎缩，社会崩溃。<p>而我没有看到足够讨论的是这两种状态之间的机制。<p>如果人工智能系统在大多数经济上有价值的任务中真正超越人类，那么工资就不再是主要的分配机制。但今天的资本主义假设工资是需求存在的方式。没有工资就意味着没有买家。没有买家就意味着即使是人工智能的拥有者也没有客户。<p>这感觉更像是一个系统矛盾，而不是一个社会问题。<p>历史上，自动化转移了劳动力，而不是消灭它。但人工智能的不同之处在于，它针对的是认知本身，而不仅仅是肌肉或重复性劳动。如果智能的边际成本趋于零，那么建立在出售人类时间基础上的市场就会开始表现得异常。<p>我一直在思考的一些问题包括：<p>在后劳动力经济中，谁来为需求提供资金？ 普遍基本收入（UBI）足够吗，还是需要更广泛地拥有生产模型？ 我们最终会走向国家调解的消费，而不是市场调解的消费吗？ 当生产与就业脱钩时，GDP是否仍然是一个有意义的指标？<p>我在这里并不是在争论人工智能的厄运或救赎。我试图理解过渡的动态。也就是事物要么平稳适应，要么剧烈崩溃的部分。<p>很好奇这里其他人是如何在头脑中构建这个模型的，特别是那些今天正在构建或部署这些系统的人。

我认为，大型语言模型（LLM）在总结方面被过度使用，而在帮助我们深入阅读方面却未得到充分利用。 我构建了一个系统，让 Claude Code 浏览 100 本非小说类书籍，并找出它们之间有趣的联系。我最初采用了一个分阶段的流程，将 LLM 调用串联起来，以构建一个关于整个图书库的上下文。我主要得到的是我嵌入到提示中的见解，结果并没有特别令人惊讶。 突发奇想之下，我给了 CC 访问我的调试 CLI 工具的权限，结果它完胜了之前的方法。它给出了真正有趣的结果，而且相比之下，所需的编排工作量非常少。 我最喜欢的一系列摘录，从乔布斯的现实扭曲力场，到 Theranos 的虚假演示，再到 Thiel 论创业邪教，最后到霍弗论群众运动骗子（<a href="https://trails.pieterma.es/trail/useful-lies/" rel="nofollow">https://trails.pieterma.es/trail/useful-lies/</a>）。一个有趣的倾向是，Claude 总是被秘密、阴谋和隐藏系统等话题分散注意力——仿佛任务本身召唤了一种福柯摆的思维模式。 详细信息： * 这些书籍选自 HN 的热门书籍（我之前收集的：<a href="https://hnbooks.pieterma.es/" rel="nofollow">https://hnbooks.pieterma.es/</a>）。 * 使用 Gemini Flash Lite 按主题对文本块进行索引。整个图书库的成本约为 10 英镑。 * 主题使用递归 Leiden 分区和 LLM 标签组织成树状结构。这提供了对主题的高层次理解。 * 有几种浏览方式。最有用的包括嵌入相似性、主题树的同级关系以及在文本块窗口内共同出现的主题。 * 所有内容都存储在 SQLite 中，并使用一组 CLI 工具进行操作。 我在这里写了更多关于这个过程的文章：<a href="https://pieterma.es/syntopic-reading-claude/" rel="nofollow">https://pieterma.es/syntopic-reading-claude/</a> 我很好奇这种阅读方式是否也能引起其他人的共鸣——无论是否由 LLM 辅助。