最新

今天 Claude Code 两次停下来问了我一个问题，然后自问自答，仿佛是我问的，接着就继续了。<p>当我问它为什么这么做时，它说它没这么做。<p>这只是随机现象，还是最近其他人也遇到了类似情况？我用了好几个月，而且使用频率很高，但之前没见过这种情况。<p>https://x.com/sixhobbits/status/2016128163500151162?s=20

几周前，我几乎不会用 Python 编程，而且一行 Go 代码都不会写。在看到 Claude 令人印象深刻地处理一个工作项目后，我决定尝试用它来教我编程。我让它搭建项目框架，在函数上方写上待办事项，并告诉我一个合理的开发顺序。这并不能教会软件设计，但它确实帮助我克服了学习生态系统和标准库的障碍。 现在，我仍然不能独立编程，但我已经足够自信地阅读别人的代码，甚至可能提交一个小的 PR 来修复一个 bug。 这是我第一次尝试一个通用的实用项目。它是一个变异准入 Webhook。这仍然是一个进行中的项目，但它正在运行，并且我正在自己的 k3s 集群上使用它。它将 oauth2-proxy 添加到需要身份验证的 Pod 中。在集群上，我用 Zitadel 替换了 Authentik，我需要一些东西来填补 Authentik 代理提供商的角色。 由于现在有这么多人使用 AI 并对其感到沮丧，我希望这可以激励大家将 AI 用作学习新事物的工具，而不是将其用作助手。希望这里更有经验的程序员能告诉我这个项目看起来像什么（我猜它肯定有很多不足）。我担心如果我继续这样下去，我会学得太像 Claude 编程了。

Hi HN， 我开发了 EchoEntry (<a href="https:&#x2F;&#x2F;echoentry.ai" rel="nofollow">https:&#x2F;&#x2F;echoentry.ai</a>) – 这是一个专门针对数字优化的语音转文本 API。 问题：通用的 STT API 在处理数字时表现不佳。“One oh five”有时会被转录成“105”，有时又变成“15”。对于医疗保健应用、仓库系统或 IVR 来说，这种不一致会破坏工作流程。 我的解决方案：在 1-999 的数字上对 Whisper-small 模型进行了微调，涵盖了 5 种英语口音。在 1-3 位数字上，准确率达到 95%。 技术栈： - 自定义 Whisper 模型 (1.7GB) - FastAPI 后端 - 部署在 8GB Linode 上 - FFmpeg 用于音频处理 立即试用（两个命令，无需注册）： # 下载测试音频 curl -O <a href="https:&#x2F;&#x2F;echoentry.ai&#x2F;test_audio.wav" rel="nofollow">https:&#x2F;&#x2F;echoentry.ai&#x2F;test_audio.wav</a> # 测试 API curl -X POST <a href="https:&#x2F;&#x2F;api.echoentry.ai&#x2F;v1&#x2F;transcribe" rel="nofollow">https:&#x2F;&#x2F;api.echoentry.ai&#x2F;v1&#x2F;transcribe</a> \ -H &quot;X-Api-Key: demo_key_12345&quot; \ -F &quot;file=@test_audio.wav;type=audio&#x2F;wav&quot; 目前是免费 Beta 版（每个密钥每月 1,000 次调用）。 正在征求以下方面的反馈： 1. 什么样的准确率门槛能让您认为它适合投入生产？ 2. 我是否遗漏了其他需要大量处理数字的用例？ 3. 您是否愿意为它付费，而不是使用通用的 STT？ 文档：<a href="https:&#x2F;&#x2F;echoentry.ai&#x2F;docs.html" rel="nofollow">https:&#x2F;&#x2F;echoentry.ai&#x2F;docs.html</a> 欢迎就微调过程或部署方面提出技术问题！

我用 Reddit 很久了，注意到对相似帖子的反应很不一致。有时候我会收到积极的反馈和点赞，有时候却会收到很多负面回复，而且没有明显的解释。用了 Reddit 两年，我仍然不理解 Reddit 用户的想法，也不明白这些反应背后的心理机制。

大家好， 我开发了 llm-schema-guard，因为 LLM 在生成 JSON 方面非常出色……直到它们突然不行。即使使用 JSON 模式或函数调用，你仍然会遇到字段缺失、类型错误，或者纯粹是语法错误，这些都会搞垮你的代理、RAG 流程，或者任何工具调用设置。 这是一个轻量级的 Rust HTTP 代理，位于任何与 OpenAI 兼容的 API（比如 Ollama、vLLM、LocalAI、OpenAI 本身、Groq，等等）的前面。它会获取生成的输出，根据你提供的 JSON Schema 进行检查，并且只有在有效的情况下才会放行。 如果无效，严格模式会返回一个干净的 400 错误，并附带详细信息。宽松模式会尝试通过使用修复指令和指数退避来调整提示，并重试几次。 其他一切都保持不变：完全支持流式传输（它会缓冲响应以进行验证），Prometheus 指标，以便你可以监控验证失败、重试、延迟等。配置使用简单的 YAML 文件，用于上游服务、每个模型的模式、速率限制、缓存等。甚至还有一个离线 CLI，如果你只想在本地测试模式。 它使用 Axum 和 Tokio 构建，以实现极低的延迟和高吞吐量，并在底层使用了 jsonschema-rs。Docker compose 使其可以非常简单地与 Ollama 一起启动。 这个项目源于我之前的 schema-gateway 项目，如果大家觉得有用，我很乐意添加 Anthropic 支持、工具调用验证或更好的流式修复等功能。 欢迎点赞或贡献！ 感谢你的关注 :)

我想学习汇编语言，以便在 Apple II 上制作游戏。有哪些关于学习 6502 汇编语言和 Apple II 本身（内存、屏幕管理）的旧书？在学习汇编语言之前，是否绝对有必要先学习 BASIC？