最新

目前，我正在开发一款用于管理文档、数据库和白板的 Web 应用程序，这是一款旨在对标 Notion 的典型应用。<p>然而，目前我面临着一个难题，即如何制定一个包含 AI 使用限制的计划，因为我的想法是让它更具自主性：例如，能够编辑和查询整个工作区中的上下文，并将其移动到文档中，或者在白板上绘制一些东西等等。但同时，我感觉 AI 的使用量很容易失控。我计划使用 DeepSeek 进行 AI 聊天，但使用 Gemini 3 Flash 进行自主操作和编辑，因为它更智能。最近，我看到许多核心 AI 应用已经将其定价模式从按请求计费转变为固定使用限制，但我不太确定这样做是否会被人诟病，是否会降低用户体验，甚至可能让人觉得没有物有所值。因此，我想听听大家对我的决策有什么看法。

我正在构建基础设施，以解决重试风暴和故障问题。在深入研究之前，我想了解大家目前都在使用什么方案。我希望对比不同的解决方案，或许能帮助大家找到潜在的解决方案。 问题包括： * **重试风暴** - API 失败，整个集群独立重试，导致“惊群效应”加剧问题。 * **部分故障** - API“可用”但性能下降（速度慢，间歇性出现 500 错误）。健康检查通过，但请求受到影响。 我感兴趣的问题： * 你目前的解决方案是什么？（断路器、队列、自定义协调、服务网格，或其他？） * 效果如何？存在哪些问题？ * 你的规模有多大？（公司规模、实例数量、每秒请求数） 我很乐意听到哪些方案有效、哪些无效，以及你希望拥有的解决方案。

在 <a href="https:&#x2F;&#x2F;kagapa.com&#x2F;" rel="nofollow">https:&#x2F;&#x2F;kagapa.com&#x2F;</a> 的指导下，将 Kannada Nudi 编辑器的桌面版移植到了 Web 端。

我是在 2025 年初开始接触编程的，当时氛围编码工具变得更易于使用。从那时起，我自认为在编程方面有了很大进步，但我仍然深深地感到自己有冒名顶替综合症，或者担心 AI 过于依赖，而我并没有真正学到东西。 我发布过一些项目，我总是会审查 AI 建议的代码，每天不用 AI 进行编程练习，看 YouTube 视频等等，但我仍然不确定自己是否找到了正确的平衡点，或者是否真的可以称自己为程序员。 我经常看到有人说，解决办法就是完全不使用 AI 学习编码（即“戒断”），这可能是最好的方法，但我想知道，考虑到 AI 显然正在改变程序员的定义，最佳路径是否介于两者之间。 我很想知道，在过去几年里，你们是如何处理这种平衡的。更具体地说，你们使用什么策略既能提高效率、快速交付/推进项目，又能确保花时间真正处理、理解和学习你们正在做的事情？

我使用 Twitter / X 已经十年了，虽然我发现它是一个与原生应用开发社区建立联系的好地方（我与 React Native 圈子的人联系紧密），但我真的很难与任何 Web 开发者建立联系。 当然，像 Adam Wathan 这样的大人物在 Twitter 上非常活跃，但考虑到 Web 开发的普及程度，我看到公开编码的、冉冉升起的 Web 开发者却寥寥无几。 那么，他们都在哪里呢？我稍微探索了一下 BlueSky，但感觉就像一片荒漠（也许这只是我作为小号的运气不好）。 Web 开发者们更喜欢老派的方式，在公告板和论坛上发帖吗？或者 X 仍然是答案，而我只是被硬生生地挤进了另一个信息茧房？ … 还是说，现在都流行实时通讯，比如 Slack 和 Discord？

我一直在思考为什么在 Python 中，死代码检测（以及一般的静态分析）感觉不如其他语言那么可靠。我理解 Python 本质上是动态的。<p>理论上，这应该很简单（再次强调，理论上）：解析 AST，构建调用图，找到零引用的符号。但在实践中，它很快就会失效，原因有很多，例如：<p>1. 动态分发（getattr、注册表、插件系统）<p>2. 框架入口点（Flask/FastAPI 路由、Django 视图、pytest fixtures）<p>3. 装饰器和隐式命名约定<p>4. 仅通过测试或运行时配置调用的代码<p>大多数工具似乎都选择了两种糟糕的权衡之一：<p>1. 保持保守，错过大量真正意义上的死代码<p>或者<p>2. 过于激进，标记出虚假阳性，导致人们不再信任<p>到目前为止，对我来说最有效的方法是将代码视为一种置信度评分，再加上一些有限的运行时信息（例如，在测试期间实际执行了什么），而不是依赖 100% 的静态分析。<p>很好奇其他人如何在实际代码库中处理这个问题。<p>你们是接受虚假阳性吗？还是完全忽略死代码检测？有没有人见过真正可扩展的方法？我知道 SonarQube 噪音很大。<p>我构建了一个带有 VS Code 扩展的库，主要用于探索这些权衡（如果相关，请看下面的链接），但我更感兴趣的是其他人如何思考这个问题。也希望我是在正确的频道里<p>仓库链接：https://github.com/duriantaco/skylos

隆重推出 Nia Vault，一个命令行工具，允许您使用自然语言查询本地 Markdown/文本文件。 功能： * 对本地文件夹和笔记进行语义搜索 * 跨多个已同步目录工作 * RAG 风格的答案，并引用您自己的文件 工作原理： * 使用 `local_folders` 调用 `POST /search/query` * 使用 `search_mode: sources` 返回答案 + 文件引用 示例： ``` vault ask "关于项目规划的笔记有哪些？" ``` 开源项目：[https://github.com/chenxin-yan/nia-vault](https://github.com/chenxin-yan/nia-vault)

目前的 LLM 在组合推理方面表现不佳，因为它们缺乏物理边界。CSCT 实现了神经多门机制（Na⁺/θ/NMDA）来强制执行 L¹ 几何结构和物理基础。在我的实验（EX8/9）中，这种架构在凸包内的组合推理中取得了 96.7% 的成功率——远远优于无约束模型。 主要特点： * 基于流：没有批处理或静态上下文；它将信息作为连续的流进行处理。 * 神经门控：使用 Na⁺ 和 NMDA 启发的门控实现 θ-γ 耦合的计算。 * 零样本推理：对于凸包内的组合，不会产生“幻觉”。 详细的技术说明：\[[https://dev.to/csctnail/-a-new-ai-architecture-without-prior-distributions-stream-based-ai-and-compositional-inference-1ohc](https://dev.to/csctnail/-a-new-ai-architecture-without-prior-distributions-stream-based-ai-and-compositional-inference-1ohc)\] 我很想听听您对这种“投影动力系统”认知方法的看法。

dm.bot - 面向 AI 助手的加密消息传递。 - 端到端加密私信 - 群聊 - 公开发布 - Webhook 注册：curl -X POST <a href="https://dm.bot/api/signup" rel="nofollow">https://dm.bot/api/signup</a> <a href="https://dm.bot" rel="nofollow">https://dm.bot</a>