最新

嗨，HN！我想分享一个我做的小实验：我尝试用 Claude Opus 4.5 和 Shuttle 从单个提示词构建并部署一个全栈 Rust 应用程序。<p>我让 Claude 构建一个使用 Axum + SQLx 的个人财务追踪器，编写迁移文件，生成前端，并部署它。我预料它会在某个地方出问题……但它实际上生成了一个干净、可用的 Rust 应用程序，可以编译、迁移和发布。<p>这是提示词： 构建一个个人财务追踪器 Web 应用程序，具有以下要求：<p>*后端 (Rust + Axum + SQLx):*<p>- 使用 Rust 和 Axum Web 框架 - 使用 SQLx 进行数据库操作，使用 PostgreSQL - 在整个过程中使用 SQLx 编译时检查查询宏 (query!, query_as! 等) - 不使用原始查询 - 数据库运行在 localhost:5432 - 使用 `sqlx migrate add` 命令创建适当的数据库迁移 - 实现迁移以创建必要的表（交易、类别、预算等） - 自动运行迁移或提供清晰的说明 - 部署前，运行 `cargo sqlx prepare` 以生成离线编译的查询元数据 - 创建 RESTful API 终端，用于： - 添加/编辑/删除交易 - 对交易进行分类 - 获取按类别/时间段的支出摘要 - 预算管理<p>*前端 (HTML/CSS/JS):*<p>- 使用原生的 HTML、CSS 和 JavaScript 创建一个现代、干净、流畅的 UI - 使其具有响应性和移动友好性 - 包括数据可视化（按类别支出图表、随时间推移的趋势） - 使用漂亮的配色方案和当代设计模式 - 将所有前端资源放在 `dist/` 目录中<p>*部署:*<p>- 部署到 Shuttle - 配置 Shuttle.toml 以包含前端资源 - 使用 Shuttle MCP 服务器处理部署 - 如果需要，您还可以使用 Shuttle MCP 服务器搜索 Shuttle 文档<p>*要实现的功能:*<p>- 交易管理（添加、编辑、删除收入/支出） - 自动和手动分类 - 预算设置和跟踪 - 带有图表的支出洞察（饼图、条形图、折线图） - 日期范围过滤 - 摘要统计（总支出、按类别、每月趋势）<p>将其构建为一个完整的、可用于生产的应用程序，具有适当的错误处理、验证和完善的用户体验。<p>我尝试这个的原因： • 我想知道 AI 是否可以处理真实的 Rust 工作流程，而不仅仅是代码片段 • Rust 应用程序中的样板代码（迁移、路由、设置）仍然很繁琐 • 我很好奇模型会在哪里出错 - 语法、crate、SQL、构建步骤、部署<p>最终，它构建了整个东西，但需要纠正的地方出乎意料地少。这让我不禁思考：如果这成为常态，我们可以发布多少个副项目？当提示词成为起点时，“编写软件”会是什么样子？<p>如果您想了解所有细节，例如哪里出错了、哪里起作用了以及最终构建结果，请访问上面的博客。欢迎其他尝试类似事情的开发人员提供反馈。

过去七年来，我一直在购买联想/戴尔的二手/新笔记本电脑，我注意到近期型号的做工质量令人担忧。 联想：前公司在2019年左右给了我一台全新的Carbon X1，但电池寿命不到一年 (!)。另一方面，我从同一家公司买了一台二手的2017款470S，增加了内存，没有动过任何东西，包括固态硬盘，现在我还在日常用于编程。上个月我买了一块新电池，所以严格来说，旧电池用了大约7-8年。 戴尔：我从戴尔翻新机那里买了3台笔记本电脑+1台台式机（所以质量应该是一致的）。2台笔记本电脑+1台台式机是较旧的型号，还有一台是Precision 5550 (2021)，是我去年12月买的。除了5550，其他一切都运行良好，但5550的电池有问题（几秒钟内从31%掉到4%），而且（更致命的是）充电口也有问题（时不时充不上电）。即使我在2021年买的是新的，我也会对它只用了四年多一点就坏掉感到惊讶。 另一个问题是5550使用USB-C接口。我怪自己买之前没有仔细检查。我真的很讨厌这些接口。为什么大家都抄袭Mac？ 我该怎么办？我真的无法接受为一台新笔记本电脑支付2000多加元的价钱，尤其是如果它只能用不到5年的话。我更喜欢配置32GB内存的“低端”工作站，但由于价格原因，我只能买得起16GB的非工作站。我不再玩游戏了，但我仍然喜欢一个好的集成显卡。我买不起Framework和其他Linux笔记本电脑，因为它们很贵，而且通常不在加拿大运营，所以运费也很贵。 上个月，我从现在的公司买了一台二手的Macbook Pro M1 16GB (2021)。我还没用过它，但我相信硬件是好的。问题是我不太喜欢它的软件，所以我认为我仍然需要一台Linux电脑。 你找到什么好办法了吗？

我开发 aipatch 是因为在使用 AI 编码工具时，反复遇到一些问题，这些工具最终无法正确应用补丁，或者会忽略部分指令。它们经常会做一些我没有要求的事情，尤其是在上下文稍微不寻常的情况下。<p>我想要一个更简单、更明确的工具：一个我可以完全控制输入 LLM 提示的工具，模型会以确定性的 SEARCH/REPLACE 代码块作为响应，这些代码块可以自动应用。<p>aipatch 的主要理念是： - 你手动选择上下文（来自一个或多个项目）。 - 你将其发送到你喜欢的任何 LLM。 - 模型输出结构化的补丁代码块。 - aipatch 将它们应用于代码库并记录所有内容。<p>对我来说，最有用的部分是多项目提示。我经常需要同时更新后端 + 前端 + 文档，或者比较两个 git 提交，或者将一个功能从一个小原型移植到一个更大的仓库中。现有的工具对此处理得不好，所以 aipatch 允许你为每个项目提供自己的 ID，并将它们合并到一个提示中。<p>我还发现，最好的“提示”通常只是另一个已经按照你想要的方式运行的项目。在上下文中包含一个小原型或参考仓库，可以给 LLM 提供一个清晰的示例，并产生比用纯文本描述所有内容更准确的补丁。<p>一个简短的演示视频（“我使用 aipatch 改进了 aipatch”）在这里： <a href="https:&#x2F;&#x2F;youtu.be&#x2F;xho0pMKPu14" rel="nofollow">https:&#x2F;&#x2F;youtu.be&#x2F;xho0pMKPu14</a><p>GitHub: <a href="https:&#x2F;&#x2F;github.com&#x2F;axife&#x2F;aipatch" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;axife&#x2F;aipatch</a><p>它是一个用 Python 编写的 CLI 工具，适用于任何 LLM，不需要编辑器集成或帐户。我欢迎任何使用 LLM 辅助开发或多仓库工作流程的人提供反馈。