最新

嗨，HN！ 我一直在构建 NTNT (/ɪnˈtent/)，这是一种实验性编程语言，旨在探索我一直以来的一个特定问题： “如果我们假设 AI 代理将成为代码的主要编写者而不是人类，那么编程语言会是什么样子？” 核心概念是意图驱动开发（IDD）。您（和您的代理）不是通过氛围编码或 Markdown 文件链来表达意图，而是定义一个机器可验证的 .intent 文件（使用 IAL - 意图断言语言），该文件充当人类和代理之间的可执行合同。然后，代理使用 .intent 文件驱动开发，进行维护、构建和验证。 该语言本身是“Rust 风格的脚本”，旨在减少幻觉，并减轻代理编写和管理代码的压力。 我很乐意听取您的反馈： 1. NTNT 风格的 IDD 是否有可能改进基于代理的开发流程？ 2. 如果我/我们提取意图系统以与 TypeScript/Go 配合使用，您会使用它吗？ 代码库：[https://github.com/ntntlang/ntnt](https://github.com/ntntlang/ntnt) 网站：[https://ntnt-lang.org](https://ntnt-lang.org)（运行在 ntnt 上）

大家好！ 我构建了 SHDL（简单硬件描述语言），旨在通过剥离硬件描述，探究其最基本的原理。 在 SHDL 中，没有算术运算符，没有隐式的位宽，也没有高级结构。你完全从逻辑门和导线开始，显式地构建一切，然后以分层的方式组合成更大的组件。其目标不是合成或性能，而是理解：当抽象被移除时，数字系统到底是什么样子的。 SHDL 配备了 PySHDL，这是一个 Python 接口，允许你加载电路，设置输入，运行仿真，并观察输出。在底层，SHDL 将电路编译成 C 语言以实现快速执行，但语言本身保持了刻意的小巧和透明。 这并不是要取代 Verilog 或 VHDL。它的目标是： - 从基本原理学习数字逻辑 - 试验 HDL 和语言设计 - 教学或可视化复杂的硬件如何从简单的门电路中产生 我特别希望收到关于以下方面的反馈： - 语言设计选择 - 哪些方面感觉不必要的限制，哪些方面具有教育价值 - 这种“反抽象”的 HDL 对你是否有用 代码库：https://github.com/rafa-rrayes/SHDL Python 包：PySHDL 在 PyPI 上 感谢阅读，我非常欢迎批评。

第一次运行 Chatter.Plus（我正在构建的一个聚合来自 Discord/GitHub/论坛的社区反馈的工具）一天后，我拉取了使用成本，结果是 2.30 美元。算了一下，每月 70 美元，每年 840 美元。这还只是一次实例。感觉糟透了。 之前我做过草稿计算，所以知道这可能是一个 bug，但即便如此。事实证明，这只是部分是 bug。剩下的原因是我需要重新思考我构建这个东西的方式。 接下来的几天，我一直在拆解它。进行调整，用实时数据测试，检查结果，然后重试。我发现我发送 API 请求的频率太高，而且没有优化我发送和接收的内容。 以下是能显著降低成本的几个关键点，大致按重要性从大到小排列（除了那个每天让我损失 1 美元的 bug）： * 完全放弃了 Claude Sonnet 模型 - 在相同的数据上测试了两个模型，Haiku 实际上表现更好，而且成本只有 Sonnet 的三分之一 * 开始批量处理所有内容 - 每小时调用一次简直是烧钱 * 在 AI 之前进行过滤 - “哈哈”和“谢谢”是很多在线闲聊。我却在花钱让 AI 告诉我那不是反馈。不过，我仍然会处理像“+1”和“我也一样”这样的赞同。 * 更短的输出 - 用“H/M/L”代替“高/中/低”，推荐 40 个字符的标题 * 在处理之前删除代码片段 - 只是重复问题并膨胀调用 到周末：每天几美分。质量却保持不变。 我不是在构建一个可以亏损多年、有风投支持的应用程序。我失业了，试图构建一些可能也能支付房租的东西。从第一天起，这个账就得算得过来。 好处是：这些节省让我能够将定价层级的限制提高 3 倍，并添加间歇性的质量检查。这让我有了额外的空间，否则我根本无法做到。 很乐意回答问题。