最新

大家好，我是 Vince。我开发了 Nallely，一个模块化的反应式 Python 框架，用于通过连接信号处理模块来创建自定义 MIDI 乐器，就像控制系统的模块化合成器一样。Nallely 专注于实时、线程隔离的反应式行为，让您可以试验涌现行为。 演示视频：<a href="https:&#x2F;&#x2F;www.youtube.com&#x2F;watch?v=rbMnKAdqAVI" rel="nofollow">https:&#x2F;&#x2F;www.youtube.com&#x2F;watch?v=rbMnKAdqAVI</a> 从头开始构建一个补丁，并在接近结尾时对正在运行的实例进行热调试。 主要特点： * 用于连接反应式模块（神经元）的视觉补丁界面， * 可通过 Python API、WebSocket 和/或代码生成进行扩展， * 集成任何输入源（MIDI、网络摄像头等）来控制合成器。 \# 是的，但为什么？ 现有的提出 MIDI 操作的软件/库功能强大，但对现场实验不友好。它们是低级别的，难以即时重新连接，并且通常对于嵌入式或无头设置来说很笨重。我想要一个也可以动态演进的系统，可以在其中实时修补、热插拔和调试模块。 \# 架构 该系统围绕一个反应式线程模型构建，没有共享数据：每个神经元都存在于其自己的线程中，并通过通过通道发送消息进行通信。神经元级别不再有 CC 等，一切都是信号（通过时间的简单 int/float 值）。没有全局节拍，每个神经元都在自己的时间上工作。每个神经元都是反应式的，它们大部分时间都在休眠。该系统大量借鉴了“系统即生命体”的哲学和 Smalltalk，将每个线程视为一个小的生命实体，而不是一个处理单元。以下是如何编写一个简单的 Sample&Hold 模块： ```python class SampleHold(VirtualDevice): input_cv = VirtualParameter(name="input", range=(0, 127)) trigger_cv = VirtualParameter(name="trigger", range=(0, 1), conversion_policy=">0") @on(trigger_cv, edge="rising") def hold_value(self, value, ctx): return self.input ``` 控制层使用一个小的 WebSocket 协议，基于 React 的 Web UI 使用它来控制和内省会话。一个 WebSocket 总线神经元允许外部应用程序自动注册到它以发送/接收信号：网络中的另一个神经元可以提供从任何来源捕获的信号。它们对于在不同机器上分配计算负载很有用。 \# 到目前为止我学到了什么 一个简单的线程模型在 MIDI/音乐环境中可能很强大： * 您可以停止/恢复一个线程，无缝地停止处理链的一部分； * 溢出的神经元可以减轻压力，而不会影响整个会话； * 如果一个线程崩溃，它会暂停，让您能够调试实例并恢复它； * 简单的 websockets 具有可接受的吞吐量。 我预计一个完全基于 Python 线程的系统会非常低效，但它出人意料地合理。根据经验，我看到每个线程大约 1-2% 的 CPU 占用率。一个 20 个线程的经典会话（大约 45 个补丁）在 CPython 3.13 GIL 上大约使用 21% 的 CPU 和 45MB RAM。CPython 3.14 no-GIL 显示了类似的 CPU 占用率，但 RAM 占用率约为 65MB。反馈循环会增加使用率（大约 38%）。有趣的是，在 CPython 3.13 上，负载分布在多个核心上，我假设线程休眠的时间足够长，可以经常释放 GIL。 \# 试试吧！ 您可以在最新的 github actions artifacts 中获取预编译的 PyInstaller 构建的二进制文件。文档链接在 README 中，深入的文章可以在这里找到：<a href="https:&#x2F;&#x2F;dr-schlange.github.io&#x2F;nallely-midi&#x2F;posts" rel="nofollow">https:&#x2F;&#x2F;dr-schlange.github.io&#x2F;nallely-midi&#x2F;posts</a>。 \# 我很乐意收到反馈 * 可以改进什么以使其更容易上手？ * 是否存在可能长期存在问题的盲点或设计选择？ * 虽然它以 MIDI 为导向，但该系统实际上是信号无关的，对于非音频用例有什么想法吗？（例如视觉效果等）

我很欣赏“谁在招聘 / 谁想被聘用”的帖子。我很好奇我们是否可以稍微改变一下这个模式，讨论一下人们是如何找到他们现在的工作的，或者哪些工作对他们的职业生涯有意义和影响。<p>寻找：你是如何找到这份工作的？是它找到了你吗？<p>面试：你做了什么与众不同的事情吗？有哪些可能不那么直观的策略？<p>生存：每份工作都有其缺点，你做了什么来维持你的收入能力，尽管之前的工作中存在让你感到困难 / 不愉快 / 无法忍受的问题？<p>目前失业中，今年早些时候辞去了在美国某个州的工作，因为他们没有把软件开发当回事。当你无法获得任何测试、无法获得任何基础设施或项目管理支持，必须在真空环境中独自完成所有事情时，很难完成工作。不得不把应用程序运行在壁橱里的服务器上。<p>这是我人生中第一次“选择自己”，辞掉了工作，而不是继续留在对我的心理健康产生非常负面影响的环境中。在不解决对充满敌意、有毒的工作环境的恐惧的情况下，很难找到重返就业的途径。<p>希望有一些想法或方向，可以给我一些新的尝试，而不是一遍又一遍地做同样的事情，然后一次又一次地失败。

PR 测试评审与增强 – 审查 PR 中的测试的 AI，并建议缺失的测试用例和改进措施

我最近被解雇了，决定把精力投入到一些有意义的事情上。在两周的时间里，我每天工作16个小时，构建了一个工具，可以将澳大利亚银行的PDF文件转换成干净、可靠的CSV文件，专门针对澳大利亚的银行。 大多数澳大利亚银行只提供PDF格式的账单，而通用的转换器通常会失败：列会错位，多行描述会破坏解析，标题会偏移。现有的工具处理得不好，我想要一个能正常运行的工具。 为了开始，我使用了我自己的银行账单来构建初始的解析器。当我意识到获取更真实的测试数据有多难时，我有一个“恍然大悟”的时刻。人们不会轻易交出他们的财务账本。这巩固了我的核心原则：信任和隐私必须是绝对的首要任务。 我最初尝试使用JavaScript在客户端构建所有内容，以实现最大的隐私性，但性能和可靠性都很差，而且在前端暴露解析器会使它们容易被复制。 我最终选择了中间方案：在Google Cloud Run上使用Python和FastAPI后端。这使我能够在可靠性和严格的隐私架构之间取得平衡。文件会实时处理，并且临时文件会在请求完成后立即删除。没有持久性存储，也没有请求主体的日志记录。 我的技术方法很简单，并且侧重于可靠性： * 我使用pdfplumber提取文本，避免复杂且容易出错的OCR。 * 我应用一组特定于银行的正则表达式模式来精确定位日期、金额和描述。 * 一个前瞻性启发式方法可以正确地合并多行交易。每个解析器都针对其银行独特的PDF布局怪癖进行了定制。 该项目是有意为之的。我没有支持数百家银行并取得平庸的结果，而是专注于一小部分银行，以确保它们正确。它目前支持联邦银行（CommBank）、西太平洋银行（Westpac）、UBank和ING，接下来是澳新银行（ANZ）和澳大利亚国民银行（NAB）。整个项目部署在Cloudflare Pages上，并输出干净的CSV文件，可用于Excel、Google Sheets、Xero或MYOB。 这是一个逆向工程混乱、真实世界数据的有趣挑战。 在这里试用：[https://aussiebankstatements.com](https://aussiebankstatements.com) 我很乐意听到反馈。如果它在你的账单上出错，经过编辑的样本将对改进解析器有很大帮助。 我也很好奇，这里其他人是如何解决类似混乱的数据提取挑战的。