最新

libfyaml 1.0.0-alpha7 版本新增了一个可选的透明解析缓存，用于重复读取稳定的 YAML/JSON 文件。 它并不会使解析器本身的速度提升数百倍。在缓存命中时，libfyaml 会将通用内存池映射到内存中，并直接使用它，而不是解析文件。由于通用子系统的设计，它甚至避免了重定位，并且在具有 ASLR（地址空间布局随机化）的 64 位系统中也能正常工作。 使用 Python 绑定在大小为 427.5 MB 的 AllPrintings.json 文件上运行的基准测试： - 缓存关闭：16.98 秒，+13.4 GB RSS - 冷缓存：22.45 秒，+13.4 GB RSS - 热缓存：35.9 毫秒，+1.0 MB RSS 这在热缓存路径上比正常解析快了大约 473 倍，并且内存增量要小得多。还要注意 RSS 几乎为零；通用内存池中的数据甚至没有被调入。 这主要用于启动/配置/数据加载等工作负载，在这些场景中，会重复读取相同的大型 YAML 或 JSON 文件。 基准测试提交： <a href="https:&#x2F;&#x2F;github.com&#x2F;pantoniou&#x2F;libfyaml&#x2F;commit&#x2F;f150432b36e409a4682ca5a2718b73e867d3600d" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;pantoniou&#x2F;libfyaml&#x2F;commit&#x2F;f150432b36e409a...</a>

由于一些显而易见的原因，我现在正在使用一个临时账号。<p>我在公司里有个朋友，可以接触到一些内部消息，他（隐晦地）暗示我，我可能会在即将到来的裁员中被裁掉。<p>显然，我现在正在疯狂地投递简历，但我很确定现在直接向公司投简历已经没什么用了，因为每个招聘信息都会立刻被刷爆（而且很多招聘信息本身就是假的）。<p>所以...现在大家找工作到底都怎么做？难道真的只能翻遍你的“人脉通讯录”，去打扰朋友/以前的同事，问问他们能不能帮忙转发你的简历吗？

大家好，我是 HN 用户，我开发了 py-sql-cleaner，一个用于格式化 Python 文件中嵌入的 SQL 的命令行工具。 Python 格式化工具处理 Python 语法。它们不格式化 Python 代码中编写的 SQL。另一方面，SQL 格式化工具通常针对 SQL 文件或原始 SQL 文本，而不是 Python 文件中嵌入的 SQL。 然而，我认为在 Python 代码库中找到长 SQL 查询的情况并不少见。 py-sql-cleaner 检测 Python 文件中嵌入的 SQL，并且仅对该 SQL 进行处理。它主要可以完成以下操作：查找 SQL、就地格式化 SQL 或将其提取到 .sql 文件中。 它避免重写依赖于运行时值或模板扩展的 SQL。例如，包含 %s 或 :name 等参数，或 Jinja 风格的模板变量（如 {{ ds }}）的 SQL 默认会被跳过。 试用方法如下： ``` uvx py-sql-cleaner list path/to/file.py uvx py-sql-cleaner format path/to/file.py --dry-run ``` 如果您编写 Python，遇到过这种 SQL 清理问题，或者只是好奇，我很乐意您能试用一下。

我看到领英上大量人把他们的职位改成了“AI工程师”。我非常清楚，他们并没有在研究任何模型，甚至没有在做AI相关的工作流程，他们只是在使用Claude之类的AI工具构建应用程序和后端。<p>现在“AI工程师”指的是这个吗？公司在招聘“AI工程师”时，找的就是这类人吗？仅仅因为我非常高效地使用现代AI工具来构建优秀的非AI软件，我就应该把自己包装成“AI工程师”吗？

我正在开发 Dash，一个能够在你电脑上执行真实任务的代理，它通过连接你的浏览器工具和文件来实现，无需任何技术设置或安全漏洞。你们觉得怎么样？我正在完成 MVP，并且已经开放了候补名单，以便你们能够率先试用 usedash.es