最新

你是否了解，大型科技公司会为编码工具提供近乎无限的算力，但同时又对允许使用的命令设置了严格的白名单？ 因此，与其成为 100 倍效率的工程师，你（包括我）实际上只是变成了多窗口的“输入-点击”操作员。 我开发了一个工具来解决这个问题。它在本地运行，使用 OCR 技术找到“运行”（或你设置的任何其他标签，例如接受、允许、获取等），然后点击这个按钮。 最初，这只是为我和我的团队开发的工具，但大家似乎非常喜欢它，鼓励我与你们分享。 我理解每家大型科技公司的工作流程都不同，所以对我们有效的方法也应该对你们有效。如果你有兴趣使用它或有任何问题，请随时联系我，提出问题或提交 PR。 让我们让 AI 垃圾代码成为必然！ [https://github.com/Alcray/SlopeAutoAcceptor](https://github.com/Alcray/SlopeAutoAcceptor)

假设你正在制作一个国际象棋游戏。一个有效的棋盘每个格子里只能有一个棋子，或者没有棋子。但是，你有一个算法通过移动棋子来生成棋盘，在这个算法中，你可能会把一个棋子移动到另一个棋子上，然后稍后决定移动其中一个棋子，以恢复到有效状态。<p>你是尝试使用现有的 Board 类型，并在你的算法中避免那些无效状态（比如使用堆栈或某种数据结构来避免一次移动一个棋子）？<p>还是创建一个单独的 InvalidBoard 类型，允许每个格子里有多个棋子？<p>我认为这取决于具体情况，但我很好奇你见过哪些不同的处理方式。

我在我的 AI 应用后端大量使用了 ARQ。我喜欢它设置的简单性（只需插入 Redis 即可），并用它来管理长时间运行的异步 LLM 生成任务。这种简单性的代价是它没有提供开箱即用的真正监控方案。所以，这里有一个简单的工具可以解决这个问题。 Web 仪表盘： docker run --rm -p 8000:8000 -e ARQ_DASHBOARD_REDIS_URL=redis://localhost:6379 ghcr.io/srijanpatel/arq-dashboard TUI（终端用户界面）： docker run --rm -it -e ARQ_DASHBOARD_REDIS_URL=redis://localhost:6379 ghcr.io/srijanpatel/arq-dashboard tui 显示每个函数的运行时百分位数（p50/p95/p99）、成功率、吞吐量（作业/分钟）、运行时分布图，以及从排队到完成的视觉作业时间线。 如果你正在使用 ARQ，并且对你的 worker 正在做什么一无所知，这可能会有所帮助。最初是从 ninoseki/arq-dashboard fork 出来的，并使用稍微现代化的技术栈（FastAPI + Vue 3 + Textual）进行了重写，增加了更多统计数据和一个 TUI。