最新

macOS 会自动且正确地处理 Spotlight 设置的更改，无需您手动从头开始重新索引。<p>但这在 macOS Spotlight 设置的用户界面中绝不显而易见。

我们使用 NeuGBI 在相同的 Revelio Lab 数据集（3 亿条美国就业记录）上复现了“生成式人工智能作为与资历相关的技术变革”（哈佛商学院，2025）的研究。 该论文的发现是：人工智能对初级职位的负面影响（-29.4%）远大于对高级职位（-5.8%）。NeuGBI 自主得出了相同的结论。 NeuGBI 发现的一点是该论文未提及的：在软件开发领域，几乎减半的是初级（L2）职位，而不是入门级（L1）职位。 NeuGBI 使用 NeuG（一个支持多跳关系图数据库）作为其查询引擎，使用超图重构进行分析，并打包了 LLM 可以调用的探索性技能，以分解问题并逐步深入。 NeuGBI 的关键能力是端到端的无偏采样——在 3 亿条记录上，复杂的多跳查询能在几秒钟内返回结果，而不是几小时。 博客文章：https://graphscope.io/blog/tech/2026/06/16/NEUGBI-BLOG.html 原始论文：https://arxiv.org/abs/2603.10625

去年，我有机会和我的配偶共度了大量的线下时光，我们学习了几种两人纸牌游戏。其中我非常喜欢的一个叫做“德国惠斯特”（German Whist）。“克里贝奇”（Cribbage）也很有趣。你们知道哪些两人纸牌游戏，又喜欢哪些呢？

Metiq.space 的概念源于与朋友们玩《Global Magnates》时，意识到实时全球数据是多么分散。船舶、飞机、卫星、港口、天气、危险、基础设施、网络和公共数据集都存在，但它们通常存在于不同的工具和地图中。 我们的目标是构建一个交互式三维地球仪，能够通过纬度、经度和高度可视化实时公共数据。地表数据保留在地球仪上，而飞机、卫星和其他地表以上的物体可以表示在实际的三维空间中，而不是被压扁在地图上。 最终成果是一个交互式地球仪，展示了地球、空中、海洋、太空、网络、国防、基础设施、政治等领域，并且这个列表还在不断增长。 目前大部分开发工作都集中在数据过滤和去重方面。

各位 HN 的朋友，我是 git-lrc 的作者，非常希望能获得社区的反馈。 去年，我的团队开始更广泛地使用 AI 编码工具，我们生成了大量的代码，但花在审视这些生成代码上的时间却越来越少。 我们感觉对我们正在构建的东西的掌控感/理解力有所下降。偶有回归（regressions）悄悄溜过。有时改动甚至一路进入了生产环境，之后又被撤销。 我们尝试了几款 AI 代码审查工具，但大多数工具是在 PR（Pull Request）阶段运行的。这感觉太晚了。我希望审查能在开发者对实现细节仍有深刻印象的团队层面上进行（软性强制），同时我也想强调每个工程师对保持生产环境稳定的责任。 于是我构建了 git-lrc。 当你提交代码时，git-lrc 会打开一个审查界面，展示你的 diff。它会总结改动内容，指出值得再次审视的地方，并让你快速浏览改动的重要部分。 随着时间的推移，git-lrc 已经发展到可以检查 10 个类别中约 100 种常见的风险模式，包括安全性、可靠性、性能、可维护性等。 请注意，这远非正式审查。它只是在代码被记录到 git 之前，花大约 60 秒时间审视自己的工作。 它还会生成一个简短的“摘要报告”，突出主要改动，并特别强调潜在风险。通过 git-lrc，你可以快速地对即将发布的代码进行健全性检查，并对生成的内容获得更大的信心。 在我看来，它与其说是一个 AI 审查器，不如说是一种 AI 辅助开发的习惯：一个短暂的停顿，以确保我们理解并支持我们正在发布的代码。 开发者可以审查改动，对其进行担保，或者有意识地跳过审查。这些决定会被记录在 git 历史中，从而创建代码发布前审查的轨迹。 如果您能花时间看看，在您的项目或团队中试用一下，并告诉我您的想法，我将不胜感激。 我很乐意接受 HN 社区的反馈，并随着时间的推移不断改进它！ GitHub：https://github.com/HexmosTech/git-lrc

各位 HN 的朋友们！我开发了 AgentPace（一款 macOS 菜单栏应用），因为我发现自己经常需要估算是否会过早用完编码代理的额度。这款应用的目的不是在菜单栏显示“您还剩 X%”，而是展示您随时间推移的使用趋势，以帮助您规划和管理使用量。使用图表让这一切一目了然且直观，您无需中断工作流程即可快速了解自己的消耗速率。目前它主要面向订阅了 Claude Code 和 Codex 的用户，但未来我计划将其扩展到更多服务。非常乐意回答任何问题！