一周热榜

我是一名中高级软件工程师（约 7 年工作经验），正尝试转入人工智能/机器人领域的应用研究。没有博士学位。 如果您曾招聘过研究工程师/应用科学家/机器人相关职位： * 什么能区分一位优秀的非博士候选人和“喜欢机器学习的聪明软件工程师”？ * 哪些成果最有说服力（复现论文、开源贡献、参与实际系统开发、会议 workshop 论文等）？ * 面试中通常会暴露哪些技能差距？ * 如果您已经成功转型，您觉得什么对您有效？

好吧，我当然尝试了。我必须这样做，因为它有一个受“数字极简主义”启发的特定特性。 这个特性是它每天（或每 X 天）只允许你获取一次新文章。 为什么？让我来解释一下... 我希望我的互联网内容像一份无聊的报纸。你早上拿到它，一边喝着早晨的咖啡，一边读完所有内容，然后就结束了！今天不再有新的信息了。没有提示，没有警报，平静，安静，禅意等等。 但有了这个，我需要它能够一次性从我数百个订阅源中获取所有文章。这就是 Zig 和 curl 优化发挥作用的地方。我尝试了所有能想到的技巧。如果我遗漏了什么，请告诉我！ 首先，我在网络层使用了 curl multi。很酷的是它会自动进行 HTTP/2 多路复用，这意味着如果你的订阅源托管在同一个 CDN 上，它会重用相同的连接。我已将其配置为总共处理 50 个连接，每个主机最多 6 个连接，这似乎是服务器开始变得可疑之前的最佳点。此外，还有条件 GET。如果订阅源自上次以来没有更改，服务器只会说“未修改”，我们立即退出。 当 curl 正在下载订阅源时，我不希望 CPU 闲置，所以当 curl 完成下载单个订阅源时，它会触发一个回调，立即将 XML 扔进一个工作线程池进行解析。主线程继续管理所有网络事务，而工作线程并行处理 XML。Zig 的内存模型非常适合这个。每个订阅源都有自己的 ArenaAllocator，它基本上是一个游乐场，你可以在解析期间分配字符串，然后当我们完成时，我们只需一次性清除整个 arena。 对于解析本身，我正在使用 libexpat，因为它不会像 DOM 解析器那样将整个 XML 加载到内存中。这很重要，因为一些播客订阅源尤其是 10MB+ 的 XML。因此，通过智能截断，我们下载前几个 X mb（可配置），向后扫描以找到最后一个完整的 item 标签，在那里截断它，然后只解析它。即使订阅源大小变得很大，也能保持内存使用量合理。 对于 UI，我只是将所有内容管道到系统的“less”命令。你可以免费获得 vim 导航、搜索和分页。此外，我正在使用 OSC 8 超链接，因此你实际上可以单击链接以在浏览器中打开它们。不需要任何 TUI 框架。我还包括了 OPML 导入/导出和订阅源组作为附加功能。 结果：在几秒钟内从数百个 RSS 订阅源中检索内容，并且在一天剩下的时间里安心。 代码是开源的，并获得 MIT 许可。如果你有关于如何使其更快或更好的想法，请在下面评论。也欢迎在此处或 GitHub 上提出功能请求和其他建议。

基于预设种子，非常酷的艺术生成器。<p>当你复制并分享链接时，会程序化地生成相同的艺术作品。<p>在你的浏览器本地运行 - 隐私安全。 欢迎你的评论和反馈。感谢你的体验！！:)