一周热榜

Hi HN， 我一直在开发一种数据序列化格式，旨在通过消除重复的键冗余并优化整体结构，使其比 JSON 轻量得多。今天，我开源了 JavaScript SDK (lytok-js)。 在我们使用 WASM 引擎的最新基准测试中，Lytok 实现了： * 有效载荷减少 64.77%。 * 网络和解析速度提高 50.19%。 * 将复杂结构输入 AI 模型时，LLM 节省 49.51% 的 token。 核心思想是通过定义映射来提炼结构（您可以在 Lab 中进行测试）。这使得引擎能够处理繁重的工作，从而使瘦客户端和高流量网络不会被冗余数据饱和。 GitHub 仓库：[https://github.com/lytok/lytok-js](https://github.com/lytok/lytok-js) 交互式 Lab：[https://lytoklab.netlify.app/](https://lytoklab.netlify.app/) 我很乐意听取您的想法、架构批评或优化建议。

我们一直在开发一个名为 CodeLedger 的工具，旨在解决我们在使用 AI 编码助手（Claude Code、Cursor、Codex）时反复遇到的问题： 它们功能强大，但在实际代码库中： - 读取过多无关代码 - 在预期范围之外进行编辑 - 陷入循环（修复 → 测试 → 失败） - 偏离任务目标 - 引入 linter 无法检测的架构问题 根本问题不在于模型本身，而在于： - 糟糕的上下文选择 - 缺乏执行保护机制 - 团队/组织层面缺乏可见性 --- CodeLedger 的作用： 它位于开发者和 AI 助手之间，并： 1) 首先为助手提供正确的文件 2) 将助手限制在任务范围内 3) 根据架构和约束验证输出 它以确定性方式工作（无嵌入，无云，完全本地化）。 --- 示例： 与其让助手扫描 100-500 个文件，CodeLedger 会在第一次编辑之前将其范围缩小到大约 10-25 个相关文件。 --- 我们目前看到的结果： - 任务完成速度提高约 40% - 迭代次数减少约 50% - 代币使用量显著减少 --- 兼容： Claude Code、Cursor、Codex、Gemini CLI --- 代码库 + 设置： [https://github.com/codeledgerECF/codeledger](https://github.com/codeledgerECF/codeledger) 快速开始： npm install -g @codeledger/cli cd your-project codeledger init codeledger activate --task "修复用户服务中的空值处理" --- 欢迎使用 AI 编码工具处理大型代码库的朋友们提供反馈。 我们特别感兴趣的是： - 如今 AI 助手在哪里会出错 - 上下文选择还是保护机制是更大的问题 - 您还看到了哪些其他问题。