一周热榜

大家好，HN。Wyro 是一个可视化后端构建器，可以编译成您完全拥有的纯 TypeScript 代码库。 **动机：** AI 应用构建器在生成应用方面做得很好，但在让您离开方面却一直很糟糕。前端代码您可以随时导出。后端才是人质——它们的运行时、它们的数据库、它们的部署目标。 **工作原理：** 您在一个画布上连接块（HTTP 路由、表、身份验证、队列、cron、多步管道）形成一个图。该图是一个中间表示 (IR)，编译器将其降级为一个常规的 Node 项目——类型化的 Express 处理程序、Drizzle schema 和迁移、从表定义派生的 Zod 验证器，以及 `postgres` 作为驱动程序。运行时没有任何解释；图不会被发送，它会被编译掉。 **我用来测试的标准：** 导出的 package.json 列出了 express、drizzle-orm、postgres、zod、dotenv、jsonwebtoken。没有我的包。删除您的 Wyro 账户，应用程序将继续运行。 **数据库的工作方式相同——连接您自己的 Supabase，并且配置将在您的组织中，由您付费，通过管理 API 进行。我掌握画布，而不是您的基础设施。** **真实情况：** 这是一个早期且由我一人构建的项目。生成的代码是我最自信的部分，也是我最希望被拆解的部分。粗糙之处在于围绕产品，而不是编译器。 **免费套餐，无需信用卡。您可以在五分钟内完成的有用的事情是导出项目并阅读可 diff 的代码，然后再决定是否信任它。** https://wyro.vercel.app **特别希望得到任何已从托管构建器迁移出来的人的反馈——哪些地方出了问题，以及您希望导出包含哪些内容。**

前几天我查看了我的 Framework 笔记本上的 iio 设备，结果发现 Framework 12 的铰链角度传感器相当准确！所以我制作了一个 LidAngleSensor (<a href="https://github.com/samhenrigold/LidAngleSensor" rel="nofollow">https://github.com/samhenrigold/LidAngleSensor</a>) 的版本，适用于 Linux 上的 Framework 12，这样你就可以让你的铰链发出嘎吱嘎吱的声音了。

我正在构建 Warpgate，这是一个开源的堡垒机/Teleport 替代方案/特权访问系统，它可以在服务器或用户计算机上都不安装任何东西的情况下，与原生客户端协同工作。 我昨天发布了 v0.27 版本，该版本增加了对原生 RDP/VNC 的支持，并且可以与 Web 客户端以及 mstsc/原生 VNC 查看器一起使用。Warpgate 还支持 SSH/HTTP/Kubernetes/Postgres/MySQL 代理，并具备 RBAC、SSO 和会话录制功能。 它能够轻松应对拥有 100 多个目标和用户的企业环境，并支持 SSO，同时它本身只是一个单一的 Rust 二进制文件/容器。 仓库：https://github.com/warp-tech/warpgate 发布：https://github.com/warp-tech/warpgate/releases/tag/v0.27.0 v0.27 还增加了对原生水平扩展/集群的支持。 我非常欢迎那些在生产环境中运行 Teleport/StrongDM/JumpServer 替代方案的用户提供反馈（关于 Warpgate 还需要哪些功能才能超越您现有的解决方案）。

作者在此。从一个私有的 Obsidian 库（8360 条笔记，300 万字）中发布了约 660 条笔记。大约在 2011 年开始使用 OneNote，2021 年迁移到 Obsidian [1]，并使用 Python 脚本导入了所有内容 [2]。 笔记会随着时间累积，我的写作也由此而来。“语义层”笔记始于 2022 年，后来发展成一个四部分的博客系列，再后来成为我书中的一个章节。“物化视图”、“大表”、“dbt”和“OLAP”是分开的笔记，写作时间相隔数年。我直到后来才注意到它们是相同的模式，于是又形成了一个新的章节。 发布：在笔记中添加 `#publish` 标签，然后运行 `make deploy`。使用 Quartz + Hugo，通过 rsync 同步到我自己的服务器 [3]。代码 [4]。基于图谱的语义搜索 [5]。

抓取现代网站已成为一大难题。你基本上有两个选择：要么支付 Firecrawl/Browserbase 等昂贵的 API 费用，要么运行大量无头 Chrome 实例，每个页面消耗 1GB 内存，而且仍然会被 Cloudflare 阻止。 我构建 Draco 来解决这个问题。它是一个用 Rust 编写的快速、单二进制的网络爬虫。你将其指向一个 URL，它就会输出完美的 Markdown 或结构化的 JSON，供 LLM 使用。 其秘诀在于，它不会为每个请求都启动一个浏览器。它使用一个分层升级引擎： 第一层（隐形抓取）：Draco 使用自定义的 TLS/JA4 指纹，在数据包级别完美模仿真实浏览器的网络签名。事实证明，许多反机器人墙如果你的握手看起来正确，就会让你畅通无阻。在我针对 Cloudflare 和 Target 等网站的基准测试中，Playwright 消耗了约 500MB 内存并超时。Draco 在不到一秒的时间内就绕过了它们，仅消耗了 20MB 内存。 第二层（V8 隔离）：如果遇到需要渲染的 React/Next.js SPA，Draco 会在几毫秒内启动一个进程内的 V8 引擎。它会水合 DOM 并拦截页面正在调用的隐藏 JSON API——让你获得原始数据，而无需图形浏览器的开销。 第三层（真实浏览器）：如果遇到绝对的障碍，它会无缝回退到检测并驱动你机器上的真实浏览器。 我还构建了所有工具，使其成为托管服务的完整即插即用替代品： 守护进程模式：运行 `draco serve`，你将获得一个具有 Firecrawl 兼容 REST API 的持久 HTTP 服务器。你可以立即替换你的 API 密钥并进行自托管。 内置 MCP 服务器：它原生暴露一个模型上下文协议服务器，因此你可以将其直接插入 Claude Desktop 或你的 AI 代理。 网络搜索：内置并行多引擎网络搜索（无需 Google Search API 密钥）。 交互模式：像开发者工具控制台一样有状态地驱动页面，在导航之间持久化 cookie（主要用于 LLM）。 它完全开源（MIT/Apache-2.0）。我只是想把它提供给任何厌倦了与无头 Chromium 斗争或支付按页抓取费用的人。下载二进制文件，然后给它一个困难的 URL。 请注意，它仍处于开发阶段，因此可能会有一些不常见网站的意外中断，但总的来说它非常强大，可以处理 cf 保护的网站和重度 SPA，而其他所有工具都部分或完全失败，耗时更长或资源更多。（已在 example.com、hackernews、cloudflare、glassdoor、bluff.com、target.com、stake.com 和 thrill.com 上进行测试） | 排名 | 工具 | 分数 | 通过率 | 平均时间 | 平均内存 | | ---- | ------------ | ----- | ------ | -------- | -------- | | #1 | Draco | 769.7 | 8/8 | 3.45 | 216.50 | | #2 | Obscura | 384.5 | 4/8 | 2.68 | 87.59 | | #3 | BrowserOxide | 373.4 | 4/8 | 6.42 | 105.95 | | #4 | Playwright | 342.2 | 4/8 | 1.71 | 535.07 | | #5 | Bouncy | 196.6 | 2/8 | 0.59 | 19.38 | 仓库：https://github.com/0xchasercat/draco/

大家好，我正在基于 Zed 构建一个开源 IDE。它并没有什么特别之处，但我（以及 Codex）已经为此工作了一个月。我希望得到真实的反馈，并在需要时获得贡献。当前版本是 v0.4，我将在 v1.0 时正式在 Show HN 上发布。我希望获得一些指导，以便我能朝着一个明确的方向前进。 仓库链接：github.com/oreoro/dez

大家好， 我一直在开发这个项目一段时间了，想在这里分享给大家，以获取反馈和贡献。您可以在以下 Playground 中试用： [https://usepopkorn.dev](https://usepopkorn.dev) 我将其命名为 Popkorn。其理念是创作矢量动画，类似于 Rive 和 Lottie，但使用一种类似 CSS 的语言，并内置了交互性和其他现代必需的功能。我大部分时间都遵循 CSS 的原则，并添加了一些自定义语法来实现交互性等功能。 贴近 CSS 提供了良好的开发者体验 (DX)，事实证明它对大型语言模型 (LLM) 也非常友好。我几乎所有的示例画廊都是 AI 生成的。即使是 GLM 或 DSv4 Flash 这样的廉价模型，也能从头开始一次性生成完整的动画，无需微调。Playground 中有一个 Copilot 功能，可以让您使用自己的密钥，或者使用 MCP 来试用 AI 功能。请分享您创作的作品！ 有一个 Web 播放器，可以在 Canvas 或 SVG 上渲染，还有一个使用 Skia 的 React Native 播放器。它支持嵌套变换和父子关系、可重用符号、蒙版和轨道遮罩、渐变、修剪路径、路径变形、运动路径以及每子树时间缩放，足以满足专业的生产级动画需求。Lottie 和 SVG 的转换器允许您导入现有资产，然后通过内置的 Copilot 提示进行更改。我没有想到的是，转换后的 Lottie 场景通常比原始 JSON 文件体积更小，尽管 CSS 的语法更冗长。 我的愿景是创建一个可编辑、可访问的格式，既适合人类也适合 LLM，并且能够与版本控制良好集成，真正做到在所有意义上都是开源和免费的，而不是难以进行差异比较、编辑和提示更改的不透明二进制或 JSON 文件。现有的格式由公司支持，这很好，它们也做了出色的工作，但公司的路线图遵循的是对其商业有利的方向。我更希望运动设计的未来是由社区驱动的，并与已有的标准保持一致。