24小时热榜

我搭建了一个MCP服务器，可以返回您在各种生态系统中使用的依赖包的最新版本，例如Python、NPM、Go和GitHub Actions。 该服务器还支持通过mise-en-place工具查找近1000种工具的最新版本，包括开发运行时（如Python、Node、dotnet）、开发工具（如Gradle）以及各种DevOps工具（如kubectl或Terraform）。 支持的生态系统/工具包括： 1) 开发者生态系统：NPM、PyPI、NuGet、Maven/Gradle、Go、PHP、Ruby、Rust、Swift、Dart 2) DevOps生态系统： - Docker：来自Docker注册表的Docker容器镜像 - Helm：来自ChartMuseum仓库和OCI注册表的Helm图表 - GitHub Actions：在GitHub.com上托管的Actions，返回其当前版本、输入和输出，以及（可选）完整的README和使用示例 - Terraform提供者和模块：来自Terraform Registry、OpenTofu Registry或自定义注册表的提供者和模块 - 各种工具，如kubectl、terraform、gradle、maven等（只要它们被mise-en-place支持） 在<a href="https://package-version-check-mcp.onrender.com/mcp" rel="nofollow">https://package-version-check-mcp.onrender.com/mcp</a>上有一个免费托管版本，您可以使用Docker或uv（uvx）运行它。 这个MCP当然不是第一个解决“过时依赖”问题的工具。然而，我认为它相较于其他MCP有多种优势： - 它提供的生态系统覆盖范围（远）优于其他MCP - 完整的测试覆盖，具有自动化的依赖更新（由Renovate提供支持）和定期的自动化发布构建。相比之下，其他项目往往是随意编码的，测试不充分（或没有测试），并且已经被放弃 - 这个MCP使用了一个最小的Docker/OCI镜像，经过安全加固。您使用Trivy等工具生成的SBOM被认为是正确的，并且该镜像使用Cosign签名（这使您在想要自托管MCP时可以验证其真实性） 请告诉我您的想法。

我和我的妻子已经进行了五年的餐饮计划。我们使用的是 Google Keep，这对我们来说一直有效，但随着时间的推移，我们需要简化这个过程。我们尝试了其他方法，但都没有奏效，因此我花了一个月的时间开发了这个自定义应用程序。它包含了我们所需的一切，使我们的餐饮计划效率提高了至少五倍。具体功能包括：同步、一键导入食谱、购物清单、购物模式、每周餐饮计划、自定义餐点（如剩菜、素食、外出就餐等）。 上周日，我们在不到一分钟的时间内完成了餐饮计划，因为我们所有喜欢的（100多道）食谱都集中在一个地方。我们还根据每日饮食主题进行了标记（周一-意大利面，周二-肉类等），这样我们可以快速且无脑地为每一天选择一餐。 在这个应用程序中，我使用了人工智能对食品杂货进行过道分类，但不是生成式的，因为我发现简单的机器学习模型效果更好。 我非常欢迎其他开发者的反馈。 欢迎随意使用这个应用。它是免费的，除了同步功能，由于服务器成本，我不得不添加了订阅费用。我尽量让订阅条件宽松：每10个人一个订阅。

我是一名来自巴基斯坦的CNC设计师。我开发了一种新的矢量视频（SVGV）逻辑，用数学路径替代传统的像素。这种方法旨在解决预算型移动传感器上模糊和“劣质”视频的问题，并将高保真内容（如韩剧）的文件大小减少多达85%。我希望能获得对研究论文的技术反馈，并寻找潜在的C++/NDK合作伙伴。

虽然有许多像 CodeRabbit 这样的工具可以自动化 PR 审查，但我注意到完全依赖 AI 来撰写审查往往让我对同事的代码关注度降低。因此，我设计了 HighReview，作为一个“由 AI 辅助的代码审查工具”，而不是仅仅再造一个“AI 代码审查器”。其目标是帮助人类更深入地理解代码上下文，并更轻松地进行审查，AI 则作为支持系统。 此外，在进行详细审查时，我通常需要在本地检查分支，以查看相关代码。这个过程通常比较繁琐（需要切换上下文、暂存当前工作等）。我构建这个工具是为了针对这些具体痛点，简化我个人的代码审查工作流程。 <p>主要功能 - 无需单独登录：利用您的本地 gh cli 和本地 AI 代理。 - 独立审查环境：将目标项目检出到与您当前工作本地仓库分开的目录中（允许在项目级别重用而不干扰您的工作流程）。 - 上下文感知的 AI 预审查：使用 Tree-sitter 提取相关代码，为 AI 提供更广泛的上下文，从而实现更全面的审查。 - 代码导航：支持在 Diff 编辑器中使用 Tree-sitter 进行代码导航（我最初尝试使用 LSP，但转向了 Tree-sitter）。 - 丰富的分析功能：提供问题检测、解释性图表、重构建议、副作用分析和语义分析。（注意：为了获得最佳效果，需要持续调整提示。） - 互动 AI 助手：支持问答功能，您可以向 AI 助手询问与审查结果相关的具体问题。 <p>请反馈。祝您愉快。谢谢。