最新

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。

在过去的一年里，我们一直在企业系统中实验大型语言模型（LLMs）。<p>我们发现一个根本性的矛盾：LLMs 是概率性和非确定性的，而企业则建立在可预测性、可审计性和问责制之上。<p>目前大多数方法试图通过提示、重试或启发式方法来“驯服” LLMs。这在演示中有效，但在需要可解释性、政策执行或事后问责时就开始出现问题。<p>我们发现，将 LLMs 视为建议引擎而非决策者，能够彻底改变架构。实际执行需要在一个确定性的控制层中进行，该层能够强制执行规则、记录决策并安全失败。<p>想知道在座的其他人是如何处理概率性人工智能与确定性企业系统之间的差距的。你们在生产中也遇到类似的问题吗？

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。

我创建Gettorr是因为我希望能在我的Chromebook上以一种简单的方式流式传输合法的种子文件（例如Linux ISO或Archive.org的内容），而不需要安装像uTorrent这样的大型客户端。<p>它在后台使用WebTorrent来处理浏览器中的P2P连接。我专注于将用户界面简化到极致——只需粘贴一个磁力链接即可开始流式传输。<p>我非常希望能听到您对流式传输性能的反馈，以及在不同浏览器版本中遇到的任何问题！