最新

嗨，HN！我想分享一个我进行的小实验：我尝试看看能否通过一个提示构建并部署一个完整的 Rust 应用程序，使用 Claude Opus 4.5 和 Shuttle。 我请 Claude 构建一个个人财务跟踪器，使用 Axum 和 SQLx，编写迁移，生成前端，并进行部署。我原本预期会在某个地方出错……但实际上它生成了一个干净、可工作的 Rust 应用程序，成功编译、迁移并部署。 这是我的提示： 构建一个个人财务跟踪器网页应用，满足以下要求： *后端（Rust + Axum + SQLx）：* - 使用 Rust 和 Axum 网络框架 - 使用 SQLx 进行 PostgreSQL 数据库操作 - 在整个过程中使用 SQLx 的编译时检查查询宏（query!、query_as! 等），不使用原始查询 - 数据库运行在 localhost:5432 - 使用 `sqlx migrate add` 命令创建适当的数据库迁移 - 实现迁移以创建必要的表（交易、类别、预算等） - 自动运行迁移或提供明确的说明 - 在部署前运行 `cargo sqlx prepare` 以生成离线编译所需的查询元数据 - 创建 RESTful API 端点，用于： - 添加/编辑/删除交易 - 对交易进行分类 - 按类别/时间段获取支出摘要 - 预算管理 *前端（HTML/CSS/JS）：* - 使用原生 HTML、CSS 和 JavaScript 创建现代、简洁、流畅的用户界面 - 使其响应式并适合移动设备 - 包含数据可视化（按类别支出的图表、随时间变化的趋势） - 使用良好的配色方案和现代设计模式 - 将所有前端资源放在 `dist/` 目录中 *部署：* - 部署到 Shuttle - 配置 Shuttle.toml 以包含前端资源 - 使用 Shuttle MCP 服务器处理部署 - 如果需要，也可以使用 Shuttle MCP 服务器搜索 Shuttle 文档 *要实现的功能：* - 交易管理（添加、编辑、删除收入/支出） - 自动和手动分类 - 预算设置和跟踪 - 使用图表提供支出洞察（饼图、柱状图、折线图） - 日期范围过滤 - 摘要统计（总支出、按类别、每月趋势） 将其构建为一个完整的、生产就绪的应用程序，具备适当的错误处理、验证和精致的用户体验。 我尝试这个的原因： - 我想知道 AI 是否能够处理真实的 Rust 工作流程，而不仅仅是代码片段 - Rust 应用中的样板代码（迁移、路由、设置）仍然繁琐 - 我很好奇模型会在哪些地方出错——语法、库、SQL、构建步骤、部署 最终它构建了整个应用，出乎意料地只需很少的修正。这让我思考：如果这变得正常，我们能发布多少个副项目？当提示成为起点时，“编写软件”是什么样子？ 如果你想了解所有细节，比如哪些地方出错、哪些地方有效，以及最终构建的结果，所有信息都在上面的博客中。希望能得到其他开发者尝试类似事情的反馈。

我在过去的七年里一直在购买二手/新款的联想和戴尔笔记本电脑，最近我注意到新型号的做工质量令人担忧。 联想：前公司在2019年给我了一台全新的Carbon X1，但电池使用时间不到一年！另一方面，我从同一家公司购买了一台2017年的二手470S，增加了内存，没有动过任何部件，包括SSD，现在我仍在日常编程中使用它。上个月我买了个新电池，所以从技术上讲，旧电池的使用寿命大约是7-8年。 戴尔：我从戴尔翻新店购买了3台笔记本电脑和1台台式机（所以质量应该是稳定的）。其中2台笔记本和1台台式机是旧型号，1台是我去年12月购买的Precision 5550（2021款）。一切运作正常，除了5550，它的电池出现了问题（电量从31%迅速降到4%），而且（更严重的是）充电端口（时不时不充电）。即使我在2021年买的是全新产品，我也会对它只用了4年多感到惊讶。 另一个问题是5550使用USB-C端口。我怪自己在购买前没有仔细检查。我真的很讨厌这些端口。为什么大家都在模仿Mac？ 我该怎么办？我实在无法为一台新笔记本电脑 justify 2000加元以上的价格，尤其是如果它的使用寿命不到5年。我更倾向于一台配备32GB内存的“低端”工作站，但由于价格原因，我只能负担得起一台16GB的非工作站型号。我不再玩游戏，但仍然希望有一款好的集成显卡。我无法承担Framework和其他Linux笔记本的费用，因为它们价格昂贵，而且通常在加拿大无法使用，所以运费也很贵。 上个月我从我现在的公司购买了一台二手Macbook Pro M1 16GB（2021款）。我还没有使用它，但我相信硬件是好的。问题是我不太喜欢它的软件，所以我意识到我仍然需要一台Linux电脑。 你找到什么好的选择了吗？

我创建了aipatch，因为我在使用AI编码工具时遇到了反复出现的问题，这些工具最终无法正确应用补丁或忽略部分指令。它们经常会执行我没有请求的操作，尤其是在上下文稍微不寻常的时候。 我想要一个更简单、更明确的工具：一个我可以完全控制输入到大型语言模型（LLM）提示中的内容的工具，并且模型以确定性的搜索/替换块进行响应，这些块可以自动应用。 aipatch的主要理念是： - 你手动选择上下文（来自一个或多个项目）。 - 你将其发送给你喜欢的任何LLM。 - 模型输出结构化的补丁块。 - aipatch将它们应用到代码库中并记录所有内容。 对我来说，最有用的部分是多项目提示。我经常需要同时更新后端、前端和文档，或者比较两个git提交，或者将一个小原型的功能移植到一个更大的代码库中。现有工具对此处理不佳，因此aipatch允许你为每个项目分配一个唯一的ID，并将它们合并为一个单一的提示。 我还发现，最佳的“提示”往往是另一个已经按你希望的方式运行的工作项目。在上下文中包含一个小原型或参考代码库，可以给LLM一个明确的示例，从而生成比尝试用普通文本描述所有内容更准确的补丁。 这里有一个简短的演示视频（“我使用aipatch改进了aipatch”）： <a href="https://youtu.be/xho0pMKPu14" rel="nofollow">https://youtu.be/xho0pMKPu14</a> GitHub： <a href="https://github.com/axife/aipatch" rel="nofollow">https://github.com/axife/aipatch</a> 这是一个用Python编写的命令行工具，适用于任何LLM，不需要编辑器集成或账户。我非常欢迎任何从事LLM辅助开发或多代码库工作流程的人的反馈。

我正在寻找类似于 devdocs 的资源，但专门为系统管理员设计，以便在他们无法访问 Google 时使用。<p>因此，我在考虑使用 Solr 来搜索文档，并利用 OCR 技术扫描屏幕截图。<p>这个想法源于我希望更多人能够使用笑话助手，因此高质量的 Linux 知识尤其在偏远地区或网络连接不稳定的情况下会非常有用。