最新

我很好奇是否有一种有意义的方式来量化人工智能工具（如 ChatGPT、Claude、Copilot 等）对全球软件开发生产力的影响。 显然，“创建的仓库数量”、“提交次数”或“代码行数变化”等指标并不是质量的衡量标准，但它们是否仍然能够揭示方向性趋势？例如： - 新仓库的创建速度是否比往年更快？ - 每位开发者的提交次数是否在增加？ - 在 GitHub 或 GitLab 等平台上，代码变更的总量是否明显增长？ 有没有人看到过研究、数据集或尝试来衡量这种全球性的变化？在软件工程中，是否有更好的代理指标来反映人工智能驱动的生产力提升（或下降）？

嗨，HN， 我发布了 LLM Newsletter Kit，这是一个经过生产测试的 TypeScript 工具包，旨在构建 AI 驱动的新闻通讯管道。它涵盖了整个生命周期：爬取 → 分析 → 生成 → 交付。 背景：我是一名转行的考古学家，现在是一名工程师。我为“研究雷达”（一份文化遗产新闻通讯）构建了这个引擎，以自动化我自己的手动研究聚合。目前，它的点击率保持在 15%，几乎不需要维护，每期成本约为 0.20-1 美元。 核心功能： “自带爬虫”：异步注入让您可以使用 Cheerio、Puppeteer 或基于 LLM 的解析器，而不受框架限制。 基于提供者的依赖注入：通过干净的接口更换爬取、分析或存储组件。 以生产为先：100% 测试覆盖率，内置重试机制、成本控制和可观察性。 技术栈：TypeScript ESM、LangChain 可运行组件、Vercel AI SDK（结构化输出）和 Zod。 为什么选择代码而不是无代码？为了优化成本和质量，您需要对上下文窗口、令牌限制和重试策略进行细致控制。这个工具包允许进行高级工作流程（例如，自我反思循环），而这些在拖放工具中往往成本高昂或不可能实现。 链接： 代码（GitHub）：[https://github.com/kimhongyeon/heripo-research-radar](https://github.com/kimhongyeon/heripo-research-radar) 实时示例：[https://heripo.com/research-radar-newsletter-example.html](https://heripo.com/research-radar-newsletter-example.html) npm: @llm-newsletter-kit/core 我期待您对架构和开发体验的反馈！