返回首页
最新
<a href="https://platform.claude.com/docs/en/about-claude/models/whats-new-claude-4-5" rel="nofollow">https://platform.claude.com/docs/en/about-claude/models/whats-new-claude-4-5</a>
我正在为一个专注于并发和并行的系统语言编写编译器。这是对之前工作的重新设计，明确强调内存管理和类型安全，并在语言层面提供一流的并行原语。
该语言现在能够使用单遍C后端将其自身源代码的大部分编译为令牌。自托管编译器包括手写的词法分析器和解析器，并使用基于区域的分配器以支持快速编译并消除垃圾回收的复杂性。
该项目的主要目标是：将一流的并行和并发构造直接内置于语言中，提供强大的静态内存和类型保证，以及适合构建高性能软件的工具链。
示例：
```plaintext
def main() {
parallel local(mut arena: Arena) {
arena = Arena.create(1024);
val tid = Parallel.thread_id();
val result = worker(ref_of(arena), tid);
println $"Thread {tid} computed {result}";
Arena.destroy(ref_of(arena));
}
}
```
你可以在这里找到代码库： [https://github.com/axelang/axe](https://github.com/axelang/axe)
当我们询问大型工程团队的开发者时，几乎每个人都在使用Claude Code、Cursor或Copilot。然而，采用情况仍然不一致。有些人同时在Claude Code中运行15个代理，而有些人仍然拒绝使用任何工具，选择手动编写代码。
目前存在一个碎片化的AI开发问题：
- 五个开发者在构建类似的功能，而他们都是从零开始
- 没有办法分享“我们是如何提示AI遵循我们的架构的”
- 没有记录AI变更是如何生成的
- 人员离职，知识也随之流失
Aviator是一个开发者生产力平台，提供诸如MergeQueue、Stacked PRs和Releases等工具（<a href="https://docs.aviator.co">https://docs.aviator.co</a>）。Runbooks的产生源于我们观察到自己团队和客户在碎片化AI采用方面的挣扎。
通过Runbooks，我们可以：
1. 创建可执行的规范 - 规划（与AI一起）以捕捉意图、约束和步骤，确保AI在接触代码之前明确目标。
2. 对所有内容进行版本控制 - 规范、AI对话和生成的变更都进行版本管理。可以分支、改进或回滚。
3. 实现多人协作 - 多位工程师可以在同一个AI编码会话中协作。
4. 构建模板库 - 将一个测试从Enzyme迁移到React Testing库 → 使用该Runbook批量迁移整个测试套件。
我们并不是要取代Claude Code或Cursor。Runbooks是由Claude Code驱动的。我们只是让它在团队规模上更有效。
--
探索我们开源库中的预构建模板：<a href="https://github.com/aviator-co/runbooks-library" rel="nofollow">https://github.com/aviator-co/runbooks-library</a>
这些模板涵盖迁移、重构和现代化。它们是与代码无关的起始点，能够根据您的代码上下文生成Runbooks。
文档和快速入门：<a href="https://docs.aviator.co/runbooks">https://docs.aviator.co/runbooks</a>
--
关于名称：是的，我们知道“runbooks”让你联想到事件管理。但从技术上讲，runbook只是一个记录的逐步程序——这正是这些AI代理所需的。我们会保留这个名称！
欢迎反馈，回答有关架构、上下文管理和沙箱的问题。
大家好！我们是 Toni 和 Pablo，我们正在构建 Karumi（[https://www.karumi.ai](https://www.karumi.ai)），这是一个让用户能够获得即时、可扩展、引导式产品演示的系统，完全自动化，无需人工干预。它全天候工作，并且可以使用任何语言进行交流。
这里有一个实时演示：[https://www.karumi.ai/meet/start/phlz](https://www.karumi.ai/meet/start/phlz)
Karumi 是一个 AI 代理，它在共享浏览器会话中操作真实的网页应用，并引导用户进行操作。与其让人类进行屏幕共享演示，不如让代理打开您的产品，点击、填写表单，并解释它正在做什么。我们最初是在之前的公司将其作为内部工具进行开发。随着产品的不断发展，人们不断询问“演示功能 X 的正确方式是什么？”。文档和脚本很快就变得过时，演示的质量过于依赖于演示者。我们希望有一个更接近可重复程序的解决方案：一个了解主要流程、理解与之对话对象的代理，能够在产品中自如导航而不迷失方向。
随着时间的推移，这个系统演变为三个主要组件：
**规划/控制层**
一个决定下一步的循环：询问、点击、导航、重置等。它使用推理模型，但仅在一组固定的允许操作中进行，并设有保护措施（超时、深度限制、重置状态）。它从不获得浏览器的完全控制权。
**浏览器执行层**
一个受控的浏览器会话，通过视频通话进行流式传输。代理只能与我们希望其交互的元素进行互动。我们记录每个操作的时间戳和代理的“理由”，这有助于调试异常行为。
**产品知识层**
我们摄取文档、演示脚本和视频，以及使用分析数据，以训练代理。在运行时，代理利用其知识决定展示哪个流程以及如何进行解释。
一些实用细节和限制：
我们目前只支持网页应用，桌面应用将会在之后推出。
大型语言模型引入了非确定性，因此我们倾向于安全、可预测的行为：检查点、保守的导航和“逃生口”，可以重置到已知状态。
如果代理不理解某个用户界面状态（未知的模态、布局变化等），它会询问用户，而不是猜测。
关于定价，目前还处于早期阶段。我们会根据每个客户的需求量身定制。我们目前的想法是收取平台费用加上每次调用的费用。平台费用根据复杂性、支持需求和整体范围而有所不同。
目前人们使用 Karumi 进行入站演示和内部演示环境。如果您想在真实产品中看到它，这里是 Karumi 在 Deel 平台上的运行情况：[https://www.loom.com/share/e7f7e00f2284478e8335f8f4d4dac6bd](https://www.loom.com/share/e7f7e00f2284478e8335f8f4d4dac6bd)
我们会在这里回答问题！
祝好！
我创建了一个实时互动地图，展示了全球顶尖人工智能公司招聘的地点。这个数据是我为一次黑客马拉松项目收集的。许多申请跟踪系统（ATS）提供商都有公开的API，可以通过公司的slug获取开放职位。最困难的部分是找到这些公司。我尝试了Firecrawl，但每个提供商返回的公司数量大约只有200个，这对我来说不够。然后，我试用了SERPAPI，但费用较高。最终，我使用了SearXNG按ATS类型发现公司并获取他们的职位发布。这产生了一个超过20万个职位的大数据集（我只使用了其中的一部分，因为处理全部数据会耗费太多时间）。几天前，我决定将这些数据可视化，因为我不知道该如何处理它，并希望让更多人受益。
我发现自己总是想问一些简单的问题，比如“仅显示欧洲的研究职位”或“筛选远程软件工程师职位”（而且我有很多免费的AI积分），所以我添加了一个小型的LLM接口，将自然语言转换为地图上的筛选条件。
这张地图是使用Vite + React + Mapbox构建的。
实时演示：<a href="https://map.stapply.ai" rel="nofollow">https://map.stapply.ai</a> GitHub（数据）：<a href="https://github.com/stapply-ai/jobs" rel="nofollow">https://github.com/stapply-ai/jobs</a>
欢迎反馈、改进建议或贡献。
我开发了一款工具，可以揭示每次您访问网站时，浏览器自动暴露的数据。<p>GitHub: <a href="https://github.com/neberej/exposedbydefault" rel="nofollow">https://github.com/neberej/exposedbydefault</a><p>演示: <a href="https://neberej.github.io/exposedbydefault/" rel="nofollow">https://neberej.github.io/exposedbydefault/</a><p>注意：没有数据被发送到任何地方。一切都在您的浏览器中运行。