最新

嗨，HN， 我最近在尝试苹果的新设备端基础模型（iOS 18 / macOS Sequoia），并围绕它们构建了一个小工具：AppReview AI，这是一个用于私密和离线分析App Store评论的Mac和iPad应用。 我的动机很简单：作为一名独立开发者，阅读竞争对手应用的数百条评论既慢又嘈杂，难以提取有用信息。现有工具依赖于云处理、API密钥或外部服务器。我希望能有一个轻量级且私密的工具，利用苹果的新本地AI。 它的功能包括： - 使用苹果的设备端模型总结评论 - 提取情感、常见问题、错误和功能请求 - 显示各国评分以检测市场差异 - 显示基本的估计下载量和收入（SensorTower公开数据） - 通过iCloud同步选定应用及其分析 所有AI处理都在设备上进行。没有外部服务器，没有账户，也不需要OpenAI密钥。 我为什么要构建它 我最近写了一篇关于苹果基础模型的文章，惊讶于在正确提示下本地模型的能力。这项目是一个测试，旨在了解设备端分析在开发者实际使用场景中的可行性。 免费版 该应用提供一个小的免费版（1个应用 + 3次AI分析），任何人都可以在不注册的情况下尝试。 如果你感兴趣，这里是链接：[https://apps.apple.com/lu/app/appreview-ai-review-analyzer/id6755069850?mt=12](https://apps.apple.com/lu/app/appreview-ai-review-analyzer/id6755069850?mt=12) 我非常欢迎反馈、批评或关于下一步分析内容的想法（关键词、排名、崩溃、更新日志等）。也乐意回答关于设备端AI集成的技术问题。

我注意到在我参与的团队中，有两种类型的工程师，我正在试图弄清楚这是否是真实的模式，还是仅仅是确认偏误。 - 建设者关注用户和领域问题。代码只是实现目标的手段。如果能解决真实用户的需求，他们会发布一些不完美的产品。让他们花时间在不影响用户体验的优化上？那是绝对不可能的。 - 雇佣兵则专注于技术本身。他们关心干净的架构、性能和优雅的抽象。无论业务或用户是否真的需要解决这些技术问题，他们都会深入研究。工作的质量与其影响无关。 但我不确定我是否正确地框定了这个问题。有几个问题想请教： - 这种区分与你的经验是否相符？ - 你属于哪种类型，随着职业生涯的变化，这种类型有改变吗？ - 你如何在团队中平衡这两种思维方式？

嗨，HN， 我开发了一个小型命令行工具，灵感来自于Thanos的“消灭”。它会随机选择目录中恰好一半的文件，并（可选）删除它们。 仓库： [https://github.com/soldatov-ss/thanos](https://github.com/soldatov-ss/thanos) PyPI： [https://pypi.org/project/thanos-cli/](https://pypi.org/project/thanos-cli/) 这个工具故意设计得很简单，欢迎反馈。

这是我使用 Nix flakes 构建的可重复使用的 dotfiles 设置。 我目前正在致力于将 Terraform 和 Kubernetes 集成，以便将服务和集群作为基础设施即代码（IaC）进行管理。 欢迎反馈或建议。