今天克劳德·科德（Claude Code）两次停下来问我一个问题，然后像我已经回答了一样继续说下去。当我问它为什么时，它说它没有。
这是随机现象，还是最近其他人也遇到过？在几个月的频繁使用中，我不认为我见过类似的情况。
https://x.com/sixhobbits/status/2016128163500151162?s=20
返回首页
最新
几周前，我几乎不会用 Python 编程，也不会写一行 Go 代码。在看到 Claude 令人印象深刻地处理一个工作项目后，我决定尝试用它来教我编程。我让它搭建项目框架，在函数上方写待办事项，并告诉我一个合理的工作顺序。这虽然不能教我软件设计，但确实帮助我克服了学习生态系统和标准库的障碍。
现在，我仍然不能独立编程，但我对阅读他人的代码感到足够自信，甚至可能提交一个小的 PR 来修复一个 bug。
这是我第一次尝试一个普遍有用的项目。它是一个可变的 admission webhook。这个项目仍在进行中，但它已经可以正常工作，我在自己的 k3s 集群上使用它。它为需要身份验证的 Pod 添加了 oauth2-proxy。在集群中，我用 Zitadel 替换了 Authentik，我需要一些东西来填补 Authentik 的代理提供者的角色。
由于现在有很多人使用 AI 并感到沮丧，我希望这能激励大家将 AI 作为学习新知识的工具，而不是仅仅作为助手。希望这里更有经验的程序员能告诉我这个项目中哪些地方看起来不够好（我想肯定有）。我担心如果我继续这样下去，我会学得像 Claude 一样编程。
嗨，HN，
我创建了 EchoEntry（[https://echoentry.ai](https://echoentry.ai)）——一个专门针对数字优化的语音转文本 API。
问题：通用的语音转文本 API 在处理数字时表现不佳。“一零五”有时会变成“105”，有时又变成“15”。对于医疗应用、仓库系统或交互式语音应答，这种不一致性会破坏工作流程。
我的解决方案：对 1-999 的英语口语数字进行了微调的 Whisper-small 模型，涵盖了五种英语口音。对于 1-3 位数字，准确率达到 95%。
技术栈：
- 自定义 Whisper 模型（1.7GB）
- FastAPI 后端
- 部署在 8GB Linode 上
- 使用 FFmpeg 进行音频处理
现在就试试吧（两个命令，无需注册）：
# 下载测试音频
```bash
curl -O [https://echoentry.ai/test_audio.wav](https://echoentry.ai/test_audio.wav)
```
# 测试 API
```bash
curl -X POST [https://api.echoentry.ai/v1/transcribe](https://api.echoentry.ai/v1/transcribe) \
-H "X-Api-Key: demo_key_12345" \
-F "file=@test_audio.wav;type=audio/wav"
```
目前处于免费测试阶段（每个密钥每月 1,000 次调用）。希望能得到以下反馈：
1. 什么样的准确率阈值才能让您认为这是可投入生产的？
2. 还有其他我忽略的数字密集型用例吗？
3. 您会愿意为此付费，还是更倾向于使用通用的语音转文本？
文档：[https://echoentry.ai/docs.html](https://echoentry.ai/docs.html)
欢迎就微调过程或部署相关的技术问题进行咨询！
我使用Reddit已经很长时间了，发现对类似帖子反应不一。有时我会收到积极的反馈和赞；而其他时候却会收到很多负面回应，且没有明显的解释。经过两年的使用，我仍然不理解Reddit用户的思维方式或这些反应背后的心理。
我想学习汇编语言，以便在Apple II上制作游戏。有哪些旧书可以学习6502汇编语言和Apple II本身（内存、屏幕管理）？在学习汇编之前，是否绝对有必要先学习BASIC？
并非所有看起来像经纪商的平台实际上都像经纪商那样运作。一些服务可能会模拟市场界面，但在后台控制定价信息和执行规则。当这种情况发生时，交易的体验可能更像是在参与一个结果被操控的系统，而不是实际的交易。
关于ZSZRUN的担忧主要集中在两个在高风险平台上经常出现的技术模式上：重复的单边滑点和突发的非市场价格波动。在真实市场中，滑点通常与波动性、流动性或订单大小有关。在平静的市场条件下，滑点不应该持续出现，也不应该持续对用户不利。如果你反复下单，发现成交价格几乎总是比显示价格差，尤其是在市场稳定时，这就是一个重要的警告信号。这表明执行可能是为了使交易者处于不利地位，而不是反映真实的市场匹配。
第二种模式在图表上更为明显。非市场价格波动通常表现为突然的“针形”影线，这些影线短暂跳升，触发止损订单，然后又迅速回到之前的区间。市场可能会有噪音，但在清算水平附近频繁且恰好发生的极端波动很难解释为正常的波动性。如果这些波动在可信的外部图表上无法确认，风险就会更高。真实的市场波动在多个来源中都有观察；而仅在一个平台上存在的价格事件则强烈表明该平台可能在制造其内部的价格行为。
执行行为往往会强化同样的担忧。一个值得信赖的平台应该能够提供一致、可预测的订单处理。如果盈利的平仓被延迟、订单在没有明确理由的情况下被拒绝，或者交易的成交价格与图表显示的价格不匹配，那么该平台可能在后台控制以塑造结果。即使一个平台呈现出干净的用户界面和现代的图表，缺乏透明的定价来源和可验证的执行规则也是一种结构性风险。
如果你怀疑ZSZRUN或任何类似平台上存在这些模式，最好的应对方式是基于证据的验证。比较多个可信来源中同一时间同一工具的价格。记录任何异常波动的时间戳。在下单时记录显示价格与成交价格的差异。单一事件可能是随机的；而重复出现的模式如果总是对用户不利，那就不是了。
最重要的是，不要向平台发送额外资金以“修复”交易问题、解锁提款或解决账户问题。合法的平台不需要额外付款来访问你自己的资金。如果一个平台在你尝试提款或平仓时开始增加新的条件、费用或延迟，将其视为重大风险信号并退后。
核心要点很简单：真实市场是混乱的，但它们并不是针对个人的。如果图表行为和执行结果反复看起来像是被操控的，最安全的做法是停止为账户注资，保存你的记录，并依赖透明、可验证的平台。