最新

现在，人工智能能够编写大量高质量的生产代码，我们作为开发者的角色正在发生变化。我们的主要工作不再是编写代码，而是规划和沟通软件设计与架构。我们需要与智能体协作完成这一过程，然后对他们的实现进行审查和迭代。 集成开发环境（IDE）并不是为这种工作流程而设计的。因此，大约三个月前，我决定尝试构建我认为这种新界面应该是什么样子的。 Runner是一个专为这种“规划与审查”工作流程而设计的编码智能体。它并不适用于随意编码，而是面向那些对自己发布的代码负责的专业软件开发者。 它比其他编码智能体更鼓励和支持一种更结构化和可控的工作流程。它围绕任务的概念构建。任务是一个小的、明确范围的变更。规划智能体创建和编辑任务规范，当你对计划满意后，可以将其分配给编码智能体。当编码智能体完成后，你可以通过内置的差异查看器审查更改。如果你满意，可以批准这些更改，这将触发一次git提交。 目前，Runner作为免费的BYOK（自带密钥）测试版在MacOS上提供。你可以在这里了解更多信息并下载：<a href="https:&#x2F;&#x2F;runnercode.com&#x2F;" rel="nofollow">https:&#x2F;&#x2F;runnercode.com&#x2F;</a>。你至少需要一个Gemini API密钥，为了获得最佳性能，还需要一个OpenAI API密钥。

寻求一些反馈和改进的建议。

随着最新的 three.js 更新（r180），使用 Spark GPU 编解码器变得非常简单，集成到现有的 glTF 加载器中只需一行代码。<p>这篇博客文章概述了所需的几个步骤，分享了一些我遇到的意外情况，并详细探讨了性能。<p>spark.js 的 GitHub 仓库现在包含了易于运行的 three.js 示例，只需：<p>``` npm install npm run dev ```

嘿，HN，对于那些厌倦了使用 kafka-consumer-groups.sh 和类似工具的朋友们，这里有一个小型的实时监控命令行工具，专为 Apache Kafka 设计，能够以简洁的类似 top 的界面显示消费者延迟和事件速率。你可以快速评估哪些消费者存在延迟，以及他们何时能够赶上。 我制作这个工具是为了快速评估远程本地集群的健康状况，因为这些集群大多数时候缺乏适当的监控。 该工具可以在这里找到： [https://github.com/sivann/kafkatop](https://github.com/sivann/kafkatop) 我非常希望听到你们的反馈，或者你们认为可以为这个工具增加价值的任何功能！

我昨天在以色列的PyCon上进行了这个演示。<p>它有一些非常不错的练习，您可以在家尝试，特别是LLM评估的练习。<p>如果有兴趣，我可以在线用英语进行演示。如果您感兴趣，请给我发邮件。