最新

我几乎总是有一个内核项目在进行，这种状态已经持续了几十年。在过去的几年里，我的项目是 Anos，它的发展进展超过了我之前的任何爱好内核，支持进程间通信（IPC）、多任务处理、对称多处理（SMP，当前仅支持 x86-64），并且能够在真实硬件上运行。 在开发过程中，我主要使用了大型语言模型（LLMs，主要是 Claude Code），但我很早就发现它在这个层次的代码处理上并不是特别出色，因此我将其使用限制在文档和测试上。用户空间中有一点 AI 代码，但我在内核中有严格的“无 AI 代码”规则。我发现这样不仅有助于提高代码的质量和功能性，还有助于学习——例如，尽管我过去写过多个内核，但直到 Anos，我才真正理解了页表管理以及良好的虚拟机监控器（VMM）接口可以实现的功能。如果我把这个实现外包给一个 LLM，我可能根本不会学到这些。 在方法上，Anos 避免使用遗留平台特性和过时的维基/教程资源，而是尽可能从手册和数据表中实现功能，这样的做法迄今为止效果很好。它不支持遗留平台特性或外设，所有 I/O 都是内存映射的，并且使用 MSI/MSI-X 中断（没有 PIC），这有助于保持代码库的专注和易于维护。内核在 x86-64 上编译后大约为 100KiB，具备足够的功能以支持多任务处理和用户空间中的设备驱动。 作为一个爱好项目，进展会随着我的日常工作压力等因素起伏，主分支在过去几个月里比较安静。然而，我在有时间的时候一直在开发一个 USB 堆栈，希望很快能至少实现基本的 HID 支持，以便我能迈出下一步，让 Anos 变得互动。 考虑到我们现在生活在 AI 编程的时代，我不知道像 Anos 这样的项目还有多大用处，但这确实是一个有趣的学习经历，并且帮助我保持技术上的扎根，只要这些事情仍然成立，我就会继续进行下去。

在看到Claude Code和Codex在我的代码库中反复运行Explore后，我开始思考是否有更好的方法。RemembrallMCP是我为解决这个问题所做的尝试。 RemembrallMCP为智能体提供了两个大多数记忆工具所没有的功能： 1. 持久记忆 - 决策、模式和组织知识能够在会话之间持续存在。混合语义和全文搜索可以瞬间找到相关上下文。 2. 代码依赖图 - 一个实时的代码库地图，使用tree-sitter构建。涵盖8种语言的函数、类、导入和调用关系。可以询问“如果我更改这个，会有什么影响？”并在毫秒内得到答案——在智能体进行任何操作之前。 整个系统可以在Docker容器中运行，便于快速上手。Claude利用MCP来增强其功能。该项目使用Rust编写。

请访问以下链接查看相关内容： [YouTube 播放列表](https://youtube.com/playlist?list=PL3vzYfOMUcIkd_1CzICEkH1IRE0BInbGx&si=4pBE61QHr5l3INKX)。

我想了解更多关于现代汽车组件的机械原理（如发动机、悬挂系统、燃油系统等），但很难找到好的资源，尤其是可以用来学习的互动模型（这些模型真的存在吗？）。