最新

这是一个用Rust编写的ncdu克隆，我觉得其他人可能会觉得它很有用！它与ncdu的主要区别在于： - 它非常快速。在我的基准测试中，它的速度通常是ncdu的两倍。 - 它允许你将文件发送到回收站，而不是永久删除。<p>请试用一下，如果有任何改进建议，请告诉我！

我正在从零开始构建一个现代的Ultima Online服务器模拟器。虽然目前功能尚不完整（没有战斗和技能），但基础非常扎实，我想尽早分享给大家。 目前的功能： - 完整的经典UO客户端数据包层（登录、移动、物品、角色） - Lua脚本用于物品行为（双击药水、打开门——所有行为均在Lua中定义，无需重新编译C#代码） - 空间世界按扇区划分，支持增量同步（仅在跨越边界时发送新扇区的数据包） - 基于快照的持久化，使用MessagePack - 源代码生成器用于自动依赖注入连接、数据包处理程序注册和Lua模块暴露 - NativeAOT支持——服务器编译为单个本地二进制文件 - 嵌入式HTTP管理API + React管理用户界面 - 从地图静态数据自动生成门（使用与ModernUO/RunUO相同的算法） 技术栈：.NET 10、NativeAOT、NLua、MessagePack、DryIoc、Kestrel 缺失的功能：战斗、技能、天气集成、NPC人工智能。目前仍处于早期阶段——到目前为止，重点是确保架构的正确性，以便添加这些系统时不需要重新连接所有内容。 为什么不直接使用ModernUO/RunUO？这些项目已经成熟并经过实战检验。我开始这个项目是因为我想从头重新思考架构：严格的网络/领域分离、事件驱动的游戏循环、没有过于复杂的物品继承层次，以及使用Lua快速迭代游戏逻辑而无需重新编译。 GitHub: [https://github.com/moongate-community/moongatev2](https://github.com/moongate-community/moongatev2)

大多数社交应用都是围绕关注者网络和广播传播范围构建的。我一直在实验，如果以群组作为核心结构会发生什么。 我基于这个想法构建了Aligno：聊天、帖子、活动和共享板块，旨在促进共同的动力，同时也提供个人目标跟踪功能。 我相信之前已经存在过各种基于群组的社交应用，但这是我的看法。这个想法源于我注意到，找到有意图的社区（即朝着相同目标努力的人群）是多么困难，以及随着生活变得越来越忙碌，动力和势头往往会减弱。 目前该应用仅支持iOS。如果这个想法引起共鸣且反馈强烈，我可能会将其引入Android平台。 我很好奇这里的开发者们怎么看。期待诚实的产品评价和边缘案例反馈。

我是一名自由开发者，已经工作多年，一直在规划我的工作周和跟踪项目预算方面遇到困难。我使用 Harvest 进行时间跟踪，但它在周视图和预算可见性方面的功能总是等到为时已晚才显现出来。 因此，我开发了 Crow's Nest——一个工作周规划工具和预算可视化层，位于 Harvest 之上。它会提取你的时间记录，并向你展示： - 按项目和工作能力划分的周计划（在周一之前） - 每个项目的实时预算进度 - 你计划的内容与实际发生的情况之间的差距 这并不是 Harvest 的替代品——只是缺失的规划层。你需要一个有效的 Harvest 账户才能使用它。 我在 HN 上分享这个的原因：我希望能得到来自其他自由职业者和开发者的技术反馈。这个产品还处于早期阶段（目前只有两个 alpha 用户），而 HN 的建设性批评对我的项目一直是非常宝贵的。 技术细节：使用 Ruby on Rails，重度依赖 Web Awesome 和 Phlex。 最大挑战： 1. 将 Harvest 的时间记录数据映射到周规划模型 2. 创建一个简单的用户界面，不增加认知负担 3. 处理与全球客户合作的自由职业者的时区差异 试用链接： [https://mycrowsnest.app](https://mycrowsnest.app) 希望能得到以下方面的反馈： - 这是否解决了使用 Harvest 的自由职业者的实际问题？ - 什么功能会使它变得不可或缺？ - UX/UI 的改进建议 我是开发者，正在公开开发这个项目。欢迎所有反馈。

我在过去一年里将执行功能属性（如自律、毅力、耐心等）视为可变的“系统变量”，而非固定特质。<p>我采用系统工程的方法，在遇到瓶颈（例如拖延、过度紧张）时“开处方”基于认知行为疗法（CBT）的心理干预，同时识别哪些特质需要更多关注，以优化整体“系统”（我的）输出。<p>*模型概述*：<p>我使用灰箱模型，依赖以下前提：<p>1. 性能作为函数：性能输出在很大程度上是我列出的心理特质的函数。<p>2. 可变性：这些特质是可变的，最大化它们会显著提升性能。<p>3. 控制理论循环：使用控制理论定义这些特质的自我修正模型，并将其与一些基准（例如已交付的功能、损益）进行对比，通过对个性化心理干预进行试错，可以获得可操作的成长洞察。<p>*瓶颈*：<p>1. 它容易受到严重的“垃圾进垃圾出”（GIGO）影响。<p>2. 准确的状态评估目前需要高强度的日记记录，这是主要的失败点，但随着大型语言模型（LLM）日记的出现，这一问题并非不可克服。<p>*向HN提问*<p>1. 先前的研究：你们中有没有人采取结构化、量化的方法来改善这些（或其他）个性特质？<p>2. 安慰剂检查：请指出逻辑中的漏洞。我担心我个人在这种方法上取得的成功可能只是安慰剂效应。

我是Ricard Bejarano，与O'Reilly一起编写《家庭实验室手册》，这是关于家庭实验室和自我托管的权威指南。 为了激励读者，我们希望最后一章能展示一系列真实的家庭实验室案例，以表明家庭实验室没有固定的定义——家庭实验室是你自己创造的。因此，我们正在寻找愿意在书中展示自己家庭实验室的实验者。我们希望看到各种硬件、软件和规模的多样性——从单个树莓派到地下室的全高机架——所以请不要害羞，分享你的实验室。 如果你想提交你的家庭实验室以便在书中展示，请填写以下表格： https://docs.google.com/forms/d/e/1FAIpQLScLc16kBFDY3liuEz_a40CF1sYz7yeqPmy1CKVhufHNSzjhIA/viewform 表格提交截止日期为2026年4月12日。我们将在截止日期后不久与所有提交者联系，告知你的家庭实验室是否被选中。如果我们接受你的案例，我们会要求你分享更多细节，以便我能写出一个合适的章节。你在下面的回答将不会被公开，仅用于选择目的。