返回首页
最新
我们在过去一个月里对软件预算进行了建模，以弄清楚为什么即使是资深团队，开发速度常常感觉如此低下。简而言之，这似乎是结构性的问题：大约80%的工程时间用于非差异化的基础设施（如身份验证、管道、CRUD操作），而不是独特的业务逻辑。
我们称之为“基础设施税”。我们分析了一份匿名的240万美元的工程支出，老实说，这个支出明细让人感到沮丧。只有大约20%的预算用于真正能使产品差异化的功能。其余的呢？身份验证流程、数据库配置、持续集成/持续交付管道，以及第50次编写相同的用户架构。即使使用现代框架，我们仍然感觉像是在不断支付过路费，只是为了到达起跑线。
为了量化这一点，我们建立了一个理论模型（是的，我知道模型并不等同于现实，但请耐心听我讲）。我们以一个标准的初创公司场景为例：
- 5名开发人员
- 每年50万美元的综合成本（保守估计）
- 标准的SaaS需求
我们将工作时间映射到“设置/模板”与“核心业务逻辑”之间。然后我们模拟了一种“AI原生”的方法，让AI处理大约90%的初始搭建工作——不仅仅是编写函数，还包括将技术栈连接在一起。
数学表明了一种结构性反转。在传统模型中，维护/基础设施与功能的比例大约是80/20。随着重度AI自动化处理模板，这一比例向30/70转变。
对于一个5人团队，该模型暗示每年大约可以节省900多个小时。但真正的指标并不是节省的小时数，而是机会成本。如果你能发布20个功能而不是12个，价值差异是非线性的。这是找到产品市场契合度与耗尽资源之间的区别。
显然，这里会引发怀疑（这也是合理的）。这里有一些巨大的警告：
- *维护负担：* 生成的代码容易创建，但调试可能会成为噩梦。如果AI生成了混乱的代码，你并没有节省时间；你只是将痛苦推迟到了维护阶段。
- *架构锁定：* 自动化设置通常意味着固定的观点。如果你的应用不符合“标准SaaS”的模型，抵抗生成的抽象可能比从头编写代码花费更多。
- *“黑箱”风险：* 初级开发人员生成他们根本不理解的基础设施，可能导致安全漏洞，最终需要高级开发人员来修补。
我们正在利用这些模型思考内部资源分配，但我很好奇这是否与你的现实相符。
- 80/20的比例在你的技术栈中是否成立，还是现代工具（如Vercel、Supabase等）已经为你解决了这个问题？
- “机会成本”是你在工程中实际跟踪的指标，还是仅仅是CFO们谈论的内容？
- 对于那些使用AI进行搭建的人：你是否在后期的调试成本中付出了代价？
我怀疑“基础设施税”是软件感觉昂贵的主要原因，但也许我低估了定制化架构的价值。
开发了Scrollie，这是一款用于长截图工作流程的iOS应用程序。<p>主要使用场景：将录制的视频（或截图序列）转换为一张长图，减少手动操作。<p>当前重点：
- 设备内拼接
- 导出编辑（模糊/马赛克、文本、形状、水印）
- 草稿自动保存 + 恢复<p>App Store：
<a href="https://apps.apple.com/app/scrollie/id6757146579">https://apps.apple.com/app/scrollie/id6757146579</a><p>启动促销活动现已上线（约48小时）：终身解锁免费。
结束时间：2026年3月7日 08:01 UTC
领取路径：设置 -> 升级到专业版 -> 终身（免费 / $0）<p>如果现在以$0领取，终身解锁将永久有效，之后不会自动收费。早鸟定价仅适用于错过此次免费机会的用户。
嗨，HN，
我开发了 *CodeDrift*，这是一个命令行工具，能够检测由 AI 编码助手（如 Copilot、Cursor 和 ChatGPT）常常引入的错误。
在过去的一年里，我注意到 AI 工具经常生成的代码虽然能够正确编译、通过代码检查并在代码审查中看起来合理，但仍然存在一些微妙的问题。
我看到的一些常见例子包括：
* 异步 `forEach` 循环未等待 Promise
* 缺少授权检查（IDOR）
* 幻想出的依赖项并不存在
* 堆栈跟踪泄露敏感信息
* 请求数据未经验证就被使用
这些错误常常会在 ESLint、TypeScript 甚至人工审查中被忽视，因为代码看起来是正确的。
CodeDrift 使用 TypeScript 编译器 API 解析代码，并运行一组检测器来寻找这些模式。
示例：
```
async function syncProducts(items) {
items.forEach(async (item) => {
await updateStock(item.id);
});
}
```
CodeDrift 输出：
```
CRITICAL: async forEach does not await promises
Fix: use Promise.all or a for...of loop
```
它检测到的另一个例子：
```
Database query using user-supplied ID without authorization check
→ potential IDOR vulnerability
```
该工具的目标不是替代 ESLint、TypeScript 或像 Snyk 这样的安全扫描工具，而是作为 AI 助手生成代码的安全层。
该工具在本地运行，不需要云访问，可以通过以下命令尝试：
```
npx codedrift
```
我非常希望能收到在生产环境中使用 AI 编码工具的开发者的反馈。
我创建Anaya是为了解决我一直看到的一个问题：印度的DPDP法案现在已经生效（规则通知于2025年11月，截止日期为2027年5月），但合规性不仅仅是一个法律清单，而是一个代码问题。对此没有现成的工具可用。
我在Saleor（开源Django电子商务平台，107个模型）上运行了它：在82秒内发现了4个违规行为——没有同意机制，70个个人身份信息（PII）字段以明文存储，任何PII模型都没有DELETE端点。
<p>使用命令：pip install anaya && anaya compliance。</p>
<p>代码链接：<a href="https://github.com/sandip-pathe/anaya-scan" rel="nofollow">https://github.com/sandip-pathe/anaya-scan</a></p>
<p>欢迎讨论AST解析方法或DPDP部分分析器的设计。</p>
嗨，HN！我们是X25的校友，创建了Parsewise，以利用AI代理分析大量文档集。
我们的代理并不是仅仅处理单个PDF，而是在一次运行中提取、交叉引用并推理数千份文档。
我们最初是为保险和金融尽职调查工作流程而构建这个工具，帮助团队审查庞大的文档包。
我们很想知道HN社区的看法！
请查看我们的公开演示：
demo.parsewise.ai/insurance-claims-triage
demo.parsewise.ai/reinsurance-recovery-optimization
demo.parsewise.ai/investment-diligence
demo.parsewise.ai/mortgage-underwriting
Chartle 可以通过自然语言生成图表。你只需输入类似“过去10年编程语言的受欢迎程度”的内容，它就会找到相关数据，选择图表类型并进行渲染。你还可以截取现有图表的屏幕截图，它会将其重新制作成干净且可编辑的格式。
该工具是基于 Next.js/TypeScript 构建的，使用 Gemini 结合 Google 搜索进行数据检索，并利用 ECharts 进行渲染。
首次使用时免费，无需注册即可生成第一个图表。免费套餐每月提供5个图表。