1作者: LinusShyu21 天前原帖
嗨,HN, 我是一名高中开发者,也是终端自定义的忠实粉丝。在 Neofetch 被归档后,我想构建一个感觉“即时”的工具,并充分利用 Rust 的性能。 这就是我创建 StarFetch 的原因。 为什么要试试它呢? - 零延迟:它的设计足够快速,可以直接放入你的 .zshrc 文件中,而不会感到任何延迟。 - Rust 驱动:这是我学习系统编程的好方法,同时为用户提供一个内存安全的二进制文件。 - 输出简洁:专注于核心内容,没有多余的负担。 我在自己的环境中与 yabai 和 sketchybar 等工具一起使用它,开发过程非常愉快。我最近甚至将它提交到了“本周 Rust”栏目。 我很想听听你们对代码实现的看法,或者你们认为到 2026 年现代获取工具应该具备哪些功能。 GitHub:[https://github.com/Linus-Shyu/StarFetch_Core] 感谢你的关注!
1作者: SERSI-S21 天前原帖
嗨,HN, 我构建了一个早期原型,探索自我保管医疗记录在实践中的可行性,使用加密证明而不将敏感健康数据上链。 我正在测试的问题是印度尼西亚的医疗数据碎片化,患者记录分散在各个医院,紧急情况下往往无法获取。 区块链仅用作不可篡改的审计层;该系统设计为即使链发生变化也能正常工作。 关键设计选择: - 不在链上存储医疗数据(仅存储哈希,用于验证和审计) - 所有记录在链外加密 - 患者通过基于二维码的分享控制访问(医生不接触加密货币) - 将区块链视为验证层,而非存储层 迄今为止的经验教训: - 医院不会运行区块链基础设施 - 医生不会管理私钥 - 用户体验比加密技术更重要 - 密钥恢复比预期更困难 - 监管在早期就影响架构设计 这还不是生产就绪的解决方案,尚未解决监管、密钥恢复或医院互操作性的问题。 我主要寻求批判性的反馈: - 这种方法的根本缺陷在哪里 - 我应该考虑哪些更简单的设计 - 医疗从业者的现实检查 代码库和技术细节在自述文件中。 欢迎提问。
1作者: y00zzeek21 天前原帖
大多数零知识证明系统都针对服务器级硬件进行了优化,配备了大量的内存。在扩展到工业规模的跟踪(超过2^20行)时,它们通常会遇到“内存墙”,在这个阶段,内存分配和数据移动成为比实际计算更大的瓶颈。 我正在开发Hekate,这是一个用Rust编写的零知识引擎,采用零拷贝流式模型和混合平铺评估器。为了测试其极限,我在一台使用Keccak-256的Apple M3 Max笔记本电脑上与Binius64进行了正面基准测试。 结果突显出显著的架构差异: 在2^15行时:Binius64更快(147毫秒对比202毫秒),但Hekate的内存效率已经高出10倍(44MB对比约400MB)。 在2^20行时:Binius64的内存使用达到72GB,在笔记本电脑上进入了交换地狱。而Hekate在仅使用1.4GB内存的情况下,处理相同的工作负载只需4.74秒。 在2^24行(16.7M步)时:Hekate在88秒内完成,峰值内存为21.5GB。由于该硬件的内存不足/交换,Binius64无法完成任务。 核心区别在于“物化与流式处理”。许多引擎在Sumcheck和PCS操作期间会在内存中物化并复制大量多项式,而Hekate则通过CPU缓存以平铺的方式进行流式处理。这将零知识证明的单位经济学从每小时2.00美元的高内存云实例转变为每小时0.10美元的普通硬件或本地边缘设备。 我希望能从社区获得反馈,特别是那些在二进制域、GKR以及内存受限的SNARK/STARK实现方面工作的人员。
1作者: michaelhoney21 天前原帖
许多人可能熟悉保罗·格雷厄姆的“创造者的日程与管理者的日程”:https://paulgraham.com/makersschedule.html 我发现使用Claude Code后,我日常工作中的一个主要变化是,我的工作不再需要在创造者的日程中保持长时间的专注。 我可以指派代理人去处理某项任务,然后去做其他事情,想回来的时候再回来,任务就完成了。测试一下,接着指派下一个任务,去吃点零食。重复这个过程。 这样做有什么损失吗?当然,你不会与代码有那种深度的互动。但并不是所有的代码都需要这种深度。有些事情是可以委派的。
1作者: EGreg21 天前原帖
我看到和听到的最可靠的说法是:“这不是X,而是Y。”或者“这不是X,而是Y。”此外,当人类拼写错误,比如“IOUS”,而合成数字双胞胎错误地将其读作“I O U S”而不是“IOUs”时,有时一个词的重音也会错误。希望这些特征能够保留,因为它们至少能让我警觉到编辑不严谨的人工智能。
1作者: zhaomeng21 天前原帖
嗨,HN!我开发了ImageTextEditor——一个小型网页工具,用于编辑已经嵌入图像中的文本。<p>我的目标是保持工作流程的简洁:上传 → 选择文本区域 → 输入替换文本 → 生成。我专注于使编辑效果自然,通过去除旧文本并重建背景,而不是简单地覆盖新文本。<p>当前状态:[最佳效果],已知限制:[难处理的情况]。<p>我希望能获得以下方面的反馈:<p>结果看起来“修补”的情况,<p>对于这样的工具,什么样的导出/定价模型比较公平,<p>你希望它能够很好处理的图像类型(截图、照片或横幅)。<p>感谢你的关注!
1作者: zxzxy198821 天前原帖
我花了6周时间构建了 www.nex.design,这是一个针对电子商务的人工智能广告代理。它能够发现病毒式社交广告,复制其经过验证的结构,并大规模生成可用于生产的创意内容。 背景:我来自微软,专注于算法和后端开发。没有Node.js或前端的经验。这是我与Claude Code作为主要编码伙伴一起完成的。 我学到了什么: 第1-2周:人工智能在冷启动方面表现出色。在几个小时内,我就搭建了一个可工作的tldraw画布、Cloudflare Workers、图像生成和身份验证功能。 第3-4周:遇到了上下文窗口的瓶颈。我发现了8个组件中有重复的fetch()调用,3种不同的信用验证实现,以及Stripe webhook之间的竞争条件。人工智能会根据你当前的要求构建东西——它并不考虑系统的整体架构。 第5-6周:与一位经验丰富的工程师合作。他并没有写太多新代码,而是删除了一些东西。代码库变得更小但更稳定。 我的生产力技巧:使用3个终端窗口,2个Claude实例在独立功能上同时工作,而我进行审查。并行化有助于提高效率,但也加剧了重复性问题。 关键见解:人工智能 + 经验丰富的工程师 = 10倍效率。人工智能 + 缺乏经验的开发者 = 3倍效率,但会带来技术债务。 向HN提问:你们如何处理人工智能辅助的前端工作?人工智能无法看到用户界面。它不会注意到按钮偏移了2px,或者在移动设备上间距看起来不对。有任何工作流程可以缩短这个视觉反馈的循环吗? 欢迎尝试。如果有用,代码HN50(前100名享受50%折扣)和HN20(前1000名享受20%折扣)。 <a href="https://www.nex.design" rel="nofollow">https://www.nex.design</a>