我对“氛围编码”这一趋势稍显迟钝。虽然我曾经尝试过使用大型语言模型（LLMs）进行简单的脚本编写，但我并没有真正将它们融入我的工作流程中。不过，最近我有了一个需求，决定全力以赴。
我使用 Supernote A5X2 来做笔记，但找不到完美的点阵网格。我想要一个简单的——轻便、6mm 间距的点阵网格。我在网上找到的每一个生成器都有一个问题：要么在页面上加水印，要么在角落里强行放上他们的logo，或者根本就无法使用。
通常，构建一个自定义 PDF 生成器意味着要花一个小时查阅文档，找到合适的库并弄清楚坐标系统。但我没有时间奢侈，所以我给 Gemini 提供了一个提示，详细描述了我想要的内容：命令、参数，以及我期望得到的结果。
根据这些指示，它生成了一个使用 BeautifulSoup 的功能性 Python 脚本，我想是这样的（我没有原始的 Python 代码，Gemini 决定删除它）。效果非常好。经过几次后续提示来调整间距和点密度，我得到了一个几乎完美的 PDF。
这个脚本对我来说很好用，但我想与 Supernote 社区分享。大多数用户不会安装 Python 并运行终端命令来获取一个笔记本模板。我需要一个网络应用程序。但我不想运行一个服务器来生成 PDF。我想要一个静态文件，可以在 GitHub 上托管。
我再次向 Gemini 提出了一个新挑战：“给我构建一个纯 JavaScript 应用程序，完全在浏览器中生成这个 PDF。”
Gemini 使用客户端库生成了 HTML、CSS 和 JavaScript 文件。在经过几轮“打磨氛围”——调整用户界面和优化 PDF 输出后，我得到了我想要的效果。
你可以在这里查看最终产品 <a href="https://satran.github.io/grid-generator" rel="nofollow">https://satran.github.io/grid-generator</a>，源代码可以在 GitHub 仓库中找到 <a href="https://github.com/satran/grid-generator" rel="nofollow">https://github.com/satran/grid-generator</a>。
回顾过去，我最享受的并不是速度，而是框架的搭建。我不需要研究哪个 JS 库最适合 PDF 生成；LLM 选择了一个标准库并正确地实现了它。它创建了应用程序的结构“骨架”，让我可以专注于补充和完善细节，而不是编写样板代码。我从一个小烦恼变成了一个面向公众的工具，所花的时间远比传统方式少得多。我想我正式成为了信徒。这就是我想要的：我可以专注于代码的意图，让 LLM 处理语法。
返回首页
最新
AI 编程助手虽然速度快，但缺乏规范性。它们在没有明确规范的情况下，从构思跳到实现，文档与代码之间脱节。“最佳实践”变成了可选建议。
我创建了 govctl 来解决这个问题。它是一个有明确观点的治理命令行工具，强制软件开发遵循阶段性纪律：
```
规范 → 实现 → 测试 → 稳定
```
每个功能在实现之前都需要提交 RFC（请求评论）。各个阶段不能跳过，检查点是强制的，而不是建议的。
工作流程：
```
$ govctl new rfc "缓存策略" # 首先是规范
$ govctl finalize RFC-0015 规范 # 锁定规范
$ govctl advance RFC-0015 实现 # 现在可以编码了
$ govctl check # 验证一切
```
govctl 自我管理。命令行工具中的每个功能在编写任何代码之前都已在 RFC/ADR（架构决定记录）中进行了规范。这份仓库证明了这一模型的有效性。
并不适合所有人。如果你喜欢“快速行动，打破常规”的工作流程，这个工具可能不适合你。但如果你对 AI 生成的杂乱代码和不真实的文档感到沮丧，govctl 可能会有所帮助。
使用 Rust 编写，采用 MIT 许可证。
我一直热爱即时战略（RTS）游戏，并且想制作一款类似的游戏已经很久了。我想尝试围绕RTS中的资源采集元素构建一个迷你/益智游戏。
<p>目标：你在中心有一个基地，需要在尽可能短的时间内开采并“提炼”地图上的所有资源。</p>
<p>默认情况下，游戏会自动进行，但并不是最优（移动和购买升级）。你可以通过按钮禁用这个功能。你可以选择无人机，右键点击将它们移动到特定的资源点，并在获得升级点时购买升级。</p>
<p>我实现了三个不同的关卡和一些基本音效。我使用了Phaser作为游戏库（这是我第一次使用它）。在移动设备上运行效果不佳。</p>
我从零开始用VHDL构建了一个新的8位CPU（从指令集架构开始）。我觉得大多数教育用软核在抽象层面上隐藏了太多内容。例如，如果我可以通过一个调用优化过的算术库的单一赋值来完成a+b，那么我为什么要学习涟漪进位加法器呢？如果我可以像使用编程语言那样用一个简单的PROCESS语句来完成所有控制逻辑，那我为什么还要学习触发器呢？当然，抽象是硬件描述语言的主要卖点，但如果我严格保持结构性，只依赖于ieee.std_logic_1164，是否可行呢？
结果是可行的，并且效果很好。没有使用算术库，除了DFF组件外没有其他PROCESS。当然，与优化过的核心相比，这个设计在资源使用上有点“资源消耗大”（例如，内存是由触发器构建的，而不是利用FPGA内部存储器的块RAM），但你实际上可以实时追踪数据路径中的每个信号。
我还用C99编写了一个汇编器，没有使用外部库（请多包涵，我觉得我的代码非常原始）。我将Sci1（Scintilla）、GHDL和GTKWave打包成一个单一的安装程序，这样你就可以编写汇编代码并立即查看波形，而无需花费数小时配置模拟器。目前仅支持Windows，但我总有一天会在Linux上实现这个功能。我在Tang Primer 25K和Cyclone IV上进行了测试，并且包含了我的Gowin、Quartus和Vivado项目文件。这应该能让你在FPGA上轻松运行。
所有内容都遵循GPL3协议。
（编辑：我没有使用人工智能。对于VHDL来说，这并不是浪费时间，因为我的设计太新颖了——但即使是进行测试也会浪费我的时间，因为那些大型语言模型对于x86/ARM训练得太好了，而我的标志逻辑源自6502/6800，甚至我的涟漪进位加法器在减法时也不会翻转进位位。关键是——人工智能无法提供帮助。它只是一味抱怨我的汇编器的C代码不符合2026年的标准。）
我创建了一个包，使用 Raph Levien 的 Vello 作为在 WebGPU 上为 React 提供的超快速 2D 渲染器。它使用 WASM 连接到 Rust 代码。
ChunkHound的目标很简单：提供以本地为优先的代码库智能，帮助您按需获取深入的核心开发级见解，生成始终最新的文档，并能够从小型代码库扩展到企业级的单体代码库——同时保持免费、开源和与提供商无关（支持VoyageAI、OpenAI、Qwen3、Anthropic、Gemini、Grok等）。<p>我非常希望听到您的反馈，如果您已经提供了反馈，感谢您成为这段旅程的一部分！