返回首页
最新
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！
- 比Ghostty Docs更直观的视图
- 直接编辑配置，无需打开新的文本编辑器
- 按名称或描述搜索
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。
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。
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。
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。
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！
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>