最新

嗨，黑客们， 我正在构建一个工具，让你可以一次性告诉你的收件箱该怎么做，然后它就会自动执行。 这个想法很简单：你不需要手动过滤、标记或回复邮件，而是可以写一些自然语言的规则，比如： ### 用户 - 所有来自 Cal.com 的邮件，标题中包含“Onboarding” @已读 - 所有来自潜在用户咨询的邮件 @回复 @文档("most-faq") ### 支持 - 所有来自当前用户请求帮助的邮件 @回复 @文档("support-guide") 这个 AI 会读取你的收件箱，学习你的规则，并将其应用到每一封新邮件上。 你可以把它想象成一个可编程的个人收件箱。无需翻阅设置或点击过滤器，你只需描述你想要的，系统会处理其余的。 你觉得这个想法怎么样？它会是一个有用的工具，人们会愿意为此付费吗？

我创建了Bobby，一个Discord机器人，集成了Claude Code用于代码库分析，同时完全自托管以保护隐私。 ## 问题 开发团队面临着不断的干扰： - 利益相关者询问“我们的应用程序支持X功能吗？” - 产品经理创建模糊的任务单，需要经过3次以上的细化 - 开发人员切换上下文以回答基本的代码库问题 - 当团队成员不可用时，知识孤岛现象加剧 ## 解决方案 Bobby充当一个随时可用的高级开发人员，了解你整个代码库。基于Claude Code构建，它提供即时答案，同时通过自托管保持完全隐私。 *核心功能：* - 分析代码架构并解释复杂函数 - 检测错误并自动创建GitHub问题 - 在不打扰开发人员的情况下回答利益相关者的问题 - 通过Discord线程保持对话上下文 - 设计为只读（仅分析，不修改代码） ## 技术架构 *技术栈：* - Node.js/Bun运行时与Discord.js - Claude Code CLI用于AI驱动的分析 - GitHub CLI用于自动创建问题 - 带有自动设置的Docker容器 *关键技术特性：* - 实时JSON解析的流式响应 - 基于线程的会话管理以保持上下文 - 火并忘记的并发模型（每条消息生成独立的Claude进程） - 针对Discord限制优化的全面系统提示 - 服务器白名单和权限控制 *一行部署：* ```bash docker run -d --name bobby \ -e DISCORD_TOKEN=token \ -e ANTHROPIC_API_KEY=key \ -e GITHUB_REPO=owner/repo \ stewart86/bobby:latest ``` ## 隐私优先设计 与SaaS替代方案不同： - 你的代码永远不会离开你的基础设施 - 你创建并控制自己的Discord机器人 - 与Anthropic的直接API关系（没有中介） - 隔离的Docker环境 - 完整的审计记录 ## 现实世界的影响 经过几个月与我的团队进行内部测试： - 开发人员在回答基本问题时的干扰减少了70% - 利益相关者获得即时答案，而不是等待会议 - 产品任务单附带适当的技术背景 - 在正常对话中进行错误检测 *示例工作流程：* 1. 产品经理询问：“用户可以通过电子邮件重置密码吗？” 2. Bobby分析身份验证流程并在30秒内作出回应 3. 如果发现错误，自动创建带有技术细节的GitHub问题 ## 开源与生产就绪 - *GitHub*: [https://github.com/Stewart86/bobby](https://github.com/Stewart86/bobby) - *Docker Hub*: [https://hub.docker.com/r/stewart86/bobby](https://hub.docker.com/r/stewart86/bobby) - MIT许可证 - 通过GitHub Actions自动发布Docker - 全面的文档和设置指南 Claude Code的分析能力与Discord的可及性相结合，创造了独特的开发者体验，缩小了AI工具与团队协作之间的差距。 为重视AI辅助和数据隐私的团队而打造。

我每天都在使用大型语言模型（LLMs）来处理一些事情，比如： - 解决一些只需要应用知识的任务（“这是我 Python 导入结构的粘贴。我不常写 Python，我知道我在这里做错了什么，因为我收到了这个错误，请告诉我如何正确组织这个包。”）。 - 编写自包含的临时代码片段（“这是我 DESCRIBE TABLE 输出的粘贴，写一个 SQL 查询来显示中位数……”）。 - 作为调试伙伴（“我可以直接 SSH 到这个主机，但 Ansible 连接失败并出现这个错误，这种差异可能是什么原因？”）。 所有这些用例都运行得很好，我节省了很多时间。但在我主要的代码编写工作中，我几乎从未取得过成功。我尝试过： - Cursor（不记得具体使用哪个模型，默认的） - Google 的 Jules - OpenAI Codex 的 o4 版本 我发现，在所有情况下，模型的基本能力显然是存在的（模型可以理解和编写代码），但整体价值却远远不够。它可以编写出“有效”的代码，但要让它生成我愿意维护并“署名”的代码所花的时间比我自己写代码还要长。 我不得不对它们进行无尽的微管理（“确保重新运行格式化工具，确保所有测试通过”和“请遵循代码库的编码风格”。“你添加了无关的注释，去掉这些。” “你重构了大部分文件，但忘记了一个函数。”）。在琐碎问题上需要进行很多次迭代，而由于这些迭代进展缓慢，这意味着我不得不频繁切换上下文，这也让人感到疲惫。 基本上，这就像有一个实习生，他成功地掌握了编程的核心技能，但在良好的协作能力上却不太行，需要时刻有人照看。 我问了一些热衷于编码的朋友，他们基本上说“你的标准太高了”。 这里成功的模型是否是你只需说“我不在乎代码质量，因为我不需要维护它，因为我也会用 LLMs 来处理这个？”我是不是没有正确使用这些工具？

最初是作为一个计时器，用来记录我的自由职业编码时间并保持专注。它是本地使用的，无需登录，设计简约。目前还没有盈利计划，只是想看看其他人是否觉得它有用。欢迎反馈。