最新

我过去一年一直在使用AI编码助手（如Claude、Cursor等），并注意到一个空白：没有一个好的中心平台供学习者分享项目、比较工作流程和寻找实用指南。因此，我创建了MakersHub.dev。 当前功能： - 专注于AI辅助开发的学习指南 - 项目展示，分享你所完成的作品 - 讨论区 - 类似HN的AI开发内容新闻推送 技术栈：Next.js、Supabase，部署在Vercel上。大部分功能都是在AI的帮助下构建的，这让我觉得很合适。 目前仍处于早期阶段——已向一小部分订阅者推出，并根据反馈进行迭代。 我很想听听HN的看法，以及关于如何从零开始建立这样一个社区的建议。

我为Apache FreeMarker模板创建了一个基于tree-sitter的语法高亮Zed扩展。FreeMarker是一个Java模板引擎，仍然广泛应用于企业级应用程序，但现代编辑器的支持一直不足。 该扩展通过自定义的tree-sitter语法处理尖括号和方括号语法、混合HTML内容以及所有FreeMarker指令，而不是使用正则表达式。 GitHub: https://github.com/debba/zed-freemarker Zed扩展：搜索“FreeMarker” 我主要是为自己的项目构建这个扩展，但觉得其他维护遗留系统的人可能会觉得它有用。

关于上述三个领域（从基础到高级）的学习，您推荐哪些好的资源，例如书籍、论文、文章、视频等？ 1) 量子计算：这里的抽象计算模型到底是什么？经典计算模型（例如：https://en.wikipedia.org/wiki/Model_of_computation）是否适用？还有哪些新的模型被发明出来？ 2) 量子计算机：这些计算机的物理原理、组织结构和架构是什么？在经典计算机中，有半导体物理、电子元件和电压阈值对应逻辑1和0。这些在量子计算机中对应的是什么？虽然 https://en.wikipedia.org/wiki/Quantum_computing 提供了很多信息，但对于理解来说并不够结构化。 3) 量子编程：在 https://en.wikipedia.org/wiki/Quantum_programming 上提到了很多内容，亚马逊也列出了一些相关书籍，但我对这些内容如何相互关联并不清楚。同时，我了解到量子计算/编程可以在经典硬件上进行模拟，但具体如何实现还不太明白。 附言：一些详细的例子，说明量子计算机/编程如何帮助解决经典计算机无法解决的问题，将有助于将所有内容结合起来。虽然常提到肖尔算法（https://en.wikipedia.org/wiki/Shor%27s_algorithm），但从一个更简单的例子开始可能会更易于理解。 再附言：特别希望听到那些在该领域实际学习、研究或工作的人的看法，了解他们具体做什么、实际应用以及如何学习这个主题。

我构建了一个离线优先的人工智能系统，旨在为那些需要专家指导但无法依赖网络连接或云API的场所提供支持——例如灾难响应、远程诊所和现场操作。 核心理念是：与其信任模型的表现，不如将其限制在一个框架内。该系统使用双模型管道（工作模型生成，审计模型检查），由一个政策引擎管理，该引擎在推理运行之前定义了允许的操作。每次交互都会记录到一个仅追加的审计日志中，并带有校验和链。 主要设计约束： - 离线优先，并具备优雅的回退机制 - 基于政策的切换（操作员设置容量限制，而不是AI行为） - 为有凭证的用户提供分层密钥覆盖（护士看到的选项与急救人员不同） - 针对不同领域的模块化“包”（如医疗分诊、结构评估、水安全等） 这一切始于一个问题：在飓风灾后没有互联网、没有专家且风险极高的情况下，如何部署人工智能？答案并不是“更好的提示”——而是构建一种假设模型会尝试做不该做的事情的架构。 我在寻找对这一架构的反馈。我并非来自人工智能背景——我是从运营/部署的角度切入的——所以我确信还有一些我遗漏的地方。

在70年代，有鲍勃·迪伦这样的艺术家；80年代则是U2；90年代可能是公共敌人（Public Enemy）。但最近似乎没有什么艺术家在创作流行的抗议音乐。我所看到的是真的吗？如果是真的，发生了什么？

这是 hyTags，一种嵌入在 HTML 中的编程语言，用于构建交互式网页用户界面。<p>它最初是为了在 Swift 中编写全栈网页应用而设计的，无需单独的前端，但后来发展成了一种小型语言，具备控制流、函数和通过 HTML 标签处理异步操作的能力。其结果是与后端语言无关，可以从任何能够通过模板或领域特定语言（DSL）生成 HTML 的服务器生成。

我从2000年代初开始构建和销售软件，最初是经典的共享软件。2011年，我进入了App Store的世界，开发了一款iOS预算应用，因为我需要一种简单的方法来跟踪自己的开支。 当时，我的计划是用几个较小的应用来替代一些较大的共享软件项目，以分散风险。但结果并不如我所愿——其中一款应用MoneyControl迅速成长，成为我主要的关注点。 十五年后，这款应用仍然在App Store上架，仍在积极开发中，并且仍然被从1.0版本开始使用的用户所使用。许多那个时代的应用早已消失。 回首往事，这些是我认为最重要的一些事情： 早期开始有帮助，但仅靠这一点并不足够。 早期的曝光确实有所帮助，但长期的维护和可靠性才是留住用户的关键。 专注胜过多样化。 我想要许多小应用，最终却只得到了一个大型且持久的产品。深度专注证明是更可持续的。 长期维护是大部分工作。 适应新的iOS版本、安全迁移数据、处理边缘案例，以及保持旧数据的可用性，比炫目的功能更为重要。 发现性越来越难。 如今在App Store上接触用户比几年前困难得多。价格比过去99美分的时代高，但曝光率并没有改善。 我首先是开发者，而不是营销人员。 我独自工作，偶尔会请自由职业者帮忙。没有员工，也没有增长团队。应用可能在更好的营销下会有更大的增长，但那从来不是我的强项。 要构建可持续的东西并不需要致富。 我并不是为了退出而开发这个。我已经能够靠我的工作生活超过20年，这对我来说就是成功。 构建你真正需要的东西能让你保持诚实。 我所构建的每一个产品都是我个人所需的。这种真实性比任何路线图都更为重要。 本周我发布了版本10，带来了全新的设计和重大技术改进。这感觉不太像一个里程碑，更像是在为应用的下一个阶段做准备。 我很乐意回答关于长期应用维护、独立开发或在多个iOS版本中保持产品活力的问题。