返回首页
最新
嗨，HN，我是Tirth。我创建了code-review-graph，因为我厌倦了Claude Code在每个任务中都要重新阅读我的整个代码库。
当你请求Claude Code审查一个提交或添加一个功能时，它会读取文件以理解代码库。在一个小项目中，这样做是可以的。但在FastAPI（2,915个文件）或Next.js（27,732个文件）中，它会扫描成千上万与您的更改无关的文件。你为那些毫无价值的token付费，而更多的噪音只会让审查变得更糟。
code-review-graph使用Tree-sitter构建了一个持久的代码结构图。每个函数、类、导入、调用和继承关系都存储在本地的SQLite数据库中。当你编辑文件或提交时，它会在不到2秒的时间内重新解析仅更改的文件及其依赖项。然后，Claude查询图形，找出哪些内容发生了变化以及哪些依赖于它，并仅读取相关文件。
在真实提交的生产库上的基准测试结果：
• httpx（125个文件）：减少26.2倍的token
• FastAPI（2,915个文件）：减少8.1倍的token
• Next.js（27,732个文件）：审查时减少6.0倍的token，在实时编码任务中减少49倍
• 审查质量：8.8分（满分10分）对比7.2分
一些技术细节：
• SQLite WAL模式支持并发读取，无需外部数据库
• 使用合格名称（src/auth.py::AuthService.login）避免节点身份冲突，无需作用域解析
• SHA-256哈希跳过：触及但未修改的文件将被完全跳过
• 可选的向量搜索以二进制大对象形式存储在同一个SQLite文件中，无需单独的向量数据库
• 使用NetworkX进行广度优先搜索图遍历，具有在写入时重建的缓存有向图
• 通过Tree-sitter支持12种语言：Python、TypeScript、JavaScript、Go、Rust、Java、C#、Ruby、Kotlin、Swift、PHP、C/C++
没有云服务。没有遥测。没有注册。只需在.code-review-graph/中有一个SQLite文件，仅此而已。PostEdit和PostGit钩子会自动保持图形的最新状态。你的工作流程不会改变。
设置大约需要30秒：
```
pip install code-review-graph
code-review-graph install
```
或者作为Claude Code插件：
```
claude plugin add tirth8205/code-review-graph
```
MIT许可证。大约3,700行类型化Python代码，包含770行测试。
GitHub: https://github.com/tirth8205/code-review-graph
PyPI: https://pypi.org/project/code-review-graph/
欢迎提问关于增量引擎、Tree-sitter集成或基准测试方法论的问题。
<a href="https://www.wired.com/story/bluesky-ceo-jay-graber-is-stepping-down/" rel="nofollow">https://www.wired.com/story/bluesky-ceo-jay-graber-is-stepping-down/</a> (<a href="https://web.archive.org/web/20260309191134/https://www.wired.com/story/bluesky-ceo-jay-graber-is-stepping-down/" rel="nofollow">https://web.archive.org/web/20260309191134/https://www.wired.com/story/bluesky-ceo-jay-graber-is-stepping-down/</a>)<p><a href="https://toni.org/2026/03/09/coming-off-the-bench-for-bluesky/" rel="nofollow">https://toni.org/2026/03/09/coming-off-the-bench-for-bluesky/</a>
这是我经过长时间犹豫后完成的第一个vibecoded项目，欢迎大家提出各种反馈意见。
每当Claude Code思考时，你会有10到60秒的闲置时间，通常用于上下文切换或无目的地刷屏。我将这些时间转化为呼吸练习，以帮助你保持专注并改善心率变异性。<p>当Claude开始工作时，它会自动启动一个tmux窗口，并在工作结束时消失。
我创建了Caloriva，因为我厌倦了其他健身应用中的“搜索-选择-确认”循环。我想要一个可以直接聊天，并自动整理数据的应用。
它的功能包括：
- 解析自然语言，涵盖饮食和锻炼。
- 自动计算营养成分，并跟踪你训练过的肌肉群。
- 界面简洁，没有臃肿的设计，只是一个快速记录和继续你日常生活的方式。
现在可以在 https://caloriva.app 上使用。我非常希望听到你对解析准确性和哪些功能会让你真正从当前的追踪器切换过来的想法。
构建了一个防篡改的执行日志库，用于人工智能系统。<p>SHA-256 哈希链可以检测任何篡改行为。内容可寻址的负载存储。命令行界面 + 网络界面。完全离线工作。<p>Ko-fi: <a href="https://ko-fi.com/s/50fccfeecd" rel="nofollow">https://ko-fi.com/s/50fccfeecd</a>
嗨，HN，我是 Ratschn 的独立开发者。
我打字很多，对当前 Mac 的语音输入工具感到非常沮丧。大多数工具要么是笨重的 Electron 包，要么依赖云 API（这在隐私方面是个噩梦），要么强迫你订阅一个本质上在自己硬件上运行的 SaaS 工具。我想要一个感觉原生、尊重系统资源、并且完全离线运行且不强制订阅的工具。
技术栈是 Rust、Tauri 和 whisper.cpp。以下是我做出的设计决策：
模型大小与准确性：与其使用尽可能小的模型来声称占用空间小，不如在首次运行时下载一个约 490MB 的多语言 Whisper 模型。我发现这是高准确性（口音、专业术语）的最佳平衡点，可以大幅减少文本校正时间。
硬件加速：下载的模型通过 CoreML 编译。这使得转录可以直接在 Apple Neural Engine（ANE）和 M 系列芯片的 Metal 上运行，从而让主 CPU 大部分时间保持空闲。
内存占用：通过使用 Tauri 而不是 Electron，UI 的内存占用几乎可以忽略不计。在积极运行时，应用大约占用 500MB 的 RAM。这在技术上是合理的，因为几乎全部是约 490MB 的 AI 模型在内存中被积极保持，以确保在你按下全局快捷键的瞬间实现即时转录。
输入方式：它使用 macOS 的辅助功能 API 直接在你当前活动的窗口中输入。
商业模式与定价：
我非常不喜欢本地工具的订阅疲劳。提供一个功能齐全的 7 天免费试用（无需账户）。如果你想继续使用，我的主要关注点是公平的一次性购买（€125 终身许可证）。不过，由于我非常重视来自这个社区的技术反馈，我生成了一个独家的启动代码（HN25），在结账时可以享受 25% 的折扣（降至大约 €93 / ~$100）。
漏洞奖励：由于我是独立开发者，我知道我可能错过了一些边缘案例（特别是在特定 M 芯片或奇怪的键盘布局上进行 CoreML 编译时）。如果你发现一个真实的、可重现的 bug，并花时间在这个线程中报告，我将非常乐意手动将你升级为免费终身许可证，以感谢你的质量保证帮助。
我很想听听你们对 Rust/Tauri 架构的技术反馈，或者 CoreML 编译在你特定的 Apple Silicon 设置上的表现。欢迎随时提问！