返回首页
最新
嗨，HN！我正在构建Orchestro，这是一个基于AI的任务管理系统，专为Claude Code设计，类似于Trello，但专注于AI辅助开发。
**问题：**
在与Claude Code合作进行复杂项目时，我总是无法跟上AI在多个对话中所做的事情。任务会重复，依赖关系不明确，而且无法看到全局。我需要一种介于简单待办事项列表和复杂Jira之间的解决方案。
**它的功能：**
- 通过分析你的代码库，将用户故事分解为技术任务
- 自动跟踪依赖关系并检测冲突
- 实时进度可视化看板
- 从过去的工作中学习模式，以改善未来的建议
- 完整的AI决策和代码更改审计记录
- 60个MCP工具，用于协调复杂的开发工作流程
**工作原理：**
当你给Claude Code提出功能请求时，Orchestro可以：
1. 分析你的代码库结构（文件、依赖关系、模式）
2. 将故事分解为具体任务，并附上文件引用
3. 检测与现有代码的潜在冲突
4. 跟踪已完成、正在进行和被阻塞的任务
5. 从成功/失败中学习，以便下次改进
**技术栈：**
- 后端：TypeScript、模型上下文协议SDK、Supabase（PostgreSQL）
- 前端：Next.js 14、React服务器组件、TailwindCSS
- 实时：PostgreSQL触发器 + WebSockets
- 传输：标准输入输出（本地运行，完全隐私）
**为什么选择MCP？**
MCP（模型上下文协议）是Anthropic连接AI与外部工具的标准。Orchestro并不是构建另一个AI包装器，而是作为原生工具套件直接集成到Claude Code中。可以把它看作是为Claude Code赋予项目管理的智能。
**与众不同之处：**
大多数MCP服务器是单一功能（如GitHub集成、数据库查询等）。Orchestro是一个完整的工作流协调器，拥有60个相互关联的工具，共同工作：任务分解、依赖分析、模式学习、监护代理（数据库/架构/API验证）以及完整的审计记录。
**当前状态：**
- v2.1.0已在NPM上线：@khaoss85/orchestro
- 已在官方MCP注册表中发布
- 测试覆盖率为96.7%
- MIT许可证，完全开源
**我希望得到的反馈：**
1. “Claude Code的Trello”这个定位是否合适？
2. 你会将其用于个人项目还是主要用于团队工作流程？
3. 还有哪些其他MCP工具可以使其更有用？
4. 功能太多还是刚好适合这个问题空间？
我们的愿景是架起产品经理（以故事思考）、开发者（以代码思考）和AI（可以两者兼顾但需要结构）之间的桥梁。
GitHub: [https://github.com/khaoss85/mcp-orchestro](https://github.com/khaoss85/mcp-orchestro)
演示：在设置后，访问 [http://localhost:3001](http://localhost:3001) 观看看板实时更新
试试它：`npx @khaoss85/orchestro@latest`
欢迎随时提问！
我一直在探索扩散模型，这种模型已经改变了图像和视频生成，如何应用于文本生成。离散扩散模型背后的数学一开始可能会让人感到有些畏惧，因此我整理了一个带注释的 Jupyter Notebook，详细讲解了理论，并构建了一个基于字符级的离散扩散 GPT，该模型是从 Andrej Karpathy 的 baby GPT 进行改编的。与其自回归地生成文本（从左到右），该模型学习并行去噪损坏的文本序列。
这个 Notebook 涵盖了数学框架、离散标记的噪声过程，以及一个基于莎士比亚文本训练的有效实现。
GitHub: [https://github.com/ash80/diffusion-gpt](https://github.com/ash80/diffusion-gpt)
在 Google Colab 中打开: [https://colab.research.google.com/github/ash80/diffusion-gpt/blob/master/The_Annotated_Discrete_Diffusion_Models.ipynb](https://colab.research.google.com/github/ash80/diffusion-gpt/blob/master/The_Annotated_Discrete_Diffusion_Models.ipynb)
欢迎提供反馈和建议。
嗨，HN！我刚刚开源了 Pyversity，这是一个轻量级的库，用于多样化检索结果。大多数检索系统只优化相关性，这通常会导致前 k 个结果几乎完全相同。Pyversity 高效地对结果进行重新排序，以平衡相关性和多样性，呈现出仍然相关但不那么冗余的项目。
主要特点：
- 统一 API：一个函数（diversify）支持几种知名策略：MMR、MSD、DPP 和 COVER（未来会增加更多）。
- 轻量级：唯一的依赖是 NumPy，使得包体积小且易于安装。
- 快速：所有支持的策略都有高效的实现；在毫秒级别内多样化结果。
使用交叉编码器进行重新排序目前非常流行，但也非常昂贵。根据我的经验，通常可以通过更简单、更快速的方法来改善检索结果，比如这个包中实现的方法。这有助于检索、推荐和 RAG 系统呈现更丰富、更具信息量的结果，确保每个新项目都能添加新信息。
代码和文档：github.com/pringled/pyversity
如果您有任何反馈或对其他多样化策略的建议，请告诉我！
我建立了一个微型预测市场，完全依赖于 GitHub Issues，没有外部数据库。每个市场都是关于仓库工作的具体问题，例如：“问题 #123 会在 2025 年 11 月 15 日之前关闭吗？”合作者可以购买 YES/NO 股份来表达他们的看法，价格（0 - 1）反映了团队的集体预测。这有助于规划、优先级排序以及使期望变得透明——而不涉及真实货币。
在技术实现方面：在问题中嵌入了签名的 JSON 快照（市场和账本），使用 LMSR 定价，基于序列的乐观并发控制并支持重试，以及仅限合作者的交易。
我还没有为该仓库部署公共实例——计划在整合初步反馈后进行。仓库链接： [https://github.com/philippnagel/gantt](https://github.com/philippnagel/gantt)
我希望能收到关于治理（每个用户的上限、利益冲突）、哪些问题最有用（截止日期、PR 合并、发布）以及基于评论的交易用户体验的反馈。
我一直喜欢在工作或入睡时有背景噪音，但我发现大多数“白噪音”或环境音应用要么需要付费，要么充满广告，或者试图为基本功能推销订阅服务。
因此，我制作了Ambi，这是一款小巧的iOS应用，界面简洁，提供一系列免费可用的环境声音——如雨声、海浪声、风声、鸟鸣等。你可以混合这些声音，调整音量，随意播放整晚或在工作时使用。所有功能均可离线使用，没有隐藏的收费。
这是我首先为自己开发的，但我想其他人也可能会觉得它有用。欢迎反馈、报告bug和提出建议。
<a href="https://apps.apple.com/app/ambi-white-noise-sleep-sounds/id6753184615">https://apps.apple.com/app/ambi-white-noise-sleep-sounds/id6...</a>
我开发了Hyprvoice，这是一个小工具，可以让你在Wayland上通过语音输入文本——不需要X11，也不需要复杂的桥接。只需按下一个键，开始说话，你的文字就会出现在光标所在的位置。
这个工具是用Go语言编写的，使用PipeWire进行音频处理，并直接与合成器进行通信。工作流程非常简单：
按下键 → 开始录音
再次按下 → 停止并注入文本
通知会显示录音/转录状态，并且它支持多个后端——目前使用OpenAI Whisper，whisper.cpp（本地/离线）正在开发中。
所有操作都通过一个轻量级的守护进程运行，使用Unix套接字进行进程间通信。文本注入使用wl-clipboard和wtype，并具有剪贴板恢复的后备方案。
安装（Arch/AUR）：
```bash
yay -S hyprvoice-bin
systemctl --user enable --now hyprvoice.service
```
然后在Hyprland中添加类似以下内容：
```plaintext
bind = SUPER, R, exec, hyprvoice toggle
```
代码库： [https://github.com/leonardotrapani/hyprvoice](https://github.com/leonardotrapani/hyprvoice)
目前处于测试阶段，但已完全可用。我非常欢迎反馈，特别是来自全职使用Wayland或维护合成器的用户。
不确定这是否与人工智能有关（那个插件是一个独立的功能），但这感觉有些不可思议。似乎在很多情况下，它能够在我开始写一个函数时就知道我想写什么，并自动填充函数体。这可能比人工智能本身更能为我节省时间。