最新

你好，我是一名在纽约市的K-8科技教师。我的学生迫切需要新的硬件。他们现在使用的Chromebook速度太慢，导致孩子们在使用时感到烦躁。 我知道有不同的资助机会，但我觉得在这里询问一下，看看是否有更快的解决方案来为他们获取新硬件，是值得的。 谢谢你的倾听。

我向同事询问有关某个系统的问题，或者他们为什么这样做，或者他们的看法。其中一些人的回答听起来非常像是人工智能生成的，有时甚至完全偏离了主题。这有什么意义呢？如果我想要一个人工智能的回答，我自己就可以去问。 这让我有些困扰，因为如果我能预期到这种回答，那这说明他们在工作中投入了多少思考呢？即使他们在所有与编码相关的工作中都使用人工智能，这也让人感到疑惑。

嗨，HN！我开发了Upti，这是一款小型应用程序，用于监控主要云服务提供商的状态页面，并在发生故障或事件时通知您。 <p><pre><code> 我为什么要制作它： - 我希望能在一个地方简单地跟踪各个服务提供商的服务中断 - 官方状态页面虽然有用，但信息分散 - 我需要快速、可操作的通知 Upti的功能： - 抓取服务提供商的状态/事件页面 - 发送故障/事件警报 - 保持体验轻量且快速 我希望获得反馈： - 我应该优先考虑哪些服务提供商/服务 - 警报质量（过于嘈杂 vs 过于迟缓） - 什么能让这个工具对SRE/DevOps工作流程真正有用 如果有需要，我很乐意分享实施细节。</code></pre>

嗨，HN，我开发了一个Laravel包，它将Claude Code CLI封装为PHP应用程序的库。 问题是：Claude Code功能强大（文件操作、bash、代码编辑、子代理、MCP），但它是一个命令行工具。如果你想从网页应用程序中使用这些功能，之前没有一个干净的PHP接口。 这个SDK通过子进程与Claude Code进行通信，解析流式JSON输出，并提供一个流畅的PHP API，具备完整的类型安全。 技术亮点： - 基于生成器的流式处理（内存高效） - 完整的消息/内容块解析，使用类型化类 - 子代理编排（将任务委派给专业代理） - MCP服务器集成（标准输入输出 + SSE） - JSON模式结构化输出 - 会话恢复和多轮对话的分叉 - 支持PHP 8.1+，具备只读属性、枚举、命名参数 该项目采用MIT许可证。欢迎对架构和API设计提出反馈。

Manifold。可以在同一个项目上并行运行Claude Code、Codex和Gemini CLI。<p>我希望能够同时在同一个项目上运行多个AI编码代理，以便能够同时实现多个规格。每个代理都有自己的git工作树、自己的分支和一个真实的终端。没有任何封装。您可以看到与在CLI中看到的完全相同的内容，但可以同时查看三个代理的输出。<p>为每个任务选择合适的CLI。在执行过程中调整代理。当它们完成时创建PR。<p>Manifold的50%是用Manifold构建的。适用于macOS，开源，版本0.1。欢迎反馈。

三天前，我在这里发布了 OctoFlow 0.83（GPU 原生编程语言，2.2 MB 二进制文件）。反馈非常好。从那时起，我推出了 v1.0.0，这是我一直在努力构建的内容：一个 GPU 虚拟机。 这个想法是：GPU 是计算机，CPU 是 BIOS。 你启动一个虚拟机，编程一个内核实例的调度链，使用 vkQueueSubmit 提交一次，然后所有的操作——层执行、层间通信、自我调节、压缩、数据库查询——都在 GPU 上完成，而无需 CPU 的往返。CPU 仅提供输入/输出。 ```rust let vm = vm_boot() let prog = vm_program(vm, kernels, 4) vm_write_register(vm, 0, 0, input) vm_execute(prog) let result = vm_read_register(vm, 3, 30) ``` 4 个虚拟机实例，一次提交，阶段之间没有 CPU 参与。 内存模型包含 5 个 SSBOs：寄存器（每个虚拟机的工作内存）、指标（调节信号）、全局（共享可变——KV 缓存、数据库表）、控制（间接调度参数）、堆（不可变的批量数据——量化权重）。 使其有趣的地方： - 自我稳态调节器：每个虚拟机实例都有一个内核，监控激活规范、内存压力和吞吐量。GPU 自我调节，无需 CPU 的干预。 - GPU 自我编程：一个内核将工作组计数写入控制缓冲区，下一次 vkCmdDispatchIndirect 会读取这些计数。GPU 自行决定工作负载。 - 压缩作为计算：Q4_K 反量化、增量编码、字典查找——这些只是调度链中的内核，而不是一个特殊的子系统。添加一个新的编解码器 = 编写一个发射器。无需更改 Rust。 - CPU 轮询：指标和控制是 HOST_VISIBLE 的。CPU 可以轮询 GPU 状态，并在不重建命令缓冲区的情况下激活休眠的虚拟机。GPU 广播需求，CPU 满足这些需求。 虚拟机是与工作负载无关的。同样的架构可以处理 LLM 推理、数据库查询、物理仿真、图神经网络、数字信号处理管道和游戏 AI。我们已经验证了这六种情况。调度链是通用原语。 v1.0.0 中的新内容超越了 GPU 虚拟机： - 247 个标准库模块（从 51 个增加） - 原生媒体编解码器（PNG、JPEG、GIF、MP4/H.264——无需 ffmpeg） - 带有 15 个以上小部件的 GUI 工具包 - 终端图形（Kitty/Sixel） - 1,169 个测试通过 - 仍然是 2.3 MB，仍然没有外部依赖 零依赖的情况是真实的——没有 Rust crate。该二进制文件链接到 vulkan-1 和系统库，别无其他。cargo audit 没有任何需要审计的内容。 登陆页面：[https://octoflow-lang.github.io/octoflow/](https://octoflow-lang.github.io/octoflow/) GPU 虚拟机详情：[https://octoflow-lang.github.io/octoflow/gpu-vm.html](https://octoflow-lang.github.io/octoflow/gpu-vm.html) GitHub：[https://github.com/octoflow-lang/octoflow](https://github.com/octoflow-lang/octoflow) 下载：[https://github.com/octoflow-lang/octoflow/releases/latest](https://github.com/octoflow-lang/octoflow/releases/latest) 我是一名开发者。这是早期版本。GPU 虚拟机可以正常工作，测试通过且位精确，但前方还有很多路要走——真正的大规模 LLM 推理、多智能体编排、完整的数据库引擎。我希望能收到任何与 GPU 计算、Vulkan 或语言设计相关的反馈。