最新

我对人工智能时代的一个期待是，代码审查中情感依附的减少。<p>我的假设是，AI生成的代码会使审查变得更容易，因为对代码的批评不会被视为对作者的批评。<p>然而，我却多次看到人们强烈捍卫AI生成的代码，有时甚至为那些明显错误的AI解释辩护。<p>还有其他人也有这样的观察吗？<p>如果有，你认为是什么原因导致的？你们在团队中是如何处理这种情况的？<p>另外，有人找到有效的方法来减少“引导性问题”提示的影响吗？<p>我非常希望在我们的团队中保持“人参与”的工作模式，但同时我也在想，如果我们转向“循环/工厂/氛围”的模式，生活会不会变得轻松很多。

TV Time在9天内删除了2600万用户的观看历史。<p>我在里面积累了10年的观看记录和5719集节目。因此，我构建了我所需要的东西：一个跟踪器，历史记录保存在您的设备上，任何公司都无法再删除它。<p>在不到一秒的时间内导入您的TV Time导出数据：continuity.tv

我听到越来越多来自各类公司的消息，他们正在构建内部工具或替代SaaS业务。<p>我们基于Playwright构建了一个自动化QA代理，用于对我们自己的产品进行质量检测，实际上只花了一周的时间，我们还在不断为其贡献。我们的QA工程师非常喜欢它。<p>你们正在构建什么样的东西或产品呢？

我自己也在寻找这个，但觉得进行一次实际的讨论是很有必要的。我对大型语言模型（LLMs）的基准测试方面还比较陌生。 例如，我看过 eyeballvull [1]。这个项目看起来很有前景，但我没有看到广泛的支持。我尊重作者仍然在坚持这个项目。我正在寻找的是一个代理能够全面扫描代码库的基准测试。 但我也在想：或许还有其他我尚未了解的项目。 冒着可能被淹没的风险，对于那些对安全意识的软件工程（无论是否使用代理）感兴趣的人，我们来聊聊吧！我的邮箱在我的个人资料中。 [1] https://arxiv.org/abs/2407.08708