最新

学生们不仅仅是解决问题，而是创造问题——从语言、文化、逻辑、创造力和现实世界的知识中汲取灵感。<p>每一轮，人类和人工智能都会尝试这些测试。课堂上随后会分析结果，学习人工智能为何失败或成功，并进行迭代以设计更具“人类优势”的挑战。<p>这既是游戏，又是人工智能素养的课程，同时也是对人类思维独特性的探索——至少在目前是这样。

也许你也有过这样的经历：你构建了一个让自己感到自豪的项目，使用低声望的账号在HN上发布，结果却是……寂静无声。零票数，零评论。 这就是我上周一的遭遇。我发布了我用AI辅助构建的编码工具（XaresAICoder - 一个开源的浏览器IDE）。在我看来，这是革命性的。但在HN上？完全被忽视。 然后我开始思考：还有多少其他潜在的优秀项目也遭遇了同样的命运？我们错过了哪些“隐藏的宝石”，因为它们来自低声望的账号？ 于是我创建了hn-gems（在Claude的帮助下，以及我自己的XaresAICoder）。它的工作分为两个阶段： 1. **持续扫描**：分析所有来自声望低于100的账号的新HN帖子，根据技术价值、原创性和解决问题的能力进行评分。 2. **AI策展**：每12小时，LLM会深入分析前10个候选项目，检查GitHub仓库、文档质量和实际效用。 最终的结果就是你在链接中看到的——一个经过策划的被忽视的优质帖子列表，值得更多关注。 有趣的是：我几乎没有写任何评分标准。我只是告诉Claude“开源好，纯商业坏，工作演示好”，然后让它自行判断评分。AI的评估在每次运行中略有不同，这实际上让它更有趣。 GitHub: [https://github.com/DG1001/hn-gems](https://github.com/DG1001/hn-gems) 这有用吗？如果有必要，你有什么想法可以改进这个工具吗？ （对了，我的XaresAICoder得了0票？AI认为它其实相当不错。我把这个当作一个胜利。）

基于开源Python的事件和会话存储实现，用于MCP（多通道处理）和一个ASGI（异步网关接口）包装器，支持跨节点的会话接入、故障转移以及无粘性会话的扩展。它部分解决了MCP在扩展时的会话和状态性问题，通过使用会话存储（适用于服务器概念）。新的服务器请求和中断的流可以由任意实例分别处理和恢复。 *依赖于从服务器获取流的采样/引导/客户端概念仍然绑定于同一节点。