最新

Duck（<a href="https://duck-lang.dev" rel="nofollow">https://duck-lang.dev</a>）是一种静态类型的编译型编程语言，结合了Rust、TypeScript和Go的优点，旨在为全栈开发提供一种替代方案，同时尽可能保持熟悉感。 相较于Rust的改进： - 垃圾回收简化了网络应用程序的开发 - 无需生命周期管理 - 内置的并发运行时和用于Web开发的API 相较于bun/node/typescript的改进： - 由于Go对并行执行和本地代码生成的支持，性能大幅提升 - 部署更简单，因为Duck编译为一个静态链接的本地可执行文件，无需依赖 - 复杂性和成本降低，因为单个Duck部署的扩展能力远超任何运行JavaScript的应用 - 使用duckup（编译器版本管理器）和dargo（构建工具）简化工具链管理 相较于Go的改进： - 更具表现力的类型系统，支持联合类型、Duck类型和对可变性的更严格控制 - 采用类似jsx的语法进行服务器端渲染，以及用于前端开发的preact组件 - 基于联合类型的更好错误处理 - 基于Rust的tailwind重实现，直接集成于语言中（但可选使用） - 类型安全的JSON API

大约一年前，一个科幻书籍的构思出现在我的脑海中。我立刻意识到尽管没有任何写作经验（而且工作也很繁忙），我必须将这个想法付诸实践。在2025年，我参加了写作圈，提升了自己的写作能力，并构建了故事的框架。以下是第一章。希望你喜欢 :)

我开发了MyStats，这是一个基于人工智能的自我发现引擎，能够分析日记条目以提取隐藏的心理模式。<p>演示：<a href="https://mystats-eta.vercel.app" rel="nofollow">https://mystats-eta.vercel.app</a> GitHub：<a href="https://github.com/kks0488/mystats" rel="nofollow">https://github.com/kks0488/mystats</a><p>主要功能： - 自由记录日记 → AI提取技能、特质和原型 - 深度心理画像（灵感来源于荣格心理学） - 基于个人资料生成个性化策略 - 100%本地存储（IndexedDB） - 无后端，无追踪 - 韩语/英语双语输出<p>技术：React 19、TypeScript、Vite、Tailwind、多种AI API（Gemini/OpenAI/Claude/Grok）<p>有趣的部分是“原型检测” - AI根据你对自己的描述识别出“系统架构师”或“反思型成长者”等模式。<p>采用“Vibe Coding”理念构建 - 以AI辅助开发为重点，快速交付。初稿由Gemini撰写，经过Claude Opus 4.5精炼，最终由GPT-5.2 Codex完成。<p>非常希望能得到HN社区的反馈！

嗨，HN， 我发现谷歌地图在我只想知道“那是什么建筑？”或“这里发生了什么？”时，常常显得过于杂乱。 为了解决这个问题，我简单地开发了一个小工具。它通过维基百科的API提供一个干净的界面，根据你的确切位置显示相关的文章。我在英国旅行时一直在使用它，发现它在寻找隐藏的宝藏方面非常有效。 目前这是一个简单的概念验证工具，但我希望能进一步扩展。如果你觉得它有用，或者在你的地点出现问题，请告诉我！

为什么苹果的语音转录如此糟糕？<p>即使在2到3年前，OpenAI的Whisper模型在离线状态下也能提供更好、几乎即时的语音转录，而该模型的大小仅约为500MB。在这样的背景下，很难理解苹果的转录服务为何在强大的在线服务器上表现如此糟糕。<p>以下是我刚刚使用iOS原生应用时的真实示例：<p>- “BigQuery update” → “bakery update”<p>- “GitHub” → “get her”<p>- “CI build” → “CI bill”<p>- “GitHub support” → “get her support”<p>这些并不是生僻词汇——它们都是软件领域中非常常见的词汇，在日常对话中清晰地表达出来。与几年前即使在完全离线的情况下所能达到的准确性相比，这种差距显得尤为明显。<p>这主要是模型质量问题、流媒体/分段问题、激进的后处理，还是苹果语音处理架构中的某种结构性问题？真正的技术限制是什么？尽管现代硬件和云处理技术已经存在，为什么转录服务仍未得到改善？

在我攻读理论物理博士学位期间，我花了相当多的时间研究椭圆边值问题。我意识到这些问题能够从相对低维的输入（边界形状和条件）中生成令人满意的空间模式。与此同时，我接触到了线积分卷积（LIC），它可以生成具有丰富微观结构的矢量场的极其美丽的可视化效果。 我发现将LIC与椭圆偏微分方程结合起来，可以为制作二维视觉艺术提供非常丰富的基础元素。因此，在过去几个月里，我与Opus 4.5一起努力，开发出一个完整的绘图程序。目前，我只支持泊松方程和双调和方程，尽管我计划添加其他一些物理模型，以产生有趣的图案（例如，金兹堡-朗道超导方程）。 Elliptica 仍处于alpha阶段，但正在积极开发中，应该可以使用。