Anthropic的研究表明，提示结构比模型选择更为重要。Flompt可以接收任何原始提示，将其分解为12个类型的模块（角色、上下文、目标、约束、示例、思维链、输出格式等），并将这些模块编译成Claude优化的XML格式。
有三种接口：网页应用（React Flow画布）、浏览器扩展（注入到ChatGPT/Claude/Gemini工具栏中）以及用于Claude代码的MCP服务器。
技术栈：React + TypeScript + React Flow + Zustand，FastAPI + Claude API后端，Caddy。
免费，无需账户，开源。演示视频：<a href="https://youtu.be/hFVTnnw9wIU" rel="nofollow">https://youtu.be/hFVTnnw9wIU</a>
返回首页
最新
我开发了 sqry，这是一款在语义层面而非文本层面进行本地代码搜索的工具。
动机：虽然 ripgrep 在查找字符串方面表现出色，但它无法告诉你“谁调用了这个函数”、“这个函数调用了什么”或“找到所有返回 Result 的公共异步函数”。这些问题需要理解代码结构，而不仅仅是匹配模式。
sqry 使用 tree-sitter 将你的代码解析为抽象语法树（AST），构建统一的调用/导入/依赖图，并允许你进行查询：
```
sqry query "callers:authenticate"
sqry query "kind:function AND visibility:public AND lang:rust"
sqry graph trace-path main handle_request
sqry cycles
sqry ask "find all error handling functions"
```
`sqry ask` 命令将自然语言翻译为 sqry 查询语法，使用一个紧凑的 2200 万参数模型，无需网络调用。
一些可能对 HN 有趣的内容：
- 通过 tree-sitter 支持 35 种语言插件（C、Rust、Go、Python、TypeScript、Java、SQL、Terraform 等）
- 跨语言边缘检测：FFI 链接（Rust↔C/C++）、HTTP 路由匹配（JS/TS↔Python/Java/Go）
- 33 工具的 MCP 服务器，使 AI 助手获得准确的调用图数据，而不是依赖于嵌入相似性
- 基于 Arena 的图，使用 CSR 存储；索引查询运行时间约为 4 毫秒
- 循环检测、死代码分析、git 引用之间的语义差异
该项目采用 MIT 许可证，并且需要使用 Rust 1.90 以上版本从源代码构建。请注意：完整构建需要约 20 GB 的磁盘空间，因为 35 个 tree-sitter 语法需要从源代码编译。
仓库： [https://github.com/verivusai-labs/sqry](https://github.com/verivusai-labs/sqry)
文档： [https://sqry.dev](https://sqry.dev)
欢迎就架构、自然语言翻译方法或跨语言检测提出问题。
我使用codex/claude构建了这个，因为我怀念Ubuntu上的gTile，找不到一个在大超宽屏上感觉良好的macOS平铺工具。我尝试的多数mac选项对我的工作流程来说都太僵化了（固定布局等），或者需要每月订阅。gTile的“自定义网格大小 + 键盘操作流”正是我多年来一直想要的功能。
虽然在某些地方仍然有些粗糙，且功能尚未完全对等，但现在已经非常可用了，我每天在工作中都在使用它（被迫使用mac）。
[1]: [https://github.com/gTile/gTile](https://github.com/gTile/gTile)
PlateSpinner 是一款本地网络应用，通过看板管理 AI 编码代理。您只需指向一个项目目录，描述您的需求，它就会启动无头的 Claude Code / Codex / Gemini 会话来生成任务、规划实现和编写代码。
工作流程为：提议 → 计划 → 执行。生成和规划在只读模式下运行，而执行则拥有完全的写入权限，可以创建分支、提交更改，并捕获差异以供审查。还有一个“自动点击器”模式，AI 判断会不断决定下一步该做什么——提议、计划或执行，您可以选择只是观看。
该应用使用 React + Express + WebSocket 构建。它并不直接调用任何云 API，而是像您从终端一样调用 CLI 工具。
Auto-Co 是一个自主的人工智能公司操作系统——不是一个你可以构建的框架，而是一个具有明确结构的运行系统。
架构：
- 14个具备专家角色的代理（CEO/贝索斯，CTO/沃戈尔斯，CFO/坎贝尔，评论员/芒格……）
- Bash 循环 + Claude 代码命令行接口——没有自定义推理，没有向量存储
- 共享的 Markdown 共识文件作为跨周期的接力棒
- 仅针对真正的阻碍通过 Telegram 进行人工升级（在12个周期中进行了2次升级）
- 每个周期必须产生成果：代码、部署、文档
这个代码库就是活生生的公司。它自主构建了自己的登陆页面、README、Docker 堆栈、GitHub 发布和社区帖子——在12个自我改进周期中全部完成。
与 AutoGen/CrewAI/LangGraph 的不同之处在于：那些是构建模块。Auto-Co 是建筑本身。决策层级、安全防护措施和收敛规则都是内置的。你只需给它一个任务和一个 Claude API 密钥；它就能运行。
评论员代理（芒格角色）是最有价值的：它在每个重大决策之前进行预先评估，并在一些糟糕的想法被实现之前将其否决。
技术栈：Bash + Claude CLI + Node.js + Next.js + Railway + Supabase。故意保持简单。
克劳德无疑是目前最好的人工智能工具，但我看到许多开发者提交了低质量的PR，并失去了独立编程的能力。我使用人工智能是因为公司施加的压力，但我已经是一名高效的开发者，现在在现有的倦怠感上又感到不堪重负，而人工智能正在夺走我编码的乐趣。
人工智能还加剧了人类对气候变化的影响，市民们通过与数据中心的水资源竞争和不断上涨的电费承担着代价。更不用提赫格塞斯可能利用人工智能来确定在伊朗的打击目标，导致女学生失去生命。
有没有公司认为，干净的代码、设计模式、标准化的代码片段等性能更好且比人工智能更便宜？