返回首页
最新
我们创建 GitAgent 是因为我们不断遇到同样的问题：每个代理框架对代理的定义都不同，而切换框架意味着需要重写所有内容。<p>GitAgent 是一个规范，它将 AI 代理定义为 git 仓库中的文件。<p>三个核心文件——agent.yaml（配置）、SOUL.md（个性/指令）和 SKILL.md（能力）——为您提供一个可移植的代理定义，可以导出到 Claude Code、OpenAI Agents SDK、CrewAI、Google ADK、LangChain 等平台。<p>作为 git 原生工具，您可以免费获得以下功能：<p>1. 代理行为的版本控制（像回滚错误提交一样回滚错误提示）
2. 环境推广的分支管理（开发 → 测试 → 主分支）
3. 通过 PR 实现人机协作（代理学习一项技能 → 打开一个分支 → 人类在合并前进行审核）
4. 通过 git blame 和 git diff 提供审计跟踪
5. 代理的分叉和重混（分叉一个公共代理，进行定制，然后将改进通过 PR 反馈回去）
6. 使用 GitAgent 在 GitHub Actions 中实现 CI/CD<p>CLI 让您可以直接运行任何代理仓库：<p>npx @open-gitagent/gitagent run -r <a href="https://github.com/user/agent" rel="nofollow">https://github.com/user/agent</a> -a claude<p>合规层是可选的，但如果您需要，它也可以提供——风险等级、监管映射（FINRA、SEC、SR 11-7）和通过 GitAgent 审计生成的审计报告。<p>规范可以在 <a href="https://gitagent.sh" rel="nofollow">https://gitagent.sh</a> 找到，代码在 GitHub 上。<p>非常希望能收到关于架构设计的反馈，以及大家希望下一个支持的适配器。
嗨，HN！<p>我一直喜欢那些收集各种生物并追求100%完成度的游戏（咳咳，口袋妖怪）。<p>我制作了BirdDex，旨在将这些游戏的乐趣带入现实生活。<p>它的工作原理是：你拍摄一张鸟的照片，通过人工智能识别其物种，并将其添加到你的个人BirdDex收藏中。<p>每张照片根据物种的稀有程度获得经验值（XP），你的目标是尽量“捕捉”你所在地区的所有鸟类（每个国家的列表来自维基百科）。<p>非常欢迎任何反馈或想法！
每个人都在创作。打开任何社交平台，比如Twitter、LinkedIn或HN，你会发现每天都有新项目。人工智能让从一个想法变成一个可工作的产品变得如此简单。
如果你不是开发者，或者刚刚起步，或者只了解软件的某个领域，人工智能对你来说是个了不起的工具。你可以构建以前无法实现的东西。如果你已经有经验，现在的速度会快得多。这两种情况都很棒。
我认为我们也可以用同样的热情去学习新事物。不仅仅是用人工智能来写代码，而是用它来理解以前没有时间去理解的内容。多读书，深入新领域，建立实际的知识。
例如，如果你是一名软件工程师，始终想学习硬件，现在是最好的时机。人工智能可以带你了解电路，解释数据表，帮助你调试固件。这些以前需要多年经验才能入门的东西，现在变得更加容易。
大型语言模型可能是有史以来最好的学习工具，但我们大多数人主要用它来跳过学习过程。我相信编程助手非常适合这个工作！
我最近开始这样做。我使用Claude Code的频率减少了，更多的是用它来“帮助我理解这个”，而不是“为我构建这个”。这让我感到非常满意。
我很好奇这里的其他人是如何在编码之外使用助手的。你们是用它们来学习吗？阅读吗？探索新领域吗？什么对你们有效呢？
我构建了一个框架，通过读取嵌入在量子密钥分发（QKD）信道的量子比特错误率（QBER）时间线中的扰动“指纹”，来检测窃听者，无需新的硬件。
核心思想是：每个QKD信道都有一个独特的兰佐斯系数序列，该序列源自其哈密顿量。窃听者会扰动哈密顿量，从而以可检测且不可伪造的方式（克里洛夫失真ΔK）改变系数。该方法在从已部署的光纤系统中获得的181,606个实验QBER测量数据上进行了验证，AUC值为0.981。
该研究基于一系列12篇的Zenodo预印本，涵盖了完整的理论框架：物理桥证明、单向函数特性、跨越8个哈密顿量家族的普适性、通过林布拉德的开放系统扩展，以及洛施密特回声验证。
论文系列：<a href="https://zenodo.org/records/18940281" rel="nofollow">https://zenodo.org/records/18940281</a>
嘿，HN，
在过去的几个月里，我意识到我每月支付20美元给一个AI，它基本上只是一个非常好的自动补全工具。它等待我输入，猜测下一个代码块，然后停止。但软件工程不仅仅是编写语法，它还包括管理文件系统、运行终端命令和调试堆栈跟踪。
因此，我调整了我的项目，构建了Glass Arc。它是一个直接嵌入VS Code的智能工作区。
与仅仅生成文本不同，我赋予了它对本地环境的实际控制（安全地）：
1. 智能执行：你给它一个意图，它会在多个文件中起草架构，管理依赖树并运行标准终端命令来搭建基础设施。
2. 运行时自愈：这是最难的部分。当终端出现致命异常时，Glass Arc会拦截堆栈跟踪，分析崩溃上下文，编写修复代码并注入。
3. 多人协作：生成一个安全的 vscode:// 深度链接，以便你可以将其放入Slack中，并将团队的IDE同步到同一个实时会话。
4. 按需付费：我放弃了标准的每月20美元的SaaS模式。它基于信用系统运行——只有在Architect主动修改你的系统时，你才需要付费。（通过GitHub登录可获得200个免费积分以进行测试）。
我希望你能尝试破坏它，测试自愈功能，并拆解架构。我还缺少什么？
在VS Code市场上发布，安装链接： [https://www.glassarc.dev/](https://www.glassarc.dev/)
大家好，
我在金融行业作为软件工程师工作了大约十年。我的大部分经验集中在老旧系统上，使用的技术包括Java、Python和React。我参与了多种项目——构建数据管道、仪表板和网页应用程序，同时也进行了相当多的现有系统的维护和增量改进。
我在2024年被裁员，之后休了一年职业假期。现在我正在规划我的下一步，目标是寻找高级软件工程师或高级数据工程师的职位。
在这段时间里，我希望提升自己的技能，增强个人竞争力，但我不确定该将精力集中在哪些方面以获得最佳效果。
网上的学习材料往往过于简单，更多地讨论语法而非概念或模式。我也觉得有些无聊，似乎自己已经“知道”这些内容，但没有足够的挑战性。
请问有什么好的书籍推荐，可以帮助我刷新知识并提升技能吗？
嗨，HN，
我创建了一个小型的开放资源，收集了加密交易者常用的工具和基础设施，以提高安全性和工作流程。
该工具包涵盖了：
• 加密交易中的VPN使用
• 硬件钱包安全
• 交易所基础设施
• 交易工具，如图表和投资组合跟踪器
• 基本的操作安全习惯
我的目标是创建一个简单的参考资料，帮助初学者避免在加密领域常见的安全错误。
这个仓库的结构类似于一个小型知识库，也可以作为设置更安全交易环境的检查清单。
欢迎反馈和建议。
我一直受到常规的紧张性头痛和颈部肌肉僵硬的困扰。当我站在墙边时，墙壁与我后脑勺之间大约有一只手的宽度，而我的伴侣则只有一个手指的宽度。
我看过很多声称可以治疗“书呆子脖”的视频，但其中一些内容相互矛盾。例如，有些人说“不要做下巴收缩”，而有些人则说正好相反。我对那些投机者持怀疑态度，希望能找到可信的建议。
这里有没有人成功治疗过“书呆子脖”？如果有，你是怎么做到的？你注意到了哪些改善？我想象着需要遵循某种“方案”，但我不知道自己是否能独立完成，还是实际上需要去看物理治疗师。
简而言之：网上有很多建议，但我更信任HN社区，期待听到一些真实的经历。谢谢！
我在支付行业工作了很长时间，具体来说是在一个相对小众的报告/聚合平台上，处理那些不易并行化的高峰工作负载。为了尽可能多地通过我们的数据管道传输数据，我们不得不依赖于复杂的锁定机制，涉及大约六个不算微小的服务——保持对特定数据源下服务如何交互的清晰心理图像是一项重大挑战。这个问题一直让我感兴趣，即使在我离开公司后，它也促使我开发了Wool。
如果你曾使用过Ray或Prefect这样的框架，你可能对用两行代码从脚本扩展到规模的承诺有所了解（或者类似的说法）。这正是我所寻找的解决方案：一个具有有限样板代码的框架，能够在单一、连贯的代码库中促进任意的分发方案。然而，我希望得到的其实是一个更专注的东西——我并不是在处理机器学习管道，只需要分发层的功能。这就是Wool的用武之地。虽然它的API与Ray和Prefect非常相似，但它在范围和架构上有所不同。
首先，Wool并不是一个任务编排器。它提供基于推送的、尽力而为的、至多一次的执行。没有内置的协调状态、重试逻辑或持久任务跟踪。这些问题仍然由应用程序定义。Wool的美在于它看起来和感觉上都像原生的异步Python，允许你像使用其他Python应用程序一样使用专门构建的库（当然有一些注意事项）。
其次，Wool的设计考虑了速度。由于它没有被功能膨胀，因此实际上相当快速，即使在当前的初始状态下。Wool例程直接分发到去中心化的gRPC工作节点网络中，这些工作节点可以相互分配嵌套例程。这导致了低调度延迟和高吞吐量。在我能够组建更稳健的基准测试之前，我不会做任何性能声明，但在我的M4 MacBook Pro上运行本地工作节点（我知道这是一个微不足道的例子），我可以轻松实现亚毫秒的调度延迟。
无论如何，欢迎查看，任何反馈都非常欢迎。关于文档——目前代码就是文档，但我保证我会尽快整理好。我有很多下一步的想法，但当人们真正使用你所构建的东西时，总是更有趣，所以我欢迎对有影响力功能的建议。
- 康拉德