最新

嘿，HN， 我在看到我的团队（以及我自己）在使用Claude、Cursor和Copilot时比以往任何时候都更快地交付代码，但对我们实际部署的内容却越来越不理解后，创建了Doculearn。 编程中的“氛围”问题： 我们会接受一个200行的AI建议，测试通过，PR批准，合并。两周后：“等等，这个认证流程是怎么回事？”没有人知道。批准它的人只是信任了AI，合并它的人则转向了下一个功能。 听起来很熟悉吗？ Doculearn的功能： 它会监控你的GitHub活动，并自动从你的代码中生成学习卡片。不是那种泛泛的“什么是闭包？”的卡片，而是关于你昨天合并的认证中间件、你重构的API端点、你从Claude复制粘贴的算法的实际学习卡片。 当你推送代码时，Doculearn会： - 从你的提交中生成间隔重复的学习卡片 - 自动更新你的团队看板（不再需要手动使用Jira） - 创建“上下文卡片”，在你处理相关代码时显示 - 发送每日/每周的LogLetters，展示每个人交付的内容 在AI时代，这为什么重要： 你可以用AI的帮助以10倍的速度交付代码。但如果你不理解自己交付的内容，你就无法： - 在凌晨2点时调试它 - 为下一个功能扩展它 - 在代码审查中解释它 - 培训新团队成员 我们正在以牺牲理解为代价来优化交付速度。 Doculearn试图弥补这一差距。 它是如何工作的： - 连接你的GitHub仓库 - Doculearn分析提交、PR和代码更改 - Azure AI代理生成个性化学习卡片 - 在你的工作流程中查看卡片（网页、移动端、CLI即将推出） - 团队保持同步，了解每个人实际掌握的知识 技术栈： - Next.js + Django在Azure容器应用上 - Azure AI Foundry用于学习卡片生成 - GitHub应用用于实时监控 - PostgreSQL用于持久化 当前功能： - 从提交中生成的AI学习卡片 - 上下文卡片（在构建时学习） - 自动更新的团队/工作看板 - 带有AI建议修复的错误跟踪器 - LogLetters（来自GitHub的变更日志） - 社交登录（GitHub、LinkedIn、X、Microsoft） 我在想的事情： - 你是否发现自己在交付不完全理解的代码？ - 你目前是如何保留对代码库的知识的？ - 学习卡片会让你觉得像作业还是有帮助？ - “团队知识同步”是你遇到的问题吗？ 试试吧：doculearnapp.com – 现在上线，提供7天免费试用。 在过去一个月中，我一直在与早期团队测试这个产品。 最常见的反馈是：“我没意识到我忘记了多少，直到学习卡片提醒了我。” 非常希望听到HN的反馈。这是否解决了一个真实的问题，还是我在过度思考“氛围”编程现象？

嘿，HN， 我是Jennifer Grace。我并不是从设计师开始的。 多年来，我出于纯粹的好奇，执着地分析了成千上万的交易。我想知道究竟是什么让投资者愿意投资，而是什么导致初创公司被拒绝。 但我感到沮丧。我不断看到令人惊叹、改变世界的产品被风险投资公司拒绝，而一些劣质产品却获得了资金。我开始思考原因。 然后我发现了一个模式。工程师们在构建优秀的产品，但获得资金的创始人则在构建出色的叙事。 于是，有一天我停止了分析交易，开始自己构建。这就是我成为叙事设计师的过程。 现在，我想验证我的新策略是否真的能引起你们（建设者们）的共鸣。 策略： 大型精品机构通常会为这种级别的叙事工作收取1万到1.5万美元（这也是大多数自筹资金的创始人无法承担的原因）。我的标准收费通常是3000美元，以保持可及性。但在第一季度，我正在进行一个“2026使命”活动。 我将价格削减到799美元（固定价），并开放有限名额，专门在新年前构建高端案例研究。目标是将“红杉标准”的演示文稿交到25位创始人手中，以启动一波势头。 我想问你们的问题： 价值：作为技术创始人，“叙事设计”对你来说是否真的有价值，还是你更喜欢自己撰写推介？ 提议：“2026使命”的有限名额是否让你感到兴奋，还是仅仅觉得这是一种营销策略？ 你可以在这里查看完整的提议结构以获取更多背景信息：https://jggrowth.tiiny.site 我正在尝试解决一个真正的痛点，因此诚实的反馈将不胜感激。谢谢！

我开发了一个命令行工具，让你可以进行常见的视频/音频操作，而无需记住 ffmpeg 的语法。 例如，原本需要输入： ``` ffmpeg -i video.mp4 -vf "fps=15,scale=480:-1:flags=lanczos" -loop 0 output.gif ``` 现在你只需输入： ``` ff convert video.mp4 to gif ``` 更多示例： ``` ff compress video.mp4 to 10mb ff trim video.mp4 from 0:30 to 1:00 ff extract audio from video.mp4 ff resize video.mp4 to 720p ff speed up video.mp4 by 2x ff reverse video.mp4 ``` 有一些类似的工具使用了大型语言模型（如 wtffmpeg、llmpeg、ai-ffmpeg-cli），但它们需要 API 密钥，收费且有延迟。 Ez FFmpeg 则有所不同： - 无需 AI – 仅使用正则表达式模式匹配 - 即时响应 – 无需 API 调用 - 免费使用 – 无需代币 - 离线工作 – 无需互联网 它可以处理约 20 种常见操作，覆盖了开发者使用 ffmpeg 的 90% 的需求。对于边缘案例，仍然需要直接使用 ffmpeg。 交互模式（只需输入 ff）会显示当前文件夹中的媒体文件，并支持智能搜索。 安装命令： ``` npm install -g ezff ```

我看到有人依赖内置的沙箱，使用 git 工作树（有时是在开发容器内），或者在一个最小化主机挂载的 Linux 虚拟机中运行整个代理。在 Linux 上，我也看到提到过 firejail/bubblewrap。 对于那些实际上每天使用这些工具的人： 你的默认设置是什么？ 你有没有遇到过“痛苦的教训”时刻？ 在实践中，安全性、便利性和并行性之间的权衡中，哪个最重要？ 我对理论最佳实践不太感兴趣，更关心在实际使用中哪些方法是有效的。