嗨，HN——我刚刚发布了自Spring AI Playground成为官方Spring AI社区孵化项目以来的第一个功能更新。
这个更新的目标是将MCP工具视为可以实时构建、检查和迭代的运行时实体——无需重建或重新部署。
此次更新包含以下内容：
- 无代码/低代码工具工作室：在浏览器中使用JavaScript（ECMAScript 2023）创建可调用AI的工具，并在JVM（GraalVM Polyglot）中沙箱运行它们。
- 实时内置MCP服务器：工具会动态评估并注册到嵌入式MCP服务器，立即可用（无需重启）。
- MCP检查与调试：检查注册的工具、模式/参数和执行结果，以理解代理行为。
- 代理聊天：测试结合LLM推理、MCP工具和可选RAG上下文的端到端流程，所有内容在一个用户界面中。
此外，还附带了一些可供复制/修改的示例工具，作为模板：
- googlePseSearch - Google PSE网页搜索（API密钥）
- extractPageContent - 从URL提取干净文本（RAG准备）
- buildGoogleCalendarCreateLink - 生成日历添加链接
- sendSlackMessage - Slack webhook消息
- openaiResponseGenerator - OpenAI API调用（API密钥）
- getWeather - wttr.in天气
- getCurrentTime - ISO-8601时间
所有功能默认以本地优先的方式运行，使用Ollama（支持OpenAI兼容API）。不需要云服务。
默认情况下使用Ollama和OpenAI兼容的端点/配置，因此可以在不需要云服务的情况下运行。
GitHub:
<a href="https://github.com/spring-ai-community/spring-ai-playground" rel="nofollow">https://github.com/spring-ai-community/spring-ai-playground</a>
对于使用MCP/代理构建的朋友们：你希望每个MCP客户端/UI支持哪些检查/调试工作流程（例如，清晰的模式视图、工具调用追踪、可重现的运行等）？
返回首页
最新
作者：Danison Nuñez
项目：Coderive
项目类型：编程语言
亮点：基于公式的执行
## Coderive - 在循环中迭代 1 拍（Quintillion）
*副标题：一个手机解释器如何实现超级计算机无法做到的事情*
### 不可能的循环：
```java
// 在其他任何语言中，这都是计算自杀
for i in [0 to 1Qi] { // 1,000,000,000,000,000,000 次迭代
arr[i] = i * i
}
```
### 传统现实：
- Python：创建数组时出现 MemoryError
- Java/C++：理论上需要 31 年（使用 8 EB 的 RAM）
- NumPy/TensorFlow：立即崩溃
- GPU 计算：超出 80GB VRAM 限制
### Coderive 的现实：50 毫秒。
### 背后的魔力：
1. NaturalArray：存储公式而非数据的虚拟数组
2. 运行时模式检测：将循环转换为数学表达式
3. 惰性评估：仅计算被访问的内容
4. 公式存储：LoopFormula、ConditionalFormula、MultiBranchFormula
### 技术深度探讨：
```java
// 你所编写的代码：
for i in [0 to 1Qi] {
if i % 2 == 0 {
arr[i] = i * i
} elif i % 3 == 0 {
arr[i] = i * i * i
} else {
arr[i] = i
}
}
// Coderive 内部创建的内容：
arr.addMultiBranchFormula(
conditions: [i%2==0, i%3==0],
expressions: [i*i, i*i*i],
elseExpr: i,
range: [0, 1Qi]
)
```
### 优化流程：
```
用户代码 → 模式检测 → 公式创建 → 惰性评估
↓ ↓ ↓ ↓
O(n) O(1) O(1) O(1) 每次访问
```
### 完整模式覆盖：
- 简单变换：arr[i] = f(i) → LoopFormula
- 二元决策：if-else → ConditionalFormula
- 多路分支：if-elif-else → MultiBranchFormula
- 部分更新：仅 if 语句，隐式保留 else
### 现实世界影响：
```java
// 处理 8K 视频中的每个像素（≈3300万帧）
for frame in [0 to 33M] {
for pixel in [0 to 7680*4320] { // 3300万帧 × 3300万像素
if brightness > 128 {
pixels[pixel] = 255
} elif brightness > 64 {
pixels[pixel] = 128
} else {
pixels[pixel] = 0
}
}
}
// 传统：不可能
// Coderive：几秒钟，而不是几个世纪
```
### 秘密武器：
- 无数据移动（数组保持虚拟）
- 无并行编程（公式本质上是并行的）
- 无内存管理（O(1) 内存复杂度）
- 无专用硬件（在 Java 7 上运行）
### 结论：Coderive 不仅使循环更快——它重新定义了在普通硬件上计算的可能性。
现在查看 Coderive：[https://github.com/DanexCodr/Coderive](https://github.com/DanexCodr/Coderive)
– 注意：HN 用户非常重视隐私。请强调它是通过 WASM 在本地运行的。
在我所工作的几个系统中，应用程序代码会构建请求并发送到外部服务（API、人工智能服务、合作伙伴系统）。在发送请求之前，我们通常需要决定以下事项：
- 这个请求是否应该原封不动地发送？
- 是否需要删除或更改某些内容？
- 或者这个请求是否应该完全停止？
目前，这种逻辑往往分散在不同的地方：
- 应用程序代码中的内联检查
- 通过评审强制执行的约定
- 部分重用并不适用于这一层的安全工具
我很好奇其他人在架构方面是如何处理这个问题的：
- 你们是否将这种决策逻辑集中在某个地方？
- 还是更适合与每个应用程序紧密结合？
- 随着系统的发展，你们有没有看到一些经得起时间考验的模式？
我希望获得架构方面的见解和真实的经验，而不是工具推荐。
嗨，HN社区，
关于我正在开发的AI驱动的助手eze的进展更新：
在过去的一天里：
- 有4人加入了早期访问和早鸟福利的候补名单。虽然这个数字不大，但足以验证我继续探索这个想法，而不是默默放弃。
- 基本应用程序已经能够端到端运行，使用通用的语言模型。你可以描述你的想法，它会生成一个多阶段的执行路线图（验证 → MVP → 市场推广 → 上线 → 上线后），以交互式图表的形式展示里程碑。
- 我开始着手开发一个使用特定领域数据的专业解决方案：策划的创始人内容、创业框架以及我自己结构化的提示，使得指导变得更加具体，而不再是“伪装的通用博客文章”。
我仍然专注的核心问题是：帮助首次或独立创始人从“我有一个想法和一些技能”转变为“我有一个可以在接下来的几周或几个月内执行的现实、有序的计划”。
如果你感兴趣或者想看看这个项目的发展：
候补名单 + 更多信息： [https://eze.lovable.app](https://eze.lovable.app)
我非常希望能听到你对这样一个工具需要做些什么，才能让你信任它来进行自己的项目规划的反馈。
欢迎提问，也乐意听取你对方向、定位或技术选择的坦诚看法。
第一天 - [https://news.ycombinator.com/item?id=46341465](https://news.ycombinator.com/item?id=46341465)