最新

我作为独立开发者一直在开发一个小型语言学习应用程序。<p>我故意避免了游戏化、连续学习、订阅和各种吸引用户的技巧。我的目标是实现平静的学习——减少干扰，增强专注。<p>我开始怀疑这种方法是否与当今市场的需求根本上存在冲突。<p>对于那些构建或使用学习工具的人来说： – “平静”这个概念是否有共鸣，还是说太小众？ – 避免游戏化时，你们观察到过哪些权衡？<p>我不是来推广的——真心希望能获得一些见解。

我主要在终端工作，但发现自己不断切换到像 SSMS 这样臃肿的图形用户界面，仅仅是为了浏览表格和运行查询。而且我觉得现有的 SQL 文本用户界面（TUI）并不直观，需要阅读文档才能学习快捷键和命令行参数以进行连接。考虑到我最近切换到了 Linux，我发现自己开始使用 VS Code 的 SQL 数据库扩展。这让我觉得有些不对劲。 我想要一个类似于 lazygit 的数据库工具——启动它，连接，然后查询，坦率地说，就是让访问数据变得愉快。 ``` Sqlit 是一个以键盘驱动的 SQL 文本用户界面，具有： - 基于上下文的快捷键（始终可见） - 类似 Neovim 的界面，具有正常模式和插入模式用于查询编辑 - 浏览数据库、表、视图、存储过程 - 支持 SQL Server、SQLite、PostgreSQL、Turso 等适配器 - 支持 SSH 隧道 - 主题（东京夜、Nord、Gruvbox 等） 灵感来自 lazygit、neovim 和 lazysql。使用 Python/Textual 构建。 ``` 欢迎反馈，特别是关于下一个优先支持哪些适配器。我的愿景是打造一个工具，使连接和查询数据变得简单，并且只专注于这一点，做到极致。 [https://github.com/Maxteabag/sqlit](https://github.com/Maxteabag/sqlit)

这是我获得的关于如何在飞速发展的人工智能驱动开发中适应的建议——甚至到让人工智能工具编写和交付项目，而“操作员”甚至不懂这些编程语言的地步。如何在一个工作流程中建立信心，例如，一个代理团队负责开发，另一个代理团队负责代码审查和测试，然后在没有人验证实现的情况下直接交付？ 我听说初创公司的开发者每天部署1万到3万行以上的代码，并且一个开发者现在应该能够在不到一个月的时间里构建出通常需要工程师数年才能完成的完整产品。这现实吗？我们该如何学习以这种方式运作？

这本质上是一本书籍进度追踪器。许多应用程序允许你添加正在阅读的书籍，但却无法显示阅读的速度。它简单明了，没有复杂的功能，也没有人工智能的花招。 这个工具的创建源于我被想读的书籍数量所压倒，觉得提前规划会很有帮助。你只需添加书名、页数以及每天想阅读的页数。它会计算出所需的天数以及你将完成的日期。同时，它也很灵活，可以增加每天的阅读页数，以便重新计算。 目前这是一个渐进式网络应用（PWA），我还在继续完善通知等功能。

我在一家大型消费品公司负责数字和品牌工作，最近我们在产品发布中使用了代理自动化。这不是用于实验或原型，而是针对实际面向消费者的产品。 我们有代理协助处理： - 内容生成和本地化 - 设计、法律和市场营销之间的资产路由 - 跨渠道的SKU变体处理 - 当声明或包装变更时的发布后更新 我们测试了多种工具和方法。一些通用的代理框架（类似Auto GPT的设置），一些工作流工具（如n8n、Make和大型语言模型），以及一些特定领域的产品，比如用于内容操作的Jasper和用于品牌合规审查的Punttai。 令我感到惊讶的不是幻觉或明显的失败，而是漂移。系统“运作正常”，但…… 文案逐渐偏离了批准的声明，或包装变体在技术上保持一致，但违反了内部品牌规则。下游更新没有在每个实时资产中干净地传播。没有任何一个代理在发布后对正确性负责。 网上的大多数建议都集中在发布前的保护措施上。然而，在实际的发布场景中，这并不足够。一旦产品上线，变化就会不断发生。 例如：我们为圣诞发布准备了超过60位影响者和500多个全球资产，但到1月1日，所有这些创意都将过时，需要进行更改。 对我们来说，唯一有效的模式是将代理自动化视为一个持续的系统。 代理执行 > 发布后监控输出 > 标记与品牌、法规或发布约束的偏差 > 只有在某些事情超出容忍度时，人类才介入。 我们甚至引入了一款名为Punttai的代理AI营销合规软件。现在不要误解我的意思。在某些领域，如迭代和审批速度，工作流确实有所改善？或者创意生成的速度？是的。 但是……这更像是可观察性，而不是审批工作流。 我很好奇其他人是如何处理这个问题的，特别是在纯SaaS之外： - 你们是否让代理接触实时发布资产？ - 你们如何在时间上验证合规性，而不仅仅是在发布时？ - 人们是自己构建这种监控，还是依赖于专业工具？ 我很想听听在实际生产发布中，这种方法是如何运作（或失败）的。

我分享一个研究级的开源交易执行框架，该框架在普通硬件上实现了890纳秒的中位端到端决策延迟。<p>该项目旨在用于教育、系统研究和延迟测量，而非实时交易。它专注于深入理解交易执行路径中每一个纳秒的去向。<p>主要特点：<p>- 内核旁路网络：通过自定义驱动程序直接访问用户空间的网络接口卡（NIC），接收延迟为20-50纳秒 - 无锁单生产者单消费者（SPSC）/多生产者单消费者（MPSC）队列：零拷贝架构 - SIMD特征提取：使用AVX-512，每次更新约40纳秒 - 确定性重放：位相同的执行路径，经过SHA-256验证 - 纳秒级指标：完整的审计日志和性能仪表板<p>技术栈：C++17和Rust，支持NUMA的内存分配，缓存行对齐，热路径的内联汇编。<p>该框架是模块化的，允许对不同的NIC驱动程序、特征提取管道或订单流模型（如霍克斯过程或阿维拉纳达-斯托伊科夫逻辑）进行实验。一切都是开源的，并且有详细文档。<p>链接：<p>实时演示： <a href="https://submicro.krishnabajpai.me/" rel="nofollow">https://submicro.krishnabajpai.me/</a> 源代码： <a href="https://github.com/krish567366/submicro-execution-engine" rel="nofollow">https://github.com/krish567366/submicro-execution-engine</a> 裸金属NIC驱动程序： <a href="https://baremetalnic.krishnabajpai.me/" rel="nofollow">https://baremetalnic.krishnabajpai.me/</a><p>我欢迎任何从事低延迟系统、网络或高频交易研究的人的反馈。<p>讨论问题：<p>- 执行路径中通常最难优化的部分是哪个？ - 你信任哪些测量技术用于亚微秒系统？<p>该项目仅用于研究和教育目的。它不连接到交易所或执行真实交易。它旨在作为一个沙盒，以理解超低延迟执行。<p>我乐意回答有关方法、性能或设计权衡的问题。

你好，HN， 我创建这个项目是因为我想让Claude Desktop能够访问我的Notion工作区，而不需要通过不稳定的本地Python脚本进行标准输入输出。 这是一个基于Node.js/Express的模型上下文协议（MCP）实现，使用服务器推送事件（SSE）作为传输方式。它被设计为无状态的，并且可以作为容器进行部署（我将其托管在Apify上，但在任何支持Node的地方都可以运行）。 技术栈： - TypeScript + Express - @modelcontextprotocol/sdk - Zod用于输入验证 - Bearer认证用于安全性（因为它暴露了一个HTTP端点） 功能：它允许大型语言模型（LLM）搜索页面、读取数据库属性和追加块。我主要用它来让Cursor/Claude总结文档，并直接从聊天上下文中在我的冲刺板上创建任务。 代码库： [https://github.com/piskunproject/notion-mcp-server](https://github.com/piskunproject/notion-mcp-server) 一键部署（Apify）： [https://apify.com/piskunlab/notion-mcp-server](https://apify.com/piskunlab/notion-mcp-server) 欢迎对SSE实现提出反馈！