最新

通过将基础设施封装在一个可扩展的单一代码库中——在运行时通过 Git 子模块递归解析——Proxmox-GitOps 为整个自动化的基于容器的基础设施提供了全面的基础设施即代码（IaC）抽象。 核心概念： - 递归自管理：控制平面通过将其单一代码库推送到本地引导实例来实现自我控制，触发一个管道，递归地将控制平面配置到 PVE 上。 - 单一代码库：将基础设施集中为全面的 IaC 工件（用于镜像，例如项目本身在 GitHub 上）并使用子模块进行模块化组合。 - 唯一真实来源：Git 代表所需的基础设施状态。 - 松耦合：容器与控制平面解耦，允许在运行时进行替换和独立操作。

上个周末，我花了几个小时测试人工智能是否可以通过直接执行来替代代码。我构建了一个联系人管理器，所有的HTTP请求都发送到一个大型语言模型（LLM），并使用了三个工具：数据库（SQLite）、网页响应（HTML/JSON/JS）和更新记忆（反馈）。没有路由，没有控制器，没有业务逻辑。人工智能在第一次请求时设计架构，仅根据路径生成用户界面，并根据自然语言反馈不断演变。它是有效的——表单可以提交，数据可以持久化，API返回JSON——但速度极其缓慢（每个请求需要30到60秒），成本也非常高（每个请求0.05美元），而且请求之间的用户界面没有任何一致性。这种能力是存在的；问题在于性能。当推理速度提高10倍时，也许问题就会从“我们如何生成更好的代码？”转变为“为什么还要生成代码？”

大家好， 我是一名长期使用 Neovim 的用户，对 EMacs 很感兴趣。让我犹豫不决的是，我一直找不到一个权威的来源来了解目前最顶尖的插件。在 Neovim 中，关注像 Folke 这样的人是一个安全的选择，但我在 Emacs 社区中却很难找到类似的人物，能够提供关于插件的深入见解。我知道 Doom 存在，但我希望能够完全“掌控”我的配置，而不是让它变得过于复杂。 谢谢！

我最近做了一个有趣的小项目。这个项目从 Hacker News 上抓取一些获得较高赞同的文章，筛选出标题中包含与 AI 相关的术语，然后通过一个大型语言模型（LLM）生成摘要（同时还会让 LLM 确认文章是否与 AI 相关）。最后，将结果发布到一个 Cloudflare Pages 网站上，并创建一个链接的 RSS 源，因为我更喜欢通过这种方式来获取内容。 网页链接： [https://ai-reading-list.pages.dev/](https://ai-reading-list.pages.dev/) RSS 源链接： [https://ai-reading-list.pages.dev/rss.xml](https://ai-reading-list.pages.dev/rss.xml)