24小时热榜

嗨，黑客们！<p>我是一个自学成才的青少年开发者，目前正在开发 Seastar，这是一个针对 C 和 C++ 的统一构建系统和依赖管理工具。它能够编译和链接项目，管理递归依赖和头文件，甚至还有一个模板系统——你的 C++ 库只需执行 `seastar new mylib --lang c++ --lib` 就能创建！而且，所有配置都使用 TOML，因为 TOML 实在太棒了。<p>*但是，为什么要这样做？* C 是我最喜欢的语言之一，但我通常会选择用 Rust 编写代码，因为我喜欢 Cargo。与 C 不同，Cargo 为你处理依赖、链接、通配符匹配等诸多事务。因此，我开发了 Seastar，以便在 C 和 C++ 中实现这些功能。<p>*接下来有什么计划？* 计划包括一个类似于 crates.io 的包注册中心，与 CMake 项目的兼容性，迁移命令等等。如果你有更多的想法，请告诉我！<p>我希望在夏季结束前达到 150 个星标，因此任何星标都将不胜感激！这个项目仍在开发中，星标对我帮助很大。

我开发了一个工具，可以模拟9种不同的残疾，让开发者体验到13亿人每天在网上面临的挑战。仅仅是ADHD（注意力缺陷多动障碍）的模拟就会改变你设计界面的方式。这个工具是免费的，试用只需2分钟。

当我深入研究系统理论时，发现早期缺少一个好的图表编辑器来探索或解释系统。因此，我使用了Graphviz，但发现自己在输入模板和构造时感到繁琐。 我设想的编辑器应该接近自然语言，具有最小的语法和清晰但灵活的语义。 于是我开始为自己构建一个领域特定语言（DSL）和一个编辑器，但很快发现有很多需要学习的东西，还有许多陷阱需要避免。这个项目逐渐扩展，我不得不重新审视我的目标。 就在那时，我想：让我为社区做点贡献。 我创建了我心目中语言的规范——最小系统图描述语言（Minimal Systemigram Description Language），以及一个基于浏览器和基于Wails的桌面编辑器，还有一个GitHub页面。如果你想立即访问，可以点击这里：<a href="https:&#x2F;&#x2F;stefankober.github.io&#x2F;minimal-systemigram-description-language&#x2F;" rel="nofollow">https:&#x2F;&#x2F;stefankober.github.io&#x2F;minimal-systemigram-descriptio...</a>。编辑器中有丰富的帮助文档。 为了检查和学习，我重现了我读过的入门书籍中的图表。这反过来又促使我更新了规范和编辑器。 今天，我在GitHub上发布了版本0.1.0，供大家评估。 它有一个GitHub页面版本的编辑器供立即试用，还有规范、桌面编辑器和库，全部开源。 针对Ubuntu、Mac和Windows（后者通过GitHub Runners）提供了构建版本，我在我拥有的系统上（每种各一台 :D）测试了所有版本。 我远不是一个优秀的程序员，但我投入了很多热情。我希望这在细节中有所体现。 如果你是系统实践者、学习者、教师，或者只是感兴趣，这可能会对你有帮助。 请告诉我你的想法，无论好坏。我很乐意回答问题。

你好， 我想分享我正在开发的 Rust 实现的 Zstandard 可寻址格式。 常规的 zstd 压缩文件由单个帧组成，这意味着你必须从头开始解压缩。可寻址格式将压缩数据分割成一系列独立的帧，每个帧单独压缩，因此在解压缩存档中间的某个部分时，只需最多解压缩一帧的额外数据，而不是整个存档。 我开始使用可寻址格式是因为我想恢复对大型 zstd 压缩文件的下载，这些文件会实时解压并写入磁盘。起初，我创建并使用了对上游可用的 C 函数的绑定[1]，然而，我很快就遇到了第一个段错误（现在已修复），并发现这些函数仅允许基本操作。在仔细查看上游实现后，我注意到它使用了一些现在已被弃用的核心 API 函数，并且不允许访问低级（解）压缩上下文。对我来说，这看起来像是一个未得到维护的 PoC/演示实现，可能这也是它位于 contrib 目录的原因。 我的用例似乎需要对可寻址格式进行完全重写，因此我决定从头开始使用 Rust 实现它，并使用 zstd 1.4.0 版本提供的高级 zstd 压缩 API 的绑定。 结果是一个单一依赖的库 crate[2]，以及一个与常规 zstd 工具相似的可寻址格式的 CLI crate[3]。 非常欢迎任何反馈！ [1]: <a href="https://github.com/facebook/zstd/tree/dev/contrib/seekable_format">https://github.com/facebook/zstd/tree/dev/contrib/seekable_format</a> [2]: <a href="https://crates.io/crates/zeekstd" rel="nofollow">https://crates.io/crates/zeekstd</a> [3]: <a href="https://github.com/rorosen/zeekstd/tree/main/cli">https://github.com/rorosen/zeekstd/tree/main/cli</a>

嗨，HN， 我厌倦了每次构建后端时都要重复写相同的模板代码——数据库设置、身份验证、路由、安全性等。 于是我开发了 Pipo360——一个 AI 驱动的工具，可以在不到 60 秒的时间内，从简单的文本描述中生成生产就绪的后端。 它是如何工作的： 输入你的需求 “创建一个带用户身份验证和 MongoDB 的任务管理 API” 点击生成 获取真实的、可导出的代码 身份验证（JWT） 数据库架构 CRUD 路由 可部署到 Vercel、AWS 等平台 没有模板，没有锁定，只有可用的代码。 它的不同之处在于： 结合了 Gemini AI 和人工监督（确保输出的质量符合生产标准） 支持导出到 MongoDB、PostgreSQL、MySQL、SQLite 默认安全（JWT、RBAC 等） 支持无登录后端预览 实时试用（无需注册）： <a href="https:&#x2F;&#x2F;pipo360.xyz" rel="nofollow">https:&#x2F;&#x2F;pipo360.xyz</a> 期待反馈： 你会首先尝试哪个后端？ 有什么可以改进你工作流程的建议？ 开源部分功能是否有用？

我曾经花费数小时琢磨如何在Reddit和LinkedIn上推广我的创业公司。在Reddit上我被封禁了6次，才终于找到了有效的方法。 因此，我创建了MediaFa.st——一个工具，可以为你提供每日的发布路线图，告诉你该发布什么、在哪里发布以及如何在Reddit、LinkedIn和X上显得自然。 这个工具的基础是我从零到超过1万次访问和超过5000美元销售额的成功经验，全部是自然增长。 MediaFa.st帮助独立开发者、创始人和创作者避免营销疲惫——不再猜测，只需按照你的个性化内容计划执行即可。 我很想听听大家的反馈： 什么能让这个工具对你更有用？ 我应该扩展到其他平台吗？ 有没有你希望能够自动化的边缘案例营销策略？ 欢迎提问，我很乐意深入讨论它的工作原理。

AI大型语言模型从图像中获取的最大上下文之一是其元数据，但这一点被极大地低估了。虽然PNG和JPEG格式都提供元数据，但在分享时很容易被剥离，而且对于基于AI的工作流程来说，它们的元数据非常有限，提供的有用条目也很少。此外，这些格式已经相当古老（1995年和1992年），是时候为我们的AI时代进行升级了。 请认识MEOW（元数据编码优化网页文件）——一种开源图像文件格式，基本上可以看作是增强版的PNG，我也喜欢称之为完美的文件格式。 MEOW不是将元数据与图像一起存储，而是使用最低有效位（LSB）隐写术直接将其编码到图像像素中——将数据隐藏在你肉眼无法察觉的最低有效位中，这样也不会显著增加图像的大小。因此，如果你使用任何形式的无损压缩，它仍然会保留。 我注意到，大多数“创新”的图像文件格式由于缺乏采用而消亡，但MEOW与PNG完全兼容。你可以直接将一个.MEOW文件重命名为.PNG，并在普通图像查看器中打开。 以下是每个像素中嵌入的内容： - 边缘检测图 - 预计算的边界，以便AI不浪费时间去判断物体的起止位置。 - 纹理分析数据 - 表面图案、粗糙度、材料属性等已被映射。 - 复杂度评分 - 告诉AI模型不同区域需要多少处理能力。 - 注意力权重图 - 突出显示模型应集中计算的区域（如面孔、文本、重要物体）。 - 物体关系数据 - 检测到的元素之间的空间连接。 - 未来扩展空间 - 为AI想要添加的内容保留的位（或用于训练LORA或标记的注释）。 当然，所有这些都是可编辑和可配置的，并且在压缩、分享，甚至截图和重发的过程中都能保留 :p 当你将任何图像格式转换为.meow时，它会自动生成大多数AI特定的特征和数据，从图像中提取的信息，使其工作效果更佳。 期待大家对这个项目的想法、建议或创意 :)

我在编写聊天机器人的过程中感到失望。我希望能够实现以下功能：<p>我写一个文件，在文件中注释我期望代码在此时此刻应该执行的内容。当我运行代理以构建或编译这些描述时，<p>它当然应该提供我所列出的功能。如果它觉得有必要创建我未指定的其他代码部分，它应该注释说明为什么做出这个决定，以及它所生成的代码的作用。<p>从本质上讲，我希望有一个代理，能够让我以一种文献编程的方式来处理非文献编程的工作流程。https://en.wikipedia.org/wiki/Literate_programming<p>如果你有一些想法可以帮助我实现这个目标，请分享。如果你认为永远不可能产生这样的东西，也请告诉我（尽管我认为这是可行的）。<p>请注意，我不想要一个在我输入时进行交互的机器人，我想要一个人工智能构建步骤。为什么？因为我打字非常快且没有错误，早年我曾做过数据录入工作。交互式机器人让我变慢，而且大多数时候输入效果不佳。<p>我敢打赌这可能是可行的，很多人可能会想，为什么这个家伙不直接做X或Y，但问题在于——到目前为止，我所经历的都是不令人满意的交互式机器人，而在研究这个问题时，世界上最受欢迎的搜索引擎也让我感到失望，所以希望这里的人能解释一下如何才能实现我想要的。

看看我的语义缓存项目吧！<p>它旨在轻松集成到现有的LLM工作流程中，您可以将其用作代理，缓存会将未命中的请求转发到指定的上游，而不进行修改，并自动用响应更新缓存。<p>您还可以使用提供的Python库将其用作旁路缓存。<p>它通过计算输入查询的嵌入向量，并将其与已见的查询+响应对进行匹配，使用的是向量存储。<p>所有操作都在内存中进行，因此速度非常快 :)