一周热榜

嗨，HN， 我想分享一些我在过去几个月里一直在研究的内容，这可能对与分布式架构（例如微服务）互动的开发者们感兴趣。 我是一名后端开发者，在我去年的9到5的工作中，我们开始构建一个分布式应用——我的意思是两个或多个服务通过某种消息系统（如Kafka）进行通信。这是我第一次接触分布式系统。在阅读了Nathan J. Smith关于结构化并发的精彩文章后，我开始注意到这种基于消息的通信所面临的挑战与并发编程以及之前的GOTO编程之间的相似性——远程操作、复杂的故障追踪、同步问题等。我开始怀疑，如果症状相似，根本原因和解决方案也许也会相似。 这促使我设计了一种我称之为“结构化协作”的东西，基本上就是将结构化并发的规则应用于分布式系统所得到的结果。事实证明，这样做有一些相当强大的后果，包括： - 几乎消除了由于最终一致性导致的竞争条件 - 允许你恢复类似于分布式异常的东西——堆栈跟踪和跨服务边界的堆栈展开等效 - 使得对整个系统的推理变得更加容易 我整理了三篇文章，解释了： 1) 什么是结构化协作（[链接](https://developer.porn/posts/introducing-structured-cooperation/)）， 2) 一种你可以实现它的方法（[链接](https://developer.porn/posts/implementing-structured-cooperation/)），以及 3) 为什么它有效（[链接](https://developer.porn/posts/framing-structured-cooperation/)）。 我还整理了一个用Kotlin实现的文档齐全的POC（概念验证）实现，叫做Scoop（在标题中有链接）。我想你可以把它称为一个编排库，类似于Temporal（[链接](https://temporal.io/)），不过我想强调的是这只是一个POC，并不适合生产使用。 我希望能与社区讨论这个想法，看看大家的看法。如果这被证明是一种有用的做法，我会尝试推动在现有库中实现类似的东西（例如前面提到的Temporal、Axon（[链接](https://www.axoniq.io/products/axon-framework)）等——如果你知道其他适合的库，请告诉我）。正如我在文章中提到的，由于技术生态的异构性，我不确定实际构建一个库是否是个好主意，就像构建一个“结构化并发库”并没有意义一样，因为“并发”有很多实现方式。相反，我试图构建一个类似于“参考实现”的东西，供其他人作为构建自己实现的跳板。 除此之外，我认为这也具有教育价值，我尽力让所有内容尽可能易于理解。我认为一些有趣的内容包括： - 在Postgres之上实现分布式协程 - 同时具有反应式和阻塞实现，可以作为新手学习反应式编程的资源 - 我记录了使用Postgres作为消息队列时出现的各种有趣问题（特别请参见[链接](https://github.com/gabrielshanahan/scoop/blob/09db323bf6c8a72ca34b50392928db13f80dcc15/src/main/resources/db/migration/V2__create_message_event_table.sql#L20)和[链接](https://github.com/gabrielshanahan/scoop/blob/09db323bf6c8a72ca34b50392928db13f80dcc15/src/main/kotlin/io/github/gabrielshanahan/scoop/blocking/coroutine/structuredcooperation/MessageEventRepository.kt#L676)） 请告诉我你的想法。

大家好，我很高兴与大家分享我正在进行的一个新项目：QuantumFlow Toolkit。 这个项目是一个开源框架，旨在帮助开发者构建和部署混合量子-经典应用。它有点像你量子和经典代码的指挥者，允许你将来自不同框架（如 PyTorch、Cirq、Qiskit 和 PennyLane）的任务无缝集成到一个单一的工作流程中。

我非常好奇过去几年人们与人工智能的体验。ChatGPT大约在三年前推出，我想知道它是如何影响你的工作效率/你对自己工作效率的看法的。 我写了很多代码，并且是Cursor的粉丝，尽管有时我觉得人工智能的帮助是负面的，我应该更加谨慎地使用人工智能。尤其是在调试时，它对我并不太有效。我无法将“思考”外包给它。否则，我打算继续每月支付Cursor 20美元的费用加上使用费。我也订阅了ChatGPT，每月支付20美元。我没有为其他工具付费，也没有在半日常的基础上使用其他工具。 1. 你从事什么工作？ 2. 人工智能对你有帮助吗？ 3. 哪些工具最有帮助？ 4. 哪些工具让你失望最大？

嗨，我是Sam，Mastra的联合创始人兼首席执行官，Mastra是一个TypeScript代理框架。我写了一本关于构建代理的书，想和HN的朋友们分享一下。 这本书叫做《构建AI代理的原则》。目前它有34章，148页，涵盖了大语言模型（LLMs）、提示、代理、工作流、RAG、评估、多代理、追踪、部署、MCP、工具使用以及其他一些主题。 这里的背景是，去年十月我们开始着手Mastra时，对AI工程几乎一无所知，只能在构建的过程中不断学习。 在一月份，我们开始参加当地的AI聚会。我们遇到了许多曾经和我们处于同样境地的人。我们不知不觉中从学生变成了老师。每当某个解释似乎能够被理解时，我们就会回家把它记录在我们的文档或博客中。 有一天，我的联合创始人Shane对我说，如果你写一本关于这些内容的书怎么样？ 我最初持怀疑态度，但尝试写了一个大纲后发现这很自然。因此，我花了接下来的几个周末，把我们的帖子整理成书的形式，并填补其中的空白。令人惊讶的是，这个过程很顺利。初版有92页，分为27个非常简短的章节。 我们原本打算把它命名为《AI工程的原则》，但一位创始人朋友说服我使用“代理”这个词，所以最终定名为《构建AI代理的原则》。 我们收到的第一个反应是惊讶。我们在之前参加的聚会上分发了这本书。 我们开始看到人们在社交媒体上发布书评。几位创始人朋友告诉我们，这本书改变了他们的代理架构或界面设计。一位从工程师转行的摄像师来到我们的办公室，拍摄了一部迷你纪录片。 人们经常问我们如何保持书籍的更新。我们其实并不太清楚。然后MCP和吉卜力工作室的事情发生了，我们知道需要更新书籍。 我在五月坐下来又写了一个周末，最终增加了50页。除了MCP和图像生成，还有很多关于网页浏览、工作流流媒体、代码生成、代理RAG的内容需要写。我们将书籍重新出版为第二版。 人们最常评论的一个地方是我引用了泄露的Bolt.new系统提示的部分摘录。这是许多人第一次看到生产级的提示。 这本书最近变得相当受欢迎。我们在AI聚会和会议上分发了数千本，甚至在LinkedIn（这个地方）上也引发了病毒式传播。 在实际操作方面，我是在Notion中写的书，然后粘贴到一个叫Vellum的桌面应用中，它可以生成ePub和PDF。亚马逊的KDP允许你上传这些文件并出版你的书（他们会为你打印）。拥有良好的持续集成/持续交付（CI/CD）流程很有帮助，文档和博客帖子作为内容管道中的中间产物也起到了作用。这意味着在写作时我可以从一个温暖的缓存中提取内容。这个过程感觉是O(n)而不是O(n log n)。 希望你们喜欢阅读，也请告诉我你们的想法！（你可能更想下载这本书，在你喜欢的阅读器中阅读，而不是使用GitHub的PDF阅读器） 我很快会开始第三版的写作，想知道哪些主题感觉缺失，如果有任何内容显得过时等等。

我和我的朋友之所以制作这个，是因为我们想以一种更有趣和互动的方式来学习。我们认为可以围绕这个项目建立一个社区？而且肯定还有很多工作要做。我们非常好奇你们的想法，以及我们可以在哪里改善学习体验。

我们创建grantboost AI是因为我们发现许多小型、资源不足的非营利组织在撰写优秀的资助申请时面临困难。这个工具虽然简单，但解决了许多拥有崇高使命的小组织所面临的痛点。

嗨，HN， 我正在开发一个名为 MCPJungle 的工具——一个开源的自托管 MCP 注册表和网关，旨在帮助 MCP 客户端（如 Claude、Cursor、自定义 AI 代理）通过单一端点连接到多个 MCP 服务器。 MCP（模型上下文协议）作为大型语言模型（LLM）中调用工具的标准正在逐渐被采纳，但管理多个服务器（身份验证、工具发现、访问控制列表、可观察性）仍然是一场噩梦，尤其是在组织内部的不同团队之间。 MCPJungle 试图解决这个问题： - 通过一个单一的 `/mcp` 端点暴露所有的 MCP 服务器 - 使用访问控制列表（ACL）来控制哪些客户端可以查看和调用哪些 MCP 工具 - 从一个中心位置跟踪所有的 MCP 客户端和服务器。 个人用户可以在本地运行以确保最大隐私。组织则可以将其部署为所有 AI 代理的共享网关。 该工具是用 Go 语言编写的，并以单一二进制文件的形式分发。您可以通过 Homebrew 或 Docker 运行它。默认情况下不需要身份验证或配置——旨在为开发者提供无缝体验。 目前还处于早期阶段，但当前版本已经稳定，并被一些早期开发者使用。 非常希望听到反馈、批评或想法。也乐意在这里回答任何问题。 谢谢！