一周热榜

Tril将代码库中的每个函数转换为简单的英文描述，然后运行并测试它们——使用大型语言模型（LLM）作为解释器，而不是运行时环境。 这个概念是：编程语言的存在是因为机器无法理解人类的意图。而大型语言模型可以理解。那么，如果完全去掉代码，仅仅描述每个函数应该做什么，会发生什么呢？ 这个工具逐个替换函数，在每次替换后运行测试套件以确认没有出现错误，并输出一个.md文件。然后，`tril run`会启动一个HTTP服务器，将每个函数的英文描述发送给Claude，并返回结果。 在一个单位转换器（JavaScript）和一个625行的Python命令行工具上进行了测试——测试通过，结果精确到小数点后六位（幸运的是）。 这主要是一个思想实验：任何代码都能变成简单的自然语言吗？它仍然能正常工作吗？让我们来看看吧！ npm: npx @sliday/tril convert URL GitHub: [https://github.com/sliday/tril](https://github.com/sliday/tril)

建立一家初创公司。做出艰难的决策。看看你是否能实现上市。

我们从2006年10月以来每天收集了前三条HN（Hacker News）故事（总计约21,000条），对这些故事进行了主题聚类，并可视化了主题随时间的变化情况。<p>您可以放大查看任何时间段——一些模式出人意料地清晰（例如，人工智能超越创业文化成为HN的热门话题，加密货币的兴起与衰落，以及因COVID疫情导致的远程工作的激增）。<p>欢迎随时询问有关方法论的问题。

我写了一份关于我在智能体系统中思考的一个区分的概念论文草稿。 主要观点：智能体可能缺少一个可重用的操作记忆层，用于记录它们通过实际执行任务所学到的东西——这与用户记忆、检索/RAG和微调是不同的。 例子包括： - 在执行过程中发现的工具特性 - 重复有效的工作流程模式 - 特定环境下的过程知识 - 重新发现的代价高昂的失败模式 我暂时将这个模式称为“智能体经验缓存”。 我主要想进行压力测试： - 这是否真的是一个独立的类别 - 它与情节记忆/轨迹存储/工具使用痕迹的重叠之处 - 失败模式和失效风险的框架是否正确 草稿在这里： https://docs.google.com/document/d/126s0iMOG2dVKiPb6x1khogldZy3RkGYokkK16O0EmYw/edit?usp=sharing

我对这种炒作曾经翻了个白眼，但实际上，<i>阅读</i>这方面的内容和<i>体验</i>它是完全不同的。如果你有任何旧的代码库，试试看，你可能会感到惊讶。 我不确定对于复杂的遗留企业系统，长期的“*90% 生产力*”的说法是否可信，但对于模板、库、构建工具和重构来说，收益是巨大的。那些耗时且令人紧张的工作大部分都得到了处理。 一开始你会像鹰一样仔细检查每一个差异，期待它会破坏东西，但老实说，很快你会发现大多数情况下这并不是必要的。你只需保持IDE开启，将“分析代码”的输出反馈给它。在Java中，告诉它“<i>添加checkstyle，运行mvn verify并修复</i>”的效果很好，你甚至可以去喝杯咖啡，而不是与linter警告作斗争。 理论上，剩下的只是<i>逻辑</i>和<i>想法</i>。当架构真正变得复杂时，我们将看看这一点是否成立。但目前，让它分支、创建模板并编写简单的测试，同时你只需在规格上进行迭代，效果出奇地好。只有在写下规格用普通英语太麻烦时，你才会编写源代码。 这提出了一个真正的问题：如果你的竞争对手Y刚刚解雇了90%的开发人员以节省成本，你会盲目跟随吗？还是会保留你的团队，利用这个巨大的杠杆，以一个远远更好的产品将Y彻底超越？