一周热榜

我和我的妻子已经进行了五年的餐饮计划。我们使用的是 Google Keep，这对我们来说一直有效，但随着时间的推移，我们需要简化这个过程。我们尝试了其他方法，但都没有奏效，因此我花了一个月的时间开发了这个自定义应用程序。它包含了我们所需的一切，使我们的餐饮计划效率提高了至少五倍。具体功能包括：同步、一键导入食谱、购物清单、购物模式、每周餐饮计划、自定义餐点（如剩菜、素食、外出就餐等）。 上周日，我们在不到一分钟的时间内完成了餐饮计划，因为我们所有喜欢的（100多道）食谱都集中在一个地方。我们还根据每日饮食主题进行了标记（周一-意大利面，周二-肉类等），这样我们可以快速且无脑地为每一天选择一餐。 在这个应用程序中，我使用了人工智能对食品杂货进行过道分类，但不是生成式的，因为我发现简单的机器学习模型效果更好。 我非常欢迎其他开发者的反馈。 欢迎随意使用这个应用。它是免费的，除了同步功能，由于服务器成本，我不得不添加了订阅费用。我尽量让订阅条件宽松：每10个人一个订阅。

我搭建了一个MCP服务器，可以返回您在各种生态系统中使用的依赖包的最新版本，例如Python、NPM、Go和GitHub Actions。 该服务器还支持通过mise-en-place工具查找近1000种工具的最新版本，包括开发运行时（如Python、Node、dotnet）、开发工具（如Gradle）以及各种DevOps工具（如kubectl或Terraform）。 支持的生态系统/工具包括： 1) 开发者生态系统：NPM、PyPI、NuGet、Maven/Gradle、Go、PHP、Ruby、Rust、Swift、Dart 2) DevOps生态系统： - Docker：来自Docker注册表的Docker容器镜像 - Helm：来自ChartMuseum仓库和OCI注册表的Helm图表 - GitHub Actions：在GitHub.com上托管的Actions，返回其当前版本、输入和输出，以及（可选）完整的README和使用示例 - Terraform提供者和模块：来自Terraform Registry、OpenTofu Registry或自定义注册表的提供者和模块 - 各种工具，如kubectl、terraform、gradle、maven等（只要它们被mise-en-place支持） 在<a href="https://package-version-check-mcp.onrender.com/mcp" rel="nofollow">https://package-version-check-mcp.onrender.com/mcp</a>上有一个免费托管版本，您可以使用Docker或uv（uvx）运行它。 这个MCP当然不是第一个解决“过时依赖”问题的工具。然而，我认为它相较于其他MCP有多种优势： - 它提供的生态系统覆盖范围（远）优于其他MCP - 完整的测试覆盖，具有自动化的依赖更新（由Renovate提供支持）和定期的自动化发布构建。相比之下，其他项目往往是随意编码的，测试不充分（或没有测试），并且已经被放弃 - 这个MCP使用了一个最小的Docker/OCI镜像，经过安全加固。您使用Trivy等工具生成的SBOM被认为是正确的，并且该镜像使用Cosign签名（这使您在想要自托管MCP时可以验证其真实性） 请告诉我您的想法。

嗨，HN——我刚刚开源了Hibana和hibana-agent。 Hibana是一个针对Rust的仿射多方会话类型（MPST）运行时。它旨在解决分布式系统中的协议漂移问题。与其在每个组件中维护单独手写的状态机，不如将交互定义为全局编排，并在编译时投影角色本地行为。在运行时，只有有效的协议转换是可执行的，因此诸如跳过、重用或走错分支等无效操作将被协议模型拒绝。 其实际价值在于，一个全局的真相源取代了多个手写的状态机，并消除了协议漂移错误的一类。 核心仓库： [https://github.com/hibanaworks/hibana](https://github.com/hibanaworks/hibana) 一个具体的例子是hibana-agent，它在AI代理工作流中展示了相同的模型：允许的动作路径在编排中定义，只有这些转换在运行时是可执行的。 示例应用： [https://github.com/hibanaworks/hibana-agent](https://github.com/hibanaworks/hibana-agent)

每次我需要使用一个不熟悉的服务时，都会经历同样的循环：在代码库中搜索，找到过时或不存在的文档，联系可能记得细节的人。对于任何复杂的事情，这通常会消耗2到3个小时，才真正开始工作。<p>我很好奇，大家在大规模应用中实际使用的是什么。是类似Backstage或Cortex的目录？基于AI的方法？还是仅仅依赖于部落知识并接受这种成本？