一周热榜

我一直在开发 GitGauge，这是一种根据分叉比例、观察者参与度和问题活动来判断一个仓库是否真实的方法。<p>我非常希望听到一些反馈！<p>我最不确定的部分是启发式算法。目前它使用的是星标、分叉、观察者和开放问题。我特别想知道大家认为在哪些方面可能存在问题，尤其是对于小众仓库、老旧仓库或 heavily used 内部工具类项目。

Claude 计划、执行，然后利用 Cloudflare 将秘密和文件推送到生产链接中。所有这些都只需 1-2 个提示。这是一个从未编写过代码的人。我认为市场尚未真正考虑到这对软件工程师的影响。

我一直在开发工具，以自动化我咨询工作中的一些环节，结果深入研究，开始构建实际产品。突然间，我进入了一个充满未知和已知未知的世界。其中一个需要解决的主要问题是理解我不完全掌握的LLM生成的代码。它涉及哪些内容？在哪里读取和写入？认证路径是否在我认为的位置？ 因此，我构建了codeflowmap。只需将其指向一个代码库，它就会绘制出依赖关系和调用图，并展示文件和函数之间的读取/写入/认证路径。 连接一个本地模型（Ollama）或任何兼容OpenAI的API，它会为每个文件注释其功能和涉及的数据。除非连接到远程/托管的API，否则所有操作都在本地运行，输出直接链接到Obsidian库。 bunx codeflowmap serve · MIT · 为我而建 期待大家对如何使其更有用或更精炼的想法。

为人工智能工程师打造的面试准备平台。练习多智能体系统、检索增强生成（RAG）、向量数据库和生产级人工智能架构的真实问题。