请启用 JavaScript 和 Cookie 以继续。
每日HackerNews RSS
这篇 Hacker News 讨论聚焦于人们对当前 AI 编程基准测试（特别是 **SWE-bench**）日益增长的怀疑。参与者认为，这些基准测试正变得越来越“饱和”且存在缺陷，通常包含模棱两可的提示词和测试用例，往往侧重于特定的实现细节而非真正的解决问题能力。
核心观点包括：
* **“基准测试即服务”的问题**：许多用户指出，当前的测试很容易被模型“钻空子”或作弊，导致不断出现新的基准测试（如 Verified、Pro、DeepSWE），但它们很快就会过时。
* **预算效率指标**：一个主流建议是摒弃“单任务成本”指标，转而采用“固定预算”基准测试。用户关心的不再是模型完成某项任务的成本，而是模型如何在固定预算（例如 100 美元）内，通过迭代循环发挥出最大的智能水平。
* **实际应用性**：批评者认为，这些基准测试无法衡量“现实世界”的软件工程，因为后者涉及持续、模糊的沟通和长期的代码维护，而非简单的“一次性”代码生成。
* **对 AGI 的怀疑**：参与者感到沮丧，尽管模型声称具备 AGI 级别的能力，但在处理空间推理和具体、开放性任务时依然吃力，这表明当前的评估指标可能掩盖了技术缺乏实质性进展的事实。
逃离鼠辈竞赛 — 一款 FAANG 生活模拟器 一款 FAANG™ 生活模拟器 点击一次 = 四分之一个人生 · 特邀：MILTON 🪪 打卡 每日运行 = 每个人今天都会面对同样的被诅咒的时间线。 比较逃离结果。 或自由游玩 — 每一局都是全新的混乱。 据称与任何万亿市值公司无关。 年龄 22岁1个月 · 第1季度 🏝️ 自由（永久离职基金）0% 净资产 $0 年薪 $190k 我们又回来了 表格 HR-1099-RAT · 离职面谈 · — — — — 一格 = 你的一年人生： — 📤 分享结果 📋 复制结果 ↻ 再来一局 ▼ 该你走了（每季度一次） ▼ 🔊
“FAANG 模拟器”游戏在 Hacker News 上引发了热烈讨论，它对科技行业“内卷”现状的刻画让许多开发者感到扎心且真实。
在游戏中，玩家需要通过平衡工作、副业和心理健康（“回归自然”）来模拟职业生涯，以实现财务自由。许多用户指出，这款游戏映射出现代科技大厂的愤世嫉俗、职业倦怠以及政治化氛围，高薪往往掩盖了缺乏实际价值创造的问题。
讨论主要聚焦于三个核心主题：
* **生活成本：** 关于 8.5 万美元是否属于“宜居薪资”的争论仍在持续。有人认为在沿海城市之外这笔钱足够生活，但也有人指出，在通货膨胀加剧的情况下，仅凭这份薪水支撑家庭十分困难。
* **“拼搏”与“稳定”：** 许多参与者反思，与政府机构或小型行业中更“无聊”、更稳定、且拥有更好福利和工作生活平衡的工作相比，追逐 FAANG 的职位是否值得付出心理代价。
* **创业的现实：** 多位评论者表达了挫败感，认为人工智能和现代工具并没有让“副业”变得更容易成功，因为分发和销售依然是真实存在且难以克服的瓶颈。
归根结底，这个讨论串为那些质疑行业文化的开发者提供了一个宣泄的出口。
Onboard-CLI 是一个功能强大的开发者平台，旨在映射、可视化并维护复杂的代码库。它由高性能的 Go CLI 和基于 React 的可视化工具构建，利用 Tree-sitter AST 解析技术将代码转换为交互式的拓扑图。
**核心功能：**
* **交互式可视化：** 使用 `map` 命令启动 React Flow 画布（http://localhost:3000/app），以探索依赖关系和代码路径。
* **架构护栏：** `drift` 引擎通过 `architecture.yml` 强制执行架构规则，自动检测未经授权的导入和边界违规行为，非常适合集成到 CI/CD 流程中。
* **高级分析：** 提取后端路由、执行影响分析、跟踪代码所有权，并通过自动化的“脉冲”（pulse）摘要监控项目健康状况。
* **多语言支持：** 支持 Go、JS、TS、Python 和 Java 的强大解析能力。
**入门指南：**
开发者可以使用预构建模板（例如整洁架构 Clean Architecture）初始化项目，并执行带有可配置半径设置的深度映射。Onboard-CLI 简化了代码库导航并强化了架构完整性，是扩展团队不可或缺的工具。
安装过程通过 shell 脚本即可轻松完成：
`curl -fsSL https://raw.githubusercontent.com/onboard-cli/install.sh | bash`
请访问其代码仓库了解更多信息，并为代码库智能化的未来贡献力量。
Multigres 支持在连接池中进行 Listen/Notify 操作 Multigres Supports Listen/Notify Across Pooled Connections
2 天前
Postgres 的 `LISTEN/NOTIFY` 功能带来了严峻的扩展性挑战：随着监听者数量的增加，性能会随之下降。此外，该功能与单个数据库会话绑定，这使其无法与将客户端与特定后端连接解耦的标准连接池兼容。
Multigres 通过将订阅与客户端连接解耦解决了这一问题。连接池无需将客户端绑定到特定后端，而是为整个连接池维护一个单一的、预留的、长寿命的“监听连接”。它使用引用计数来跟踪通道订阅，确保仅在必要时才向 Postgres 发送 `LISTEN` 或 `UNLISTEN` 命令。
当此共享连接收到通知时，Multigres 会使用两级扇出系统，通过 gRPC 流将消息路由给正确的客户端。为了保持与 Postgres 的严格兼容，Multigres 还处理了复杂的边界情况：
* **事务：** 待处理的 `LISTEN/UNLISTEN` 请求会被缓冲，并仅在提交时应用。
* **竞态条件：** 就绪握手确保客户端仅在后端订阅激活后才会收到确认。
* **弹性：** 系统会在重新连接时自动恢复订阅。
这种方法在保留连接池优势的同时，确保了透明且高性能的发布/订阅分发。
抱歉。
本摘要概述了一种受硬件设计背景启发、高度依赖测试的软件开发系统性方法。 **“软件工厂”哲学** 与标准软件实践不同，作者主张摒弃以人为核心的代码审查，转而采用大规模自动化测试。通过利用专职测试工程师，尤其是随机测试（模糊测试），作者实现了比传统重审查流程更高的软件可靠性。 **集成大语言模型（LLM）** 尽管大语言模型可能不可靠——常会“幻觉”出成功的漏洞复现或提供虚假的数据分析——但当它们在系统性循环中受到引导时，表现极为高效。作者建议： * **优先考虑随机测试：** 使用大语言模型来生成模糊测试器，而非直接要求它们“查找漏洞”。 * **实施反馈回路：** 使用数据驱动的流水线（例如由支持工单触发合并请求）来在代码量扩展时维持质量。 * **管理差异性：** 接受大语言模型表现波动巨大的事实。不要依赖公共基准测试或类似“原始模式”这类“一刀切”的工具，而应使用具有不同角色的独立智能体来核查工作并拒绝误报。 **结论** 在系统设计、数据分析及理解人工智能失效模式方面的专业知识仍然至关重要。作者总结道，尽管人工智能显著加速了开发进程，但“人在回路”的监管对于引导自主循环和验证结果依然必不可少。
抱歉。
**DocuBrowse** 是一款本地 AI 驱动的文档搜索引擎，它能将杂乱的文档集整理成可搜索的智能索引。该工具专为隐私保护而设计，完全在您的本地机器上运行，无需互联网连接、API 密钥或账户。 **主要功能：** * **智能搜索：** 采用混合搜索模式（70% 语义搜索 + 30% 关键词搜索）来理解文档含义，使您能够通过概念而非仅仅通过精确关键词来查找文档。 * **本地 AI 模型：** 利用 Ollama（使用 `nomic-embed-text` 进行向量嵌入，使用 `dolphin3` 生成摘要），按需即时生成文档的 AI 摘要。 * **广泛的兼容性：** 支持索引多种格式，包括 PDF、Word、Excel、PowerPoint、Markdown 和电子书。 * **隐私至上：** 内置自动 PII（个人身份信息）扫描器，可检测并剔除包含敏感信息的文档。 * **管理工具：** 提供重复文件检测、文件类型报告和目录管理功能，所有操作均可通过简洁的 Web 界面完成。 **技术亮点：** * **性能表现：** 基于 SQLite FTS5 的快速关键词索引，搜索延迟通常低于 150 毫秒。 * **多平台支持：** 提供适用于 Linux（RPM、DEB、tarball）、Windows（zip）和 macOS（dmg）的安装包。 * **强化安全：** 内置针对 CSRF（跨站请求伪造）和 DNS 重绑定攻击的防护措施，确保仅限本地使用。 DocuBrowse 是开源软件（GPL-3.0），为管理本地文件归档提供了一个强大且保护隐私的替代方案。
这份总结反映了作者对 Anthropic 公司“Fable”模型的失望。由于该模型采用了激进且校准不当的安全过滤器，导致其在处理正规的计算机科学研究任务时完全无法使用。 作者最初尝试使用 Fable 将 C++ 软件移植到 Rust。尽管该项目是开源且无敏感性的，但模型多次拒绝了这一指令，显然是由于源代码中包含的生物学术语触发了机制。作者得出结论，Fable 的“分类器”更像是一种针对生物学和网络安全等主题的粗糙黑名单，而非细致入微的安全机制。 第二次尝试涉及一个关于树结构与网络演化的纯抽象离散数学问题。即使作者删除了提示词中所有的生物学背景，并与 ChatGPT 合作排除了潜在的“危险”语言，Fable 依然拦截了该请求。 最终，作者认为 Fable 过度敏感的护栏机制——甚至连无关痛痒的查询也会被标记——令人极度失望。虽然该模型可以就冰淇淋等琐碎话题发表看法，却无法胜任专业的科学工作。对于生物信息学或计算机科学等领域的从业者而言，作者认为 Fable 目前并非一个可行的工具。
这份招聘信息展示了 2026 年 7 月 Hacker News “Who is Hiring” 版块中的 240 个活跃职位。这些岗位涵盖了多个技术领域，包括工程管理、人工智能/机器学习、后端与全栈开发、安全以及 DevOps。 主要亮点包括： * **工作模式：** 重点提供远程和混合办公机会，同时在纽约、伦敦和班加罗尔等科技中心也有部分驻点岗位。 * **薪酬待遇：** 在明确薪资的职位中，基本年薪范围为 12 万至 26 万美元，部分职位提供股权。 * **技术栈：** 对 Rust、C++、Go、TypeScript、Elixir 和 Python 的专业技能需求较高，同时要求熟悉 AWS、GCP 和 Azure 等云平台。 * **重点领域：** 许多公司正在寻求人工智能方面的人才，包括应用 AI、智能体构建以及编译器/大模型（LLM）工程等职位。 招聘企业涵盖了从 Cora AI 和 Youth Inc. 等初创公司，到 Adyen 和 Tech Mahindra 等成熟企业，能够满足不同资历水平和地区偏好的求职者需求。
抱歉。
请提供您需要翻译的内容。
Cloudflare 近期推出了“Cloudflare Drop”，这项服务允许用户通过拖拽文件夹或 ZIP 文件来即时部署静态网站。尽管一些用户赞赏其低门槛且对开发者友好的特性，将其比作现代版的 FTP 或 Geocities，但这一公告在 Hacker News 上引发了激烈争论。
对该服务的批评主要集中在以下三个方面：
* **法律疑虑：** 用户指出其服务条款过于激进，授予了 Cloudflare 对用户内容进行分许可和利用的“永久、不可撤销”的授权。尽管这是 Cloudflare 的标准模板条款，但许多人担心这是其利用用户数据训练 AI 模型的先兆。
* **安全与滥用：** 批评者认为，该服务的易用性使其成为恶意行为者托管钓鱼网站和恶意软件的强大工具，通过这种临时的匿名托管方式，加剧了网络安全的防御难度。
* **企业舆论：** 技术社区对 Cloudflare 的扩张存在日益严重的意见分歧。一些人认为其“防御性”基础设施具有积极意义，而另一些人则认为，Cloudflare 不断增长的中心化趋势及其“守门人”地位，导致了利益冲突，并对互联网流量形成了危险的垄断。
总体而言，这种反应反映了简化网页部署的需求与人们对企业管控及 AI 时代数据权利日益增长的怀疑之间的广泛矛盾。
请启用 JavaScript 和 Cookie 以继续。
抱歉。