## 代码生成幻觉：从规范入手
最近关于“代理编程”的炒作声称能够*仅*从规范生成代码，承诺一种转变，工程师将管理代理而不是直接编写代码。然而，这基于两个错误的假设。首先，规范本质上比它们产生的代码更简单——这是一个错误的前提，因为精确的规范往往在细节上*变得*像代码一样。OpenAI 的 Symphony 项目，被吹捧为由规范驱动，就证明了这一点，其中包含伪代码、数据库模式，甚至 AI 的“作弊表”——模糊了规范和实现之间的界限。
其次，认为规范工作自动比编码更有思考是错误的。当前加速交付的压力常常导致仓促、考虑不周的规范——本质上是缺乏连贯性的“AI 生成的垃圾”。
试图从这些有缺陷的规范中自动生成代码是明显失败的。尝试使用 AI 代理构建 Symphony 本身导致了错误，最终，无果而终。这与 YAML 等复杂规范的问题相呼应，即使有详细的文档，完全符合仍然难以捉摸。最终，你无法捷径工程所需的精确度；试图这样做只会转移劳动，并产生不可靠的结果。规范是有价值的，但并非作为节省时间的工具——它们需要仔细的思考，而这在当今的技术环境中正日益受到损害。
每日HackerNews RSS
## 从军事根源到社交媒体的先驱：PLATO与Lotus Notes的故事 现代计算领域欠军事资金和学术合作者的巨大恩情。早期计算机源于为军事合同服务的大学实验室，二战后这种关系持续存在，国防对教育和研究进行了大量投资。这推动了像PLATO（自动教学操作程序逻辑）这样的项目，该项目诞生于20世纪50年代末，被认为是第一个计算机教学系统。PLATO虽然最终在商业上没有成功，但它开创了对未来网络至关重要的概念——实时数据处理、多用户访问，以及关键的、用户促进的内容和协作。 PLATO强调共享笔记和讨论，在伊利诺伊大学得到发展，直接启发了Ray Ozzie和一支伊利诺伊大学校友团队在20世纪80年代创建Lotus Notes。最初由Lotus Development资助，Notes旨在更大规模地复制PLATO的协作环境。其独特的数据库中心架构，继承自PLATO的主机机根源，允许灵活的应用开发和“公共优先”的沟通方式。 尽管Lotus Notes在“群件”市场中早期占据主导地位，但最终因其复杂性、专有性质以及IBM的收购和随后的网络集成问题而逐渐失势。虽然现在是HCL所有权下的遗留系统，但Lotus Notes的影响是不可否认的。它为现代社交媒体、在线论坛和协作平台奠定了基础——一个概念上的奇点，其影响远远超过了其当前的可见性。
## Lotus Notes：回顾一个开创性平台
最近的Hacker News讨论回顾了Lotus Notes，这是一个曾经占据主导地位的群件平台，最终随着互联网的兴起而衰落。Notes的开发始于1984年，在当时非常超前，提供了诸如加密消息、共享日历、富文本编辑以及强大的应用程序开发环境等功能——在其他地方出现类似功能之前多年。其离线功能和数据复制尤其令人印象深刻。
然而，尽管拥有技术优势，许多人认为Notes之所以失败，是因为其复杂性和“厚客户端”架构，与互联网的简单性和开放性相比。虽然有人认为核心的“一切皆是笔记”概念并非问题所在，但该平台难以适应并以同样的速度进行创新。
即使在IBM收购Lotus之后，投资也逐渐减少，诸如文件大小限制等问题阻碍了进一步开发。尽管已被官方取代，但Notes的残余仍然存在于遗留系统中，它的影响可以在Notion、Coda和Airtable等现代工具中看到。这场讨论强调了一个警示故事：一个强大而创新的平台，因技术格局的变化和开放、快速发展的标准的力量而没落。
## 让它运行：AI驱动的工作流自动化 “让它运行”是一个工作流工具，旨在利用大型语言模型（如Claude、Codex和OpenCode）来自动化编码任务。它通过一系列“烹饪”（提示执行）和循环/组合操作符来工作。 **核心概念：** * **烹饪 (Cook):** 使用AI代理执行单个提示。 * **循环操作符:** `xN` 重复执行烹饪N次，`review` 添加质量检查与门控（DONE/ITERATE），`ralph` 管理任务列表的进展。 * **组合操作符:** `vN` 并行运行烹饪（版本），`vs` 并行运行不同的烹饪（对比），`pick`/`merge`/`compare` 解决结果。 **工作流示例：** 您可以迭代执行任务，例如实现暗黑模式 (`cook "Implement dark mode" review`)，或者比较方法，例如JWT与会话认证 (`cook "Auth with JWT" vs "Auth with sessions" pick "best security"`)。`ralph` 自动化处理在 `plan.md` 文件中定义的任务列表。 **设置与配置：** 安装方式是通过npm或将技能添加到Claude Code。配置文件 (`COOK.md`, `.cook/config.json`) 定义项目指令、代理/模型默认值和环境变量。可通过代理级别安全或Docker为OpenCode提供沙箱。
## Cook：用于编排 Claude 代码的 CLI - 摘要
Cook 是一款新的命令行界面 (CLI) 工具，旨在简化和自动化使用 Claude 及其他语言模型的工作流程。 许多用户已经创建了类似的工具，认识到需要超越简单的、一次性提示，转向可重复的、多步骤流程。 Cook 旨在保持中立，提供工作流程的基础构建块，而不是规定特定的实现方式。
该工具允许用户多次循环流程（例如代码审查），并行化任务，并管理复杂的代理交互。 它解决了直接使用 Claude 进行这些任务的局限性，例如上下文窗口限制和潜在的误解。 用户还可以将 Cook 与现有代理集成，或使用它来协调子代理。
讨论强调了自动化的好处、人工审查的重要性，以及与替代方法（如 bash 脚本和其他代理编排工具，如 Dagu.sh 和 Ossature）的比较。 一个关键的新功能允许 Cook 在 Claude 的 token 重置周期后自动恢复循环。 该项目仍处于早期阶段，但正在开发者社区中获得关注。
捷克男子谷仓地基中的石头是罕见的青铜时代矛头模具。
Czech Man's Stone in Barn's Foundations Is Rare Bronze Age Spearhead Mold
50 天前
启用 JavaScript 和 Cookie 以继续。
## REXC：JSON 的更快、更小替代方案
REXC 是一种数据编码格式，旨在作为 JSON 的直接替代品，在大小和速度方面都具有显著改进。它通过二进制编码数字、字符串去重、共享模式和前缀压缩，实现高达 **18 倍更小**的输出。重要的是，REXC 通过实现 **23,000 倍更快的单键查找**（O(log n)）*而无需*预先解析，避免了 JSON 的解析/内存权衡。
REXC 通过 **近乎零堆分配** 最小化内存使用；解析后的数据通过平坦字节缓冲区上的代理访问，避免了 GC 开销。它与 JavaScript 完全互操作——消耗解析后的 REXC 数据的现有代码无需更改。
**主要特性：**
* **安装：** `npm install @creationix/rx` (库), `npm install -g @creationix/rx` (CLI)
* **用法：** `JSON.stringify` 和 `JSON.parse` 的直接替代品。
* **CLI 工具：** 在 REXC 和 JSON 之间转换，检查编码结构，并选择子值。
* **低级访问：** 提供游标 API，用于零分配遍历和直接字节操作。
* **定制化：** 提供索引、字符串链和外部引用的选项。
REXC 非常适合性能关键型应用程序和处理大型数据集的场景。更多详细信息和性能基准测试可在 `rx-perf.md` 文档中找到。
## RX：一种新的随机访问JSON替代方案
Creationix推出了RX，一种旨在成为特定用例下更高效的JSON替代数据格式。与传统的JSON不同，RX优先考虑随机访问和减少内存占用，尤其是在处理大型只读数据集时。
RX在保持ASCII文本编码以实现复制粘贴兼容性的同时，实现了与CBOR或Protobuf等二进制格式相当的压缩率。它特别适用于只需要访问大型数据结构中一小部分的情况，避免了解析整个文件的开销。
主要特性包括保留JSON的数据类型（包括任意精度小数）和键的顺序，同时实现O(1)的数组查找和O(log2 N)的对象查找。作者强调了嵌入式数据库和查询构建工件等用例。然而，RX并非JSON的通用替代品，只有在完全解析和解压缩开销不可取时，其优势才最为明显。文档和查看器可在GitHub上获取。
## Uxn CPU 实现与 AI 辅助开发
该项目详细介绍了为 Uxn CPU 创建 x86-64 汇编实现的過程，Uxn 是一种用于 Hundred Rabbits 生态系统中的虚构 CPU。作者之前已经创建了快速的 Rust 和 ARM64 汇编实现，并利用大型语言模型（特别是 Anthropic 的 Claude 和 Opus）将汇编代码移植到 x86-64 平台。
最初，Claude 自动生成了一个可用的，但并不完美的 x86-64 实现，成本约为 29 美元。虽然需要大量人工清理——解决诸如寄存器滥用和低效指令等问题——但它提供了一个关键的起点，大大加速了开发。随后，通过模糊测试发现了一个错误，需要进一步调试，Opus 4.6 展示了令人印象深刻的调试能力，甚至识别出一个微妙的越界写入。
这个过程凸显了综合测试（单元测试和模糊测试）对于 AI 辅助编码的价值。虽然作者对完全依赖 AI 生成的代码仍然持谨慎态度，但他们承认它有潜力降低开发门槛并能够处理更复杂的任务。最终实现现在已经合并并发布，展示了人类和 AI 工程之间成功但细致的合作。
这场 Hacker News 讨论围绕着 Uxn 虚拟机的一个新的 x86-64 后端，以及更广泛地，关于 LLM 和可持续计算的哲学辩论。
最初的帖子引发了讨论，因为其作者的一项推荐被从与“100R”运动相关的资源列表中删除——该组织专注于计算领域的可持续性和生态正义。评论员认为 100R 认为作者对 LLM 的观点不足，尤其是在其社会和经济影响方面。
这场讨论凸显了那些倡导资源密集型技术（如 LLM）的人与那些优先考虑低影响、替代计算方法的人之间的紧张关系。一些人反对对 LLM 的一概否定，认为即使在可持续框架内，它们也可能是潜在的有用工具，而另一些人则对其环境成本以及取代人类技能的潜力表示担忧。 存在关于是否使用当前系统（包括 LLM）来构建更可持续的替代方案在伦理和实践上是否可行的问题。
最后，一个附带的对话涉及 Uxn 机器本身，澄清它不使用传统的 ROM，而是使用加载到 RAM 中的自修改代码，这使得即时编译 (JIT) 具有挑战性。
## 自动AI MaxSAT求解器取得最先进成果 一个自主AI代理，利用如Claude Code等工具，被部署成为MaxSAT问题解决领域的顶尖专家——无需任何人工干预。该代理在2024年竞赛的229个加权MaxSAT实例上运行，通过自我实验、学习和代码改进迭代地提升其性能。 该代理通过阅读指令、访问积累的知识、利用可用的求解器工具，并将改进提交到GitHub仓库，以促进多个代理实例之间的协作学习来运作。它取得了令人印象深刻的结果：解决了229个实例中的220个，在130个实例上匹配或超越了竞赛的最佳解决方案，甚至为先前未解决的一个实例发现了一种新的解决方案。 其成功的关键在于自主开发了诸如带选择器的贪婪SAT、核心引导搜索和动态子句加权等新策略。虽然存在并行度低和在困难实例上偶尔出现“隧道视野”等局限性，但该代理明显推动了该领域的发展，创建了一个不断演进的知识库和求解器库。
## 推理电路：通过层复制提升LLM性能 研究人员发现了一种显著提升大型语言模型（LLM）推理能力的方法，*无需*任何训练或权重调整。该方法基于David Ng的RYS方法，简单地复制模型架构中的特定连续层即可产生显著的性能提升。 在Qwen2.5-32B和Devstral-24B上的实验表明，Qwen2.5的**推理能力提升了17%**，Devstral的**逻辑演绎能力提升了245%**（在BBH上从0.22提升到0.76）——仅通过复制3层即可实现。这些“推理电路”表现为3-4层的块，经过两次处理后，可以增强认知功能。 该过程可以在消费级GPU（如AMD RX 7900 XT/6950 XT）上运行，耗时一个晚上。它涉及使用提供的工具包识别需要复制的最佳层块。不同的复制模式甚至可以针对特定技能定制模型（数学与情商）。其核心原理是重新路由隐藏状态，有效地让模型通过其推理流程进行第二次传递，使用相同的权重和最少的额外VRAM。这种方法与微调互补，并提供了一种解锁现有LLM隐藏潜力的新方法。
启用 JavaScript 和 Cookie 以继续。
黑客新闻 新的 | 过去的 | 评论 | 提问 | 展示 | 工作 | 提交 登录
Tomy Spinjas (medium.com/solidi)
6 分，由 biscuits1 1 天前发布 | 隐藏 | 过去的 | 收藏 | 1 条评论 帮助
crtasm 1 天前 [–]
>注意：以上产品图片已使用 Nano Banana 2 修复。
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系
搜索：
得克萨斯州奥斯汀市在2015年开始实施积极的政策变革，经历了显著的住房逆转。在经历了多年快速增长推动的租金飙升（2010年至2019年增长93%）之后，该市专注于消除新建住房的障碍。 关键改革包括放宽分区规定，允许在就业和交通枢纽附近进行更密集的开发——特别是公寓，以及2.5亿美元的经济适用房债券，和简化的许可流程。这些努力推动了住房单元数量增加了30%（2015年至2024年间增加了12万套），超过了全国的增长速度。 因此，奥斯汀的租金*下降*了——2021年至2026年下降了4%，即使人口持续增长。降幅在较旧、更经济实惠的建筑中最为显著。该市还通过支持辅助住宅单元、联排别墅和减少停车要求等举措，鼓励了多样化的住房类型。 奥斯汀的成功表明，一种多方面的策略——专注于增加供应*和*可负担性——可以有效地解决住房短缺并稳定成本，成为其他快速发展的城市的典范。 持续的改革旨在进一步简化开发，并确保持续的住房供应。