## Bun vs. Node.js：Trigger.dev 的 5 倍性能提升
Trigger.dev 在其对延迟敏感的“Firestarter”服务（一个处理数千个长轮询 HTTP 连接的预热连接代理）中用 Bun 替换了 Node.js，从而实现了 **5 倍的吞吐量提升**。初步分析显示 Node.js 实现存在瓶颈：缓慢的 SQLite 查询、过多的 Zod 解析以及低效的头部转换。
第一阶段消除了 SQLite 数据库，用复合键 Map 替换它，实现 O(1) 查找，吞吐量翻倍，延迟减半。第二阶段切换到 Bun 的原生 `bun.serve()` API，进一步将性能翻倍。随后的分析（第三阶段）识别并修复了与 Zod 验证、头部处理和调试日志记录相关的热点，将 CPU 使用率提高了 40%。最后，编译成单个二进制文件（第四阶段）又将吞吐量提高了 14%，并将镜像大小从 180MB 减少到 68MB。
一个关键发现是 Bun 的 HTTP 模型中存在内存泄漏：来自断开连接的客户端的未解决的 Promise。修复此问题稳定了内存使用并进一步提高了性能。该团队强调分析的重要性，在每个步骤进行基准测试，并理解 Bun 独特的 HTTP 生命周期。他们还为常见的 Bun 问题创建了一个调试技能。
每日HackerNews RSS
对不起。
最近的研究正在揭示阴蒂的奥秘，这个器官由于社会禁忌和解剖学挑战，历史上一直研究不足。研究人员利用同步加速器的先进X射线技术，首次在微米级别上创建了阴蒂神经的详细三维图像。
发表在bioRxiv上的研究表明，阴蒂背神经（DNC）有力地延伸到阴蒂龟头，广泛分支并连接到周围组织，如耻骨区域。这与先前的神经逐渐变细的假设相矛盾。
这种详细的解剖学图谱具有重要意义。它可以改善针对女性生殖器切割术后患者的重建手术，并帮助外科医生在其他盆腔手术中避免神经损伤。专家强调，随着性别肯定治疗的进步，人们对生殖神经重要性的认识日益增强，并强调需要进一步研究以开发针对相关疾病的更好疗法。该团队计划扩大研究范围，纳入更多样化的捐赠者。
这个黑客新闻的讨论围绕着LiveScience最近重新发布的一篇文章，该文章详细介绍了对阴蒂神经的首次完整绘制。用户最初将帖子标记为重复，并指出通过HN的搜索功能很难找到原始提交——这是最近几位评论者遇到的问题。
对话很快演变成一系列关于HTTP错误代码（404、403、502、411、420、402）的玩笑，利用了文章敏感的主题以及令人沮丧的搜索问题。几位用户指出，这些错误代码与主题相关的幽默之处，其中一人建议使用“420 Enhance your calm？”的回应。这个帖子既突出了科学发现，也突出了HN搜索功能的怪癖，以及社区略显尴尬但轻松的反应。
👍 1人点赞 👎 1人踩 😄 1人笑 🎉 1人欢呼 😕 1人困惑 ❤️ 1人爱心 🚀 1人火箭 👀 1人眼睛。 你现在无法执行该操作。
对不起。
``` /research "GraphQL性能特征" 收集证据，读取你的代码库，搜索网络，并记录发现的内容。每个发现都有一个类型（事实、风险、预估）和一个证据等级——从“声明”（有人说）到“测试”（原型验证）。 r001 [事实|文档] GraphQL消除了移动客户端的过度获取，减少了40-60%的负载大小。 r002 [事实|网络] GraphQL N+1查询问题需要DataLoader或等效的批量处理层。 r003 [风险|文档] 现有的REST缓存（CDN、HTTP）无法直接应用于GraphQL，需要自定义解决方案。 ```
一个黑客新闻的讨论围绕着人工智能生成工具和网站的激增，特别是名为“wheat”的一个工具，它迫使LLM通过CLI来解释它们的答案。
许多评论者表示怀疑，一些人认为这些工具是“无用的垃圾”，认为直接与LLM交互足以完成简单的任务。 还有人指出这些网站的重复性和糟糕的设计，并提到烦人的“淡入”效果是明显的标志。
然而，一些用户发现像“wheat”这样的工具很有价值，尤其是在与Claude等模型进行长时间会话时，并指出在代码合并方面提高了生产力。 讨论凸显了人们对不断涌现的人工智能工具的日益疲劳，以及关于它们是否真正解决了问题，还是仅仅增加了不必要的复杂性的争论。
## 软件版本控制：为什么重要以及如何正确实施
最近的一次生产事故暴露了软件版本控制中的一个关键缺陷：无法*精确*知道正在运行的代码是什么。尽管快速识别出潜在的修复方案，但由于缺乏对构建版本和发布的可见性，仍然浪费了数小时。这促使我们重新审视最佳实践，并回忆起十多年前在 i3 窗口管理器中实施的一种解决方案。
核心问题在于令人惊讶的低版本控制标准——即使是家用电器也具有详细的版本信息！有效的软件版本控制需要三个步骤：**标记它！**（包含源代码修订版），**连接它！**（确保此信息在构建和打包过程中不会丢失），以及**报告它！**（在日志、用户界面甚至 HTTP 标头中显示版本信息）。
最有价值的信息是 VCS（版本控制系统）修订版。虽然 Go 现在可以自动使用此数据标记构建，但将其集成到 Nix 等打包系统中可能很复杂。像 `stapelberg/nix/go-vcs-stamping` 这样的叠加层可以弥合这一差距。
最终，优先考虑“版本可观测性”——在整个系统中一致报告 VCS 修订版——是一个高影响、低成本的项目，可以在事件响应期间节省大量时间和压力。不要满足于基本的版本号；要知道*精确*正在运行的代码是什么。
对不起。
## Sheets：终端电子表格
Sheets 将电子表格功能带到你的终端。你可以启动它来直接读取通过 stdin 管道传入的 CSV 数据，或者打开现有的 CSV 文件。导航侧重于键绑定，允许使用 `h, j, k, l` 在单元格之间移动，并使用 `gg`（顶部）或 `B9`（单元格 B9）等命令快速跳转到特定位置。
Sheets 支持通过直接赋值 (`B7=10`) 和插入模式 (`i`) 修改单元格。强大的功能包括搜索 (`/`)、标记 (`ma`)、跳转列表 (`ctrl+o`) 和视觉选择 (`v`)，用于复制、剪切和粘贴。公式可以在视觉模式下使用 `=` 插入。
保存、打开其他文件和退出都通过激活 `:` 的命令提示符来完成。安装很简单，可以使用 Go (`go install...`) 或下载预构建的二进制文件。该项目采用 MIT 许可，并欢迎用户反馈。
## 终端电子表格：Hacker News 汇总
Hacker News 的讨论重点介绍了新的基于终端的电子表格工具“Sheets” ([github.com/maaslalani](https://github.com/maaslalani))。 这篇文章引发了对类似项目的兴趣，揭示了在终端界面中可用的电子表格功能选项数量惊人。
几位用户推荐了 **VisiData** 和 **visidata (vd)**，称赞它们的速度以及处理大型数据集的能力，甚至可以抓取网站上的表格数据。 还有人指出 **Oleo** 及其现代分支 **NeoLeo**，这是一个更小、基于 C++ 的版本，具有 Tcl 绑定以进行自定义和独特的查询语言。 **lnav** 也被提及为强大的 CLI 数据工具。
对话转向怀旧，回忆了早期的电子表格程序，如 **Lotus 1-2-3**、**Quattro Pro** 和 **Visicalc**，其中一些至今仍可使用模拟器运行。 一个共同的主题是对结合电子表格和笔记本功能的工具的渴望，像 **TreeSheets** 和 Obsidian 插件提供了部分解决方案。
虽然许多人欣赏基于终端的工具的简单性和强大功能，但与现代电子表格格式（如 .xlsx）的兼容性仍然是更广泛采用的关键挑战。
## Gemma Gem：您的本地AI助手
Gemma Gem 是一款 Chrome 扩展程序，它将强大的 AI 助手直接带入您的浏览器，由 Google 的 Gemma 4 模型提供支持。它完全在您的设备上运行——无需互联网连接或 API 密钥——利用 WebGPU 进行快速、私密的处理。
安装后（需要下载约 500MB），Gemma Gem 可以阅读网页、与元素交互（点击按钮、填写表单），甚至执行 JavaScript。您可以通过浏览器中的图标访问它，并通过聊天界面进行交互。
该扩展程序通过内容脚本、服务工作线程和托管模型的离屏文档系统工作。它提供截图捕获、文本提取和页面滚动等工具，所有这些都可以通过自然语言控制。
用户可以自定义 AI 的“思考”过程，并管理上下文清除和特定站点禁用等设置。提供开发版本和生产版本，详细日志可通过 Chrome 的扩展程序检查工具访问。
## Gemma Gem：浏览器中的人工智能
一个名为 **Gemma Gem** 的 Chrome 扩展程序将谷歌的 Gemma 4 (2B) 人工智能模型直接带入您的浏览器，无需 API 密钥或云连接。由 ikessler 开发，它允许模型通过读取内容、截取屏幕截图、点击元素，甚至运行 JavaScript 与网页互动，可通过聊天叠加层访问。
虽然对于简单任务有效，但复杂操作可能不可靠。该项目的代码是开源的，允许进行实验和潜在的独立使用。讨论强调 Chrome 的 **Prompt API** 是一种类似的方法，以及未来利用操作系统级 LLM 的原生 Web 功能的可能性。
有人对安全性（授予 JS 执行权限）和状态持久性（浏览器崩溃）提出了担忧，但评论员指出现有的 Web 安全措施和浏览器存储选项。该项目被认为对隐私、离线使用以及作为本地 LLM 应用程序的构建模块很有价值，可能简化了处理敏感数据的开发人员的集成。
Copilot 仅供娱乐。微软使用条款规定。
Copilot is 'for entertainment purposes only', per Microsoft's terms of use
18 天前
即使是开发人工智能工具的公司，如微软的Copilot、OpenAI的模型以及xAI的产品，也在告诫用户不要盲目信任其输出结果。 他们的服务条款明确指出，这些人工智能容易出错，不应被用于重要决策。 微软目前正在向企业推广Copilot，最初包含免责声明，将该工具标明“仅供娱乐”，并建议用户“自行承担风险”。 他们承认这种措辞已过时，并计划更新。 同样，OpenAI和xAI也警告不要将他们的人工智能的回复视为绝对真理或事实信息。 这些免责声明强调了一个关键点：虽然人工智能正在迅速发展，但它仍然存在缺陷，需要对生成的内容进行批判性评估——这种观点与怀疑论者*和*人工智能开发者本人不谋而合。
## 微软的Copilot：“仅供娱乐”
一篇最近的TechCrunch文章，在Hacker News上讨论，强调了微软的使用条款中声明Copilot“仅供娱乐”的免责声明。 这引发了用户们热烈的争论。
许多评论者指出，将一个工具命名为“副驾驶”——暗示协助——同时又声明其不可靠，这其中的讽刺意味。 有人开玩笑说，*所有*微软服务都可以这样描述，并提及过去的问题和公司的销售策略。
讨论还涉及更广泛的AI领域，一些人预测“AI寒冬”并认为大力投资AI的公司可能犯了错误。 另一些人则反驳说，完全否定AI是目光短浅的，并将之比作早期对手机的怀疑态度。
用户们还分享了一些有趣的观察，例如AI可能帮助冰淇淋店（或者不能！），以及微软内部“Copilot”品牌产品的激增。 人们对该工具的实用性和潜在滥用提出了担忧，尤其是在代码建议和生成潜在有害内容方面。
## Modo：一个开源、规划优先的AI IDE
Modo是一个基于VS Code的Void编辑器构建的桌面IDE，旨在通过优先考虑*规划*而非直接执行来增强AI辅助编码。与典型的“提示-生成代码”工具不同，Modo通过明确的工作流程来构建开发过程：**提示 → 需求 → 设计 → 任务 → 代码。**
用户在`.modo/specs`中定义功能或错误修复，为需求、设计和实现任务创建markdown文件。然后，AI代理填充这些内容，允许审查和迭代完善。任务是持久的，并且可以从IDE中一键执行。
主要功能包括通过markdown规则进行项目指导，通过JSON钩子实现自动化操作，以及为复杂任务并行生成代理。它支持多种LLM，并与OpenAPI规范等工具集成。一个切换开关允许在自主“自动驾驶”模式和监督模式之间切换。
Modo是完全开源的（MIT许可证），并且高度可定制，提供专用主题、自定义命令以及通过可安装的“能力”进行扩展。虽然目前由社区维护，但它为寻求更结构化的AI驱动编码方式的开发者提供了强大的基础。
[https://github.com/modoeditor/modo](https://github.com/modoeditor/modo)
对不起。
## 开源软件的可移植性价值 本文论述了开源社区中日益增长的对软件可移植性的敌对态度。作者反驳了常见的将移植到“旧”或不太流行的架构（如Alpha、MIPS、PowerPC或32位系统）视为无意义的观点，以及对字节序（大端与小端）的担忧。 作者认为，支持不同的架构并非沉溺于过去，而是承认活跃的社区兴趣并提高软件质量。移植可以发现隐藏的错误——一个安全漏洞甚至是通过在旧硬件上测试Linux内核发现的。大端和小端系统都有其价值，而字节序安全的代码就是*更好*的代码。 同样，32位支持仍然相关，尤其是在资源受限的环境中，甚至可以在64位系统上提高效率。最终，接受社区驱动的移植表明了对用户的尊重，并促进了更健壮、经过充分测试的代码库。作者提倡协作方法，敦促维护者拥抱贡献，即使是针对意想不到的平台，将其视为项目蓬勃发展和有价值的标志。
## 黑客新闻讨论总结：字节序与软件可移植性
一篇关于字节序（字节在内存中存储顺序）的文章引发了黑客新闻的讨论，结果显示，开源项目普遍不倾向于优先支持不太常见的架构。核心论点集中在**维护负担和机会成本**上。开发者认为，接受对大端系统等架构的移植会带来持续的测试和调试需求，但用户收益有限。
许多评论者强调，维护者没有义务支持所有可能的平台，尤其是在资源有限的情况下。他们提倡，如果用户需要特定支持，应该**分叉项目并自行维护**。 还有一种担忧是，最初的移植贡献者经常消失，导致维护工作落到原始作者身上。
虽然有些人欣赏大端在调试方面的作用，但共识倾向于优先考虑**小端**，因为它具有效率和普及性。有人建议使用**QEMU**等工具在不同架构上进行测试，但也指出了在模拟器中设置和调试的困难。最终，这场讨论凸显了一种务实的观点：专注于广泛使用的架构能为大多数用户带来最大价值。