Skip to main content

黑洞资源笔记

黑洞资源笔记
黑洞资源笔记

  2. 《理解统计学与实验设计》如何不靠统计数据说谎 | #电子书

    这本开放获取的教科书提供了在不同场景中正确使用、解释和理解统计学及统计数据的背景知识。

    第一部分清晰阐述了统计学的关键概念。第一和第二部分概述了最常见的检验方法（t 检验、方差分析、相关性分析）并阐明了其统计原理。第三部分深入探讨了元统计学（统计学的统计学），解释了为何实验经常无法复现。最后，教科书展示了如何通过巧妙的设计实验来避免复杂的统计分析。

    无论是非科研人员还是生物学、生物医学及工程领域的学生，都将通过本书获益——学习科学论断背后的统计基础，并掌握评估学术期刊和新闻媒体报道中科研报告质量的方法。

  3. 使用 Rust 构建一台 1 美元的掌上游戏机。| blog

    核心芯片用的RISC-V芯片CH32V003，不到一块钱。显示器也只有几块钱。

  4. 给 Claude Code 接上「整个代码库」的语义搜索 | claude-context

    大模型 context window 再大，也有上限。真正的工程项目动辄几十万行代码，没法一次性全塞进去。Zilliz 开源的 claude-context 解决的就是这个问题：把你的代码库向量化存进数据库，让 Claude Code 在需要时按语义检索相关代码片段——而不是每次都把整个目录加载进 context。

    1. 核心机制
    代码不是以文件为单位存储，而是先用 AST（抽象语法树）做智能分块，再通过 OpenAI embedding 模型向量化，存入 Milvus / Zilliz Cloud 向量数据库。

    检索时用的是混合搜索：BM25 关键词匹配 + 向量语义搜索，两种方式的结果合并排序，相关性比单纯向量搜索准。

    官方测评数据：在同等检索质量下，减少约 40% 的 token 消耗。代码库越大，节省越明显。

    2. 增量索引
    用 Merkle Tree 跟踪文件变化，只重新索引改动的文件，不需要每次全量跑一遍。

    3. 安装方式极简
    对 Claude Code 来说，加完claude-context 之后，在 Claude Code 里直接说「Index this codebase」，等索引完成，就可以用自然语言检索了：「找所有处理用户认证的函数」。

    4. 兼容范围
    不只 Claude Code，Cursor、Codex CLI、Gemini CLI、Windsurf、VS Code、Cline 全都支持，都是改 MCP 配置文件，几行 JSON 搞定。

    支持的编程语言：TypeScript、Python、Java、Go、Rust、C++、C Sharp、Ruby、Swift 等主流语言。

    Embedding 也可以换：除了 OpenAI，还支持 VoyageAI（voyage-code-3，代码搜索效果更好）、Ollama 本地模型、Gemini。

    5. 本质上
    Claude Code 默认的代码理解方式是：你告诉它看哪里，它看哪里。这个工具把它升级成：你问它一个问题，它自己去整个代码库里找相关的部分，带上来给你用。

    对于中大型项目，这个差距很明显——不用再手动 (at)file 指定文件，不用担心忘了哪个关键模块，Agent 的自主性和准确性都会提升。

  5. 算法与复杂度 | #手册 #算法

    “这个系列的博文会逐个介绍计算机科学里面最基础、也是最重要的一部分内容：算法(algorithm)。提到它，这可能是你最擅长的部分，亦或是你学生生涯的噩梦。不管怎么样，对于学计算机的小伙伴来讲，它始终是不可回避的一个话题。不论是学生时代的你还是已经踏上了工作的岗位，算法都会一直陪伴着你。

    为什么要做这个系列呢？因为网上对于这一块的内容实在是太多，甚至是太杂，而很少有把算法的知识体系整合起来形成一个系列的教学博客。于是乎想尽自己的微薄之力，让更多的人能够更好地理解算法，不畏惧算法，在未来求职的面试中不再因为它而与自己理想的公司失之交臂。

    我将有别于国内的教学方式和教学内容。形式上不再是只针对如何解决这个问题，因为只会解决问题并不代表真正理解这个问题。我会花一些篇幅着重介绍一些概念性的内容，这也是国内的教学最欠缺的部分。国内的课堂不会告诉你自然对数 e 揭示了自然界生长的规律；学完了线性代数，你可能光学会了如何解行列式，却忽视了行列式也是有几何意义的。在内容上我不再按照“排序算法”、“搜索算法”等方式分类，而采用了解决问题的不同方式来划分，比如“暴力求解”、“分治法”、“动态规划”等等。整个系列我以 Levin 编写的 Introduction to The Design and Analysis of Algorithms, 3rd Edition 作为参考。要是你觉得这本书讲得太基础，你也可以参考 MIT 的《算法导论》，绝对的算法界的权威书籍。”

  6. 《逻辑学简短入门》牛津通识读本的重译版 | #电子书

    Graham Priest 的 Logic: A Very Short Introduction 是牛津通识系列中的一本。该书在众多逻辑学入门书中独树一帜，并不试图完整介绍逻辑学的理论，而是通过一些哲学难题或逻辑谜题引入解决这些问题的逻辑理论和方法，在介绍逻辑知识的同时展示逻辑可以如何来用。

    译者wxflogic发现之前的翻译有些术语不太准确，所以重新翻译了一下。

  8. Matt Pocock 的 skills 在 GitHub Trending 榜上突然爆发——短短一天内新增超过 5600 颗 Star，总 Star 数突破 3 万，成功登顶。

    Matt 是一个 TypeScript 课程作者，最近一年多在教开发者如何真正用好 AI 编程。他最近在 AI Engineer 上的演讲被放了出来，反响不错。应该是这个演讲让他的 skills 翻红。

    Matt Pocock 认为：软件工程基本功在 AI 时代比以往任何时候都更重要。

    Matt 把 AI 编程中常见的问题归纳为六个失败模式（见评论区），他的 Skills 仓库里的每一个工具，基本上都对应其中一个，很多论据则来自软件工程领域的一些书籍和概念。

    这些技能不是孤立工具，它们可以构成一套完整的工作流。

    github | youtube：link1 link2