HN Digest
Briefing personnel.

Edition quotidienne

Lire vite. Garder l'essentiel.

Les meilleurs longs formats de Hacker News, relus plus calmement.

7134 articles Page 410/714 Sans filtre

06:01

Official Clojure Documentary page with Video, Shownotes, and Links

Le Lisp est une famille de langages qui représentent le code sous forme de listes imbriquées entre parenthèses, et Clojure en est un dialecte. Le REPL (Read-Eval-Print Loop) est une session interactive qui lit une expression, l'évalue, affiche le résultat et recommence, outil utilisé par les développeurs Clojure pour construire et tester des programmes en cours d'exécution. La programmation fonctionnelle est un style centré sur des fonctions qui reçoivent des valeurs et renvoient des valeurs en limitant l'état mutable et les effets de bord. Une valeur est une donnée immuable après création, comme un nombre, une chaîne ou une collection persistante, et une structure de données persistante conserve ses versions précédentes en renvoyant une nouvelle collection lors de modifications. La mémoire transactionnelle logicielle (STM) coordonne les changements d'état partagé par transactions plutôt que par verrous, un langage hébergé s'exécute sur une plateforme existante (par exemple Clojure sur la JVM ou ClojureScript en JavaScript), et la complexité accidentelle désigne les difficultés causées par les outils ou les choix de conception plutôt que par le problème lui-même.

06:01

A Better R Programming Experience Thanks to Tree-sitter

Davis Vaughan et des collaborateurs ont porté la grammaire R au format Tree-sitter, ce qui a permis d'améliorer l'expérience développeur et sa disponibilité sur GitHub. Tree-sitter est un générateur d'analyse syntaxique écrit en C qui produit des arbres de syntaxe et supporte l'analyse incrémentale, rendant possible la mise à jour rapide de l'analyse pendant la saisie. Cette intégration alimente de nombreux outils et fonctionnalités pour R, notamment la recherche et la navigation de code, l'auto-complétion et l'aide au survol dans des environnements comme Positron, le reformatage (Air), le linting et la correction (Jarl), la recherche/refactorisation par AST (ast-grep) et le diff structurel (difftastic). Plusieurs outils sont fournis comme des CLI Rust pour des performances et une intégration CI/IDE aisées, tandis que des paquets R (par exemple {treesitter}, {ts}, {tstoml}) exposent la fonctionnalité aux workflows R. L'écosystème Tree-sitter pour R est actif et en évolution, et l'adoption de la grammaire R dans ce générateur général continue d'ouvrir des possibilités d'outils et d'améliorations auxquels chacun peut contribuer.

06:01

Show HN: Spice simulation → oscilloscope → verification with Claude Code

L'auteur a expérimenté Claude Code pour le développement matériel en laissant l'IA créer des circuits à partir d'instructions en langage naturel. Cette méthode fonctionne bien pour des circuits triviaux mais devient délicate pour des conceptions plus complexes et bénéficie énormément d'un retour immédiat. En connectant Claude à l'oscilloscope et à un simulateur SPICE, il a pu valider des circuits SPICE et des modèles, simplifier la programmation embarquée et automatiser des tâches d'analyse de données longues comme la normalisation et l'alignement. Il recommande de ne pas laisser l'IA deviner la configuration physique de l'oscilloscope, de garantir que les mesures ne soient pas obsolètes et de fournir les données via des fichiers plutôt que d'inonder le contexte de l'IA. Pour les microcontrôleurs, il préconise de fournir un plan de broches/pinmux et un Makefile exposant des cibles telles que build, flash, ping et erase, et il publie des dépôts exemples pour illustrer le flux de travail.

06:00

A Python Interpreter Written in Python

L'autrice présente son travail sur Byterun, un interpréteur Python minimal développé avec Ned Batchelder et inspiré par Paul Swartz, destiné avant tout à l'apprentissage. Byterun est un interpréteur écrit en Python d'environ 500 lignes, capable d'exécuter la plupart des programmes simples et conçu pour la clarté plutôt que pour la performance. L'article explique l'architecture fondamentale : une machine virtuelle à pile qui exécute du bytecode produit par le lexeur, le parseur et le compilateur, en manipulant des piles de données et en effectuant des sauts pour conditions et boucles. L'implémentation décrite détaille les composants clés (VirtualMachine, Frame, Function, Block), la boucle d'exécution qui parse les octets et dispatch les instructions vers des méthodes byte_*, ainsi que la gestion des piles et du contrôle de flux. Le texte souligne les limites liées au typage dynamique et aux performances par rapport à CPython, présente Byterun comme un outil pédagogique et renvoie vers le dépôt GitHub pour l'implémentation complète.

06:00

Guy builds AI driven hardware hacker arm from duct tape, old cam and CNC machine

Ce projet fournit une pile d'automatisation pour un dispositif de probing volant permettant à un agent de détecter une cible, cartographier ses composants et préparer des points de test. Le flux inclut l'ingestion du projet, la vérification matérielle, le retour à l'origine et la calibration, la capture microscopique de cadres avec suivi XYZ, l'assemblage des images et l'annotation des broches et composants. Les cibles de sondage sont proposées via un tableau de bord web pour approbation manuelle, puis les cibles approuvées sont sondées et les résultats sont rapportés, avec contrôle possible via le tableau de bord, des scripts Python ou l'agent autonome. Le code source inclut le contrôle Python, le tableau de bord, des fichiers CAO, la documentation et des fichiers de configuration, et s'appuie sur un équipement type (contrôleur GRBL 3018, microscope USB, oscilloscope Siglent et butée optique surveillée sur la voie 4). La sécurité impose de traiter le système comme une machine, de surveiller en continu le canal 4 de l'oscilloscope comme condition d'arrêt, d'interrompre et de rapporter toute anomalie sans reprise automatique, et l'utilisation est limitée à des fins non commerciales sous licence PolyForm Noncommercial 1.0.0.

06:00

Claude Opus 4.7

La version Opus 4.7 d'Anthropic est disponible de manière générale via tous les produits Claude, l'API, Amazon Bedrock, Google Cloud Vertex AI et Microsoft Foundry, avec des tarifs inchangés à 5 $ par million de tokens en entrée et 25 $ par million en sortie. Cette itération améliore significativement l'ingénierie logicielle et l'autonomie sur des tâches longues et complexes, suit les instructions de façon plus stricte, vérifie ses propres sorties et offre une vision multimodale à plus haute résolution pour traiter des images jusqu'à 2 576 pixels. Dans de nombreux benchmarks et retours clients, Opus 4.7 dépasse Opus 4.6 sur la plupart des tâches (par exemple +13 % sur un bench de 93 tâches de codage et gains de l'ordre de 10–15 % sur plusieurs évaluations), montrant des progrès en qualité de code, robustesse des agents et performances sur des workflows réels. La distribution comprend des garde-fous automatiques qui détectent et bloquent les usages cyberrisqués, une réduction différenciée des capacités cyber lors de l'entraînement, et un programme de vérification pour les professionnels de la cybersécurité; Mythos Preview reste la version la plus puissante et la mieux alignée selon leurs évaluations. Parmi les nouveautés figurent un niveau d'effort xhigh, des budgets de tâche en bêta, une commande /ultrareview pour les revues de code et des changements de tokenizer qui peuvent augmenter l'usage de tokens d'environ 1,0 à 1,35×, ce qui rend conseillé d'ajuster les prompts et de mesurer l'impact lors de la migration depuis Opus 4.6.

06:08

Show HN: Libretto – Making AI browser automations deterministic

Ce kit fournit un navigateur en direct et une interface CLI efficiente en tokens pour aider les agents de codage à inspecter des pages web en temps réel. Il permet de capturer le trafic réseau pour rétroconcevoir des API, d'enregistrer et rejouer des actions utilisateur, et de déboguer des workflows contre le site réel. L'installation s'effectue via npm avec une commande d'initialisation interactive qui détecte et épingle automatiquement un modèle d'analyse de snapshots selon les identifiants d'API disponibles. La configuration et l'état sont conservés dans un répertoire de projet dédié avec des sessions isolées, des profils de connexion réutilisables et des journaux pour les requêtes et les actions. Le projet est open source, maintenu par l'équipe de Saffron Health, dispose d'un dépôt GitHub, d'un canal Discord et d'outils pour le développement et les tests locaux.