本文讲述了作者如何用350行Python代码构建一个简单的类型检查器。文章循序渐进地介绍了类型检查器的核心功能，包括解析Python代码、查找类型注解、检查类型兼容性、处理函数调用和返回类型、支持列表、字典和联合类型，以及类型收窄等。虽然该类型检查器功能有限，但它成功地捕捉到了一些实际Python代码中的类型错误，并为读者提供了一个理解类型检查器工作原理的良好示例。
阅读更多
作者探究了在字符串中检测元音的最快方法，尝试了11种不同的方法，包括循环、集合、正则表达式、递归等。令人惊讶的是，基准测试结果显示，正则表达式方法在各种字符串长度下都表现出极快的速度，这得益于CPython的优化正则表达式引擎。而对于较短的字符串，简单的循环方法速度最快。作者深入分析了字节码和正则表达式的内部实现，解释了正则表达式方法高效的原因。最终结论是，除非处理海量字符串，否则选择易于维护的方法即可。
阅读更多
一家初创公司每年花费数千美元使用Google Maps API进行反向地理编码，仅仅为了确定用户的州/省份。作者对此感到不满，于是开发了一个名为`coord2state`的轻量级JavaScript库，它可以直接根据经纬度坐标确定美国各州。该库基于美国人口普查局的边界数据，通过Douglas-Peucker算法简化边界，在0.01°的容差下，体积仅为260KB，精度高达99.9%。作者在GitHub和NPM上开源了这个库，为开发者提供了一个经济高效的替代方案。
阅读更多
作者回顾了25年AI/ML生涯，从最初用VB6制作简单的Tamagotchi游戏，到运用状态机、高阶函数提升游戏体验，再到攻读硕士博士期间接触第一阶逻辑、支持向量机、神经网络等理论知识，并将其应用于低带宽视频聊天和代码编辑器日志数据分析。在成为教授后，他专注于智能开发工具，探索使用预测模型识别和纠正程序员误解，并参与了微软程序合成团队的工作，运用LLM技术提升代码辅助工具。作者强调，在应用AI时需谨慎，需先明确用户问题，避免过度依赖LLM。
阅读更多
本文介绍了作者出于兴趣对大数运算库进行优化的过程。作者首先将存储数字的基数从10改为30位，显著提高了加法和乘法的运算速度。随后，作者实现了Karatsuba乘法算法，进一步提升了大数乘法的效率。作者通过基准测试比较了不同优化策略的性能差异，并计划在未来添加更多功能，例如负数支持、减法、除法、位运算等，并完善代码测试。
阅读更多
本文探讨了ChatGPT在数据科学领域的应用挑战。研究发现，数据科学家在使用ChatGPT时，面临着上下文共享困难、ChatGPT做出不透明假设、期望与结果不符等挑战。同时，ChatGPT生成的代码也存在重复、不符合数据科学家代码规范等问题。研究建议设计更智能的数据科学工具，提供前瞻性和流畅的上下文交互、提供询问式反馈循环和验证感知操作，以及提高上下文共享和领域专业知识解决方案的透明度。
阅读更多
本文介绍了如何使用 C 语言创建一个大数运算库，用于处理超出计算机整数类型表示范围的超大整数。文章首先解释了大数运算库的必要性，然后详细讲解了如何使用字符串存储数字、进行比较、加法和乘法运算等核心操作的实现方法，并提供了代码示例。
阅读更多
本文介绍了CodeAid，一个在课堂上部署的基于LLM的编程助手。CodeAid旨在为学生提供帮助，同时避免直接给出代码答案，以解决教育工作者对学术诚信和学生过度依赖AI的担忧。研究人员在一个700名学生的C语言编程课程中部署了CodeAid，并收集了学生使用数据、调查和访谈。结果显示，CodeAid在提供编程帮助方面取得了成功，学生们赞赏它的全天候可用性和个性化帮助。研究人员还提出了未来教育AI助手的四个主要设计注意事项：利用AI的独特优势、设计AI查询界面、平衡AI响应的直接性以及支持信任、透明度和控制。
阅读更多