#fyi Пет-проект, начатый с bash скриптов продолжает развиваться, и я вижу, как это можно объединить в единую инфраструктуру. Aurora Bot со временем заменит Aurora CLI и Toolbox GTK. Появится умная командная строка и останется классическая. Прямо с сайта можно будет установить Аврора SDK, а воспользоваться умными командами можно будет прямо с Telegram. Dataset продолжит расти, и когда-нибудь он будет знать ответы на все вопросы. Теперь появляется необходимость в демоне для клиента, и можно перейти на D-Bus для реализации API, что позволит делать клиенты в Flatpak/Snap. Клиенты могут быть разные: от расширения в IDE до приложений, подобных Toolbox GTK. Процесс уже запущен, я думал: на чем писать клиента бота для PC - я решил, это будет Rust. Большие приложения на Python писать можно, но мне не понравилось. Rust позволит сделать более производительную центральную систему всей ифраструктуры - именно он будет отвечть за взаимодействие с PC. Koltin/Ktor - отвечает за сервер. JS/React - сайт и новый Toolbox. Rust/Ratatui - клиент на PC, который сможет работать, как сам (подобно aurora-cli), так и при взаимодействии с сервером, отвечающим за умную командную строку и связь внешних сервисов с PC. Этот проект остается моим пет-проектом, и пока цели мои и проекта совпадают, он развивается - вот уже 2 года как. Да, Aurora CLI 4.0 не будет, но я надеюсь будет лучше - Aurora Bot 1.0.0.
Aurora Bot | Telegram
- Поиск по Dataset
- Умный CLI
- Toolbox
- Уведомления
- Центр авторизации
Aurora Bot | Web
- Landing
- Документация
- Поиск по Dataset
- Toolbox
Aurora Bot | Client
- Классический CLI
- Умный CLI
- API D-Bus
- Клиент
Aurora Bot | Telegram
- Поиск по Dataset
- Умный CLI
- Toolbox
- Уведомления
- Центр авторизации
Aurora Bot | Web
- Landing
- Документация
- Поиск по Dataset
- Toolbox
Aurora Bot | Client
- Классический CLI
- Умный CLI
- API D-Bus
- Клиент
3👍10🔥4😁1😱1
This media is not supported in your browser
VIEW IN TELEGRAM
Кайф, у меня похоже 2й любимый язык появился =)
/**
* Exec wait output
*/
fn exec_wait() -> Result<Output, std::io::Error> {
Command::new("aurora-cli")
.args([
"api",
"--route",
"/tests/answer?time=1500&code=200&iterate=2",
])
.stdout(Stdio::piped())
.stderr(Stdio::piped())
.output()
}
/**
* Exec read runtime output
*/
fn exec_runtime(callback: fn(String)) {
let mut child = Command::new("aurora-cli")
.args([
"api",
"--route",
"/tests/answer?time=1500&code=200&iterate=2",
])
.stdout(Stdio::piped())
.spawn()
.unwrap();
let lines = BufReader::new(
child.stdout.take().unwrap()
).lines();
let mut vec = Vec::new();
for result in lines {
vec.push(result.unwrap());
if vec.last().unwrap() == "}" {
callback(vec.join("\n"));
vec.clear();
}
}
}
👍11🔥3❤1🥰1
#bot Заборол
clap - все, что необходимо, нашел в нем… и даже больше. Еще радует скорость работы... Локализации вот только не нашел - а где она есть? Пока будет вперемешку - как я люблю =)🔥7👍3
Forwarded from Aurora Developers
Мы подвели результаты исследования сообщества разработчиков и готовы поделиться с вами наблюдениями 📊
По результатам опроса Aurora Developer 4 квартала 2024 вы узнаете:
🔸 кому интересна разработка под Аврору
🔸 tooling: что используется при создании приложений
🔸 как используется портал разработчиков
🔸 как мы работаем с сообществом
🔸 какие нужны улучшения в продуктах для разработчика
Ознакомиться с материалом можно по ссылке 👉 http://vk.com/@aurora_os-rezultaty-oprosa-aurora-developer-survey-fall-2024
По результатам опроса Aurora Developer 4 квартала 2024 вы узнаете:
🔸 кому интересна разработка под Аврору
🔸 tooling: что используется при создании приложений
🔸 как используется портал разработчиков
🔸 как мы работаем с сообществом
🔸 какие нужны улучшения в продуктах для разработчика
Ознакомиться с материалом можно по ссылке 👉 http://vk.com/@aurora_os-rezultaty-oprosa-aurora-developer-survey-fall-2024
🔥6
Aurora Developers
Мы подвели результаты исследования сообщества разработчиков и готовы поделиться с вами наблюдениями 📊 По результатам опроса Aurora Developer 4 квартала 2024 вы узнаете: 🔸 кому интересна разработка под Аврору 🔸 tooling: что используется при создании приложений…
Aurora CLI & Aurora Toolbox не нашел. Ну и да ладно...
🤔8
This media is not supported in your browser
VIEW IN TELEGRAM
Rust: reqwest, tokio, serde - запросы в API и авторизация ✅
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥11
#bot Отрефакторил проект, уже вырисовывается общая структура. В этом методе: и интерфейс, и запросы в API, и авторизация при необходимости, и восстановление сессии, и сериализация, и обработка ошибок, и синглтон, и даже первый макрос. Вроде симпатично.
п.с. импорты в rust — отстой.
п.с. импорты в rust — отстой.
👍6🔥2
#fyi Помните. Когда мы спорим, какой язык лучше, какой фреймворк использовать, какой архитектурный паттерн надежнее - кто-то со здоровыми нервами просто купил себе баночку пива и смотрит чемпионат по футболу.
🔥6👍5😁3
This media is not supported in your browser
VIEW IN TELEGRAM
#bot Размялся в воскресенье немного:
dialoguer, nipper, regex == клевый вывод результата поиска по Dataset Aurora.👍7🔥1 1
Forwarded from Банкста
Китайский помощник искусственного интеллекта DeepSeek возглавил топ по скачиванию в США. ChatGPT-OpenAI была основана 10 лет назад, имеет 4500 сотрудников и привлекла $6,6 млрд капитала. Китайская DeepSeek была основана менее 2 лет назад, имеет 200 сотрудников и была разработана менее чем за $10 млн. Но они начали конкурировать.
DeepSeek выпустил версию DeepSeek-V3, LLM с открытым кодом, который соответствует производительности ведущих американских моделей, но требует гораздо меньше затрат на обучение. В тестах производительности DeepSeek-V3 превосходит Llama 3.1 от Meta (запрещена в России) и другие модели с открытым кодом. DeepSeek-V3 соответствует или даже превосходит Chat GPT-4o, уступая лишь Claude 3.5 Sonnet от Anthropic.
Китайская компания сообщает о расходах в размере 5,6 млн долларов на обучение сети по сравнению с предполагаемыми 500 млн долларов, потраченными на обучение Llama-3.1. @banksta
DeepSeek выпустил версию DeepSeek-V3, LLM с открытым кодом, который соответствует производительности ведущих американских моделей, но требует гораздо меньше затрат на обучение. В тестах производительности DeepSeek-V3 превосходит Llama 3.1 от Meta (запрещена в России) и другие модели с открытым кодом. DeepSeek-V3 соответствует или даже превосходит Chat GPT-4o, уступая лишь Claude 3.5 Sonnet от Anthropic.
Китайская компания сообщает о расходах в размере 5,6 млн долларов на обучение сети по сравнению с предполагаемыми 500 млн долларов, потраченными на обучение Llama-3.1. @banksta
👍10🔥5
Please open Telegram to view this post
VIEW IN TELEGRAM
1👍11🔥2
This media is not supported in your browser
VIEW IN TELEGRAM
#fun Почему версия 3.0 лучше 1.0 и 2.0.
😁16🤣5
Vitaliy Zarubin | @keygenqt
Уже испугался, что Rust билдится в JS =)
Please open Telegram to view this post
VIEW IN TELEGRAM
👏10👍4💩1