Perguntas
Ajuda você a escolher rapidamente artigos interessantes para ler.
Estou curioso para saber quais são os segredos sujos que ninguém quer admitir na indústria de tecnologia/software, seja como um todo ou dentro da engenharia de software. Quais são as verdades desconfortáveis que as pessoas preferem não discutir?
A IA tomou a indústria de assalto, e naturalmente isso gera muita resistência. Vejo essa resistência se expressando na forma de um certo sentimento de superioridade por aqueles que se recusam a usá-la, e um sentimento de vergonha ao admitir usar assistência de IA para escrever código. No entanto, eu argumentaria (mesmo sem dados para embasar) que a maioria dos desenvolvedores ou escolhe usá-la ou é obrigada por seus empregadores. Não posso prever o futuro, então não sei se isso é um momento ASM vs. C, ou se aqueles que cedem à conveniência vão se arrepender anos depois, quando suas habilidades atrofiarem. Eu pessoalmente uso e me sinto mais produtivo do que nunca. Dito isso, não posso deixar de sentir um pouco de vergonha ao admitir isso. Ouvir tantas pessoas dizerem que código gerado por IA é inutilizável e que corrigi-lo leva mais tempo do que escrevê-lo à mão me faz pensar se elas estão trabalhando em um campo muito específico ou se eu apenas tenho problemas de habilidade. Ou talvez ambos. Quanto de IA você está usando? Se usa, você se sente confortável em admitir isso?
Sinto que nada mais importa no desenvolvimento de software. Novos lançamentos, aprender novos conceitos de CS, estudar para entrevistas – tudo parece inútil agora que a IA pode fazer tudo. É como ativar cheats em um jogo: posso fazer qualquer coisa, mas tudo perdeu o sentido.
Estou perguntando diretamente aos funcionários do GitHub sobre os problemas recorrentes que temos observado. Notei que a maioria das postagens e respostas são apenas pessoas tirando suas próprias conclusões com base em dados publicados. Acho que seria útil obter informações reais, não corporativas ou de marketing, daqueles que realmente veem o que está acontecendo internamente.
Com a IA fazendo grande parte do trabalho, como nós, humanos, mantemos a vida interessante? Por exemplo, gerar muito do código e remover a alegria dos desenvolvedores, gerar vídeos/filmes de animação ou livros de anime, fazendo com que pessoas que desenham por prazer se sintam mais miseráveis. Se você está em uma profissão porque gosta e ainda é pago, tem todos os motivos para se sentir miserável/deprimido. Quais são seus pensamentos? Isso é o começo de uma era de ouro para pessoas sem habilidades, que usarão ferramentas de IA para ganhar dinheiro e afastar os apaixonados? Os criativos estão condenados? Quais opções existem? Parece que a ganância está causando vidas miseráveis para todos. Talvez os apaixonados continuem fazendo as coisas do 'jeito antigo', mas não conseguirão ganhar a vida ou competir com os usuários de IA.
O GitHub tem estado fora do ar de forma consistente nos últimos meses. Isso faz sentido mudar para alternativas?
Eu percebi que ao acessar o old.reddit.com, fui redirecionado para uma página de login, que diz que contas são necessárias para usar o old Reddit. Isso parece uma mudança significativa para usuários que preferem a interface antiga. Gostaria de saber se outros usuários notaram isso e quais são as implicações ou possíveis soluções.
Estou recebendo a mensagem "Authentication service was unavailable." ao usar o Claude, mas não há atualizações na página de status deles. No entanto, vejo relatos no Downdetector. Alguém mais está enfrentando isso?
Recentemente, troquei meus nameservers para Cloudflare para habilitar a hospedagem do bucket R2 no meu próprio subdomínio e descobri que o Cloudflare injetou silenciosamente um snippet de JavaScript de análise em meu site HTML-only, sem JavaScript (textlog.cc). Tive que ir ao painel de Analytics, adicionar o site e então desativar o snippet. Acho essa abordagem totalmente invasiva; você deveria optar por participar de recursos assim, não ter que optar por sair. Quero alertar outras pessoas que podem não estar cientes disso.
Uma boa parte de nós e nossos colegas agora está produzindo código assistido por agentes a uma taxa incrível, com um pouco que é realmente bom, e muito que não é tão bom. Eu pessoalmente acho que o verdadeiro portão de qualidade para nossos projetos é agora o quão minuciosamente o código gerado foi revisado por humanos para garantir que não seja apenas correto, mas arquitetonicamente sensato. Ferramentas de revisão de código por IA como Coderabbit e Copilot, ou até mesmo apontar Claude Code para um PR, são geralmente muito boas em encontrar bugs e problemas de estilo, mas menos boas em encontrar código duplicado, acoplamento cruzado de módulos, má separação de preocupações, e assim por diante, mesmo quando solicitadas a fazer isso. A interface de PR do GitHub não está mais funcionando para mim, era instável mesmo quando as revisões eram pequenas, mas agora no tamanho que estão, está se tornando incontrolável. Adicione a isso o ruído extra de misturar revisões de agentes e pessoas 'fazendo proxy de carne' com saída de agente copiada e colada, e está ficando bastante ruidoso e difícil de navegar. O que vocês encontraram que funciona bem para simplificar a revisão humana de código assistido por IA? Sugestões de ferramentas e processos são bem-vindas.
Estou questionando a fase atual do ciclo de hype de LLMs e, ao mesmo tempo, fazendo uma verificação da realidade sobre se a relutância em depender de LLMs é economicamente viável para um desenvolvedor comum. Muitas empresas passaram de políticas de 'usar LLMs para tudo' para limitar orçamentos e escopos de uso aprovado. Não seria inesperado que algumas empresas decidissem que gerar mais código mais rápido não contribui significativamente para seus resultados financeiros, e abandonassem LLMs em favor da autoria humana, mas isso acontece? Não estou tentando apontar méritos ou deméritos do novo modo de desenvolvimento de software, apenas quero saber se existem muitas/algumas empresas que voltaram aos métodos antigos.
Nunca estudei ciência da computação formalmente, mas escrevi código básico durante a maior parte da minha vida, e agora com a ajuda de IA, quero preencher as lacunas nos fundamentos da engenharia de software. Procuro recomendações de recursos ou cursos que me ajudem a construir uma base sólida, especialmente para quem não tem formação acadêmica na área.
Tenho entendimento de que toda IA pode e vai alucinar. Recebo downvotes por dizer isso, mas ninguém nunca diz que estou errado ou cita alguma fonte. Talvez seja mais sutil do que isso? Por favor, me esclareçam.
Estou procurando por ferramentas leves e utilitários de CLI que possam economizar tempo no dia a dia. Ferramentas como ripgrep, fzf e htop já me ajudaram muito. Quais pequenos utilitários vocês usam diariamente?
Eu fiz engenharia reversa do aplicativo de desktop mais recente do Kimi Work apenas por diversão, eu sei que sou um nerd. De qualquer forma, encontrei algo um pouco preocupante: quando você envia um relatório de feedback, ele anexa as 5 sessões mais recentes ao relatório sem aviso ou qualquer indicação. Essas sessões podem conter QUALQUER COISA, e você não tem ideia de que está enviando tudo para a Kimi. Enviei um e-mail para eles para avisá-los, mas só queria informar a todos caso estejam usando o Kimi.
Sou um estudante universitário de 20 anos diagnosticado recentemente com espondiloartropatia soronegativa. Nos últimos 3 anos, tentei aplicativos, diário de papel, Google Sheets e notas para rastrear/catalogar minha jornada. Sempre acabei desistindo em 2-4 semanas e não mantive um registro preciso. Isso é uma experiência comum ou preciso apenas ser melhor no rastreamento? Existe uma maneira única/não baseada em hábito de rastrear/catalogar/lembrar? Estou construindo algo para isso (parte do motivo pelo qual estou perguntando) - e se alguém estiver aberto a uma conversa mais longa, pagarei com prazer pelo seu tempo!
Eu uso o Internet Archive para arquivar minha produção prolífica de música (mais de 300 álbuns), mas desde o ataque DDoS de 2024, o upload tem sido instável, com erros 503 frequentes. Preciso de um serviço gratuito, com upload ilimitado e fácil, que também comporte livros, curtas e música, sem fins lucrativos e que respeite a privacidade. Alternativas como P2P ou servidor próprio são complicadas ou exigem hardware específico. Alguém pode indicar uma alternativa ou um guia simples para configurar um servidor?
Nos últimos 2-3 anos, principalmente por causa da IA, ficou cada vez mais difícil acompanhar artigos interessantes no HN. Como vocês lidam com isso? Além da solução simples de ignorar cada vez mais coisas interessantes.
Quando criança, adorava ler a National Geographic e a Club Nintendo na Bolívia. Quero assinar uma publicação física, seja para notícias ou entretenimento, mas algo tangível. Quero desacelerar e ter isso como um pequeno ritual matinal, como meu pai lia o jornal.
- ▲ 8Ask HN: Vamos todos vender nossas ações de IA, vender a descoberto a Nvidia e estourar a bolha da IA
Estou propondo que todos vendamos nossas ações de IA e vendamos a descoberto a Nvidia para estourar a bolha da IA. Acredito que os humanos são melhores que a IA e que o imperador da IA está nu. O índice P/L da Nvidia é 34,47 e deveria ser 10. Não gosto dos datacenters de IA, de Sam Altman e do lixo do Claude.
Sou um estudante de engenharia considerando um PhD com o objetivo de fundar uma startup de hard-tech. Estou indeciso sobre a área específica, mas tenho interesse em descarbonização industrial, mineração/processamento mineral e materiais avançados. Não sei qual tipo de laboratório de PhD me prepararia melhor: um laboratório focado no problema (como o de Yet-Ming Chiang no MIT) ou um laboratório focado na tecnologia (onde a comercialização acontece por acaso). As opiniões de empreendedores de sucesso são conflitantes: alguns dizem para trabalhar de trás para frente a partir de um problema, mas outros argumentam que a abordagem focada no problema não funciona em deep tech, pois muitas vezes você não pode forçar uma descoberta científica para um problema predeterminado. A Pillar VC afirma que a maioria das empresas de deep tech que conhecem foram 'technology-first'. Alguém tem conselhos sobre qual tipo de laboratório de PhD escolher?
A maior parte do código em que trabalho é para uso interno em uma pequena empresa e para projetos pessoais. Depois de passar por processos dolorosos de revisão de código, onde o código foi reescrito várias vezes por razões que muitas vezes pareciam arbitrárias para se adequar à ideia de alguém sobre melhores práticas, agora estou em uma equipe onde a revisão de código é amplamente automatizada. Acho que o /review e /code-review do Claude são inestimáveis e fazem uma revisão de código mais completa do que qualquer humano. Para aqueles que usam IA para escrever a maior parte do seu código, vocês ainda têm um humano no processo para fazer mais do que verificações pontuais?
Parece haver uma necessidade real de notícias atualizadas sobre todos os últimos modelos de IA, preços, desempenho, como hospedar os modelos e legislações. Isso é realmente hacking ou é apenas notícias de negócios de IA? Talvez seja hora de mover as notícias de IA para outro lugar? Talvez fosse melhor se os desenvolvedores Lisp/Arc da Y Combinator fossem gentis o suficiente para implementar um filtro para notícias de IA?
Estou tentando acessar o status.claude.com, mas não está carregando para mim. Alguns usuários relatam erros de certificado e outros problemas. Alguém mais está enfrentando isso?
Sou engenheiro de software em tempo integral há cerca de 6 anos. Uso o Claude Code metade do dia no trabalho, pois não consigo acompanhar meu time se parar de codar com IA. Estou mais 'produtivo', mas meu cérebro se sente menos afiado. Estou curioso para saber como os outros estão se mantendo afiados. Acho que preciso alocar tempo para aprender coisas novas novamente, mas queria saber como os outros estão lidando com isso.
Para mim, o maior ponto de dor foi ter várias assinaturas de IA para usar diferentes modelos para diferentes tarefas. Estou trabalhando no Talkory.ai, então naturalmente uso vários modelos—GPT, Claude, Gemini, Grok, Perplexity, etc.—para coisas como codificação, pesquisa, conteúdo e brainstorming. Individualmente, cada assinatura faz sentido, mas coletivamente o custo mensal aumenta rapidamente. Então, em vez de pensar 'Qual assinatura de IA devo pagar?', estou trabalhando em 'Posso obter o melhor modelo para cada tarefa sem manter 5–6 assinaturas separadas?'
Tenho usado duas ferramentas de código aberto para prevenir e verificar isso em meus próprios sites/projetos. Elas são muito boas em detectar e são dirigidas pela comunidade, então recebem atualizações regularmente. 1. Impeccable (github.com/pbakaus/impeccable) — um CLI que verifica HTML/CSS/JSX com 59 regras determinísticas de anti-padrões. Ele captura os sinais visuais reais: brilho escuro com deslocamento zero em texto, bordas de 1px combinadas com desfoque de sombra de 40px, Inter/Roboto/Geist como a fonte 'tasteful' padrão... etc. Não vou listar todos os 59 aqui. 2. Taste Skill (github.com/Leonxlnx/taste-skill) — preventivo em vez de detetive. É um conjunto de arquivos SKILL.md que você carrega no seu agente de codificação (Cursor, Claude Code, etc.) antes da geração para que a porcaria nunca seja criada em primeiro lugar. --- todos sabem sobre o uso excessivo de Em-dash, mas há outros sinais como o brilho de fundo escuro com deslocamento, bordas grossas, estilo de exibição plano, uso excessivo de esquemas de cores tecnológicos como azul-marinho (especialmente com gradientes) e emojis em cabeçalhos como ícones grandes. há cerca de 5 fontes comuns que as IAs usam etc. o ponto é que seu LLM vai raciocinar que todas essas são escolhas boas e seguras e mesmo quando você diz para serem diferentes, eles darão uma lógica de som ótimo para usá-las... que é exatamente o problema. cada LLM 'raciocina' para usar as mesmas escolhas, então os sites parecem todos iguais.
Eu noto uma tendência no HN de rejeitar conteúdo por parecer escrito por IA, chamando-o de 'slop', e também rejeitar PRs gerados por IA. Minha pergunta é: onde está a linha entre 'slop' e trabalho legítimo? Se eu terceirizar para humanos (locais ou remotos) ou usar IA, e não revisar o resultado, é slop? Se eu revisar, testar e polir, a origem (IA ou humana) importa? O problema é a IA em si ou a falta de cuidado e revisão?
No trabalho, uso o Chrome principalmente porque trabalho em um produto de observabilidade e análise, então faz sentido usar o navegador que envia tudo, para todos os lugares, por padrão. Fora do trabalho, porém, uso o Zen e também tenho pensado em mudar para o Mullvad. Navegadores focados em privacidade, ou mesmo extensões simples como Mullvad, Zen, Brave, LibreWolf ou Firefox com uBlock Origin, são fáceis de instalar e usar hoje em dia, então estou me perguntando por que tantas pessoas ainda ficam com Chrome, Safari ou Edge. O que faz você continuar usando seu navegador atual?
Nos últimos meses, tenho monitorado os tópicos de 'whoishiring' no Hacker News e parece que há mais pessoas procurando emprego do que empresas contratando. No LinkedIn, vejo muitas vagas sendo rotacionadas (repostadas) ou que são apenas spam. Estou curioso para saber como os outros estão vivenciando o mercado de trabalho em 2026.