TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #384 · 16.06

Сегодня был первый день конференции #DotNext, пока в онлайне (но офлайн тоже будет, в Петербурге 27-го июня, я пойду). Конференция для разработчиков на .NET, в первую очередь C# и связанные технологии. Особенно понравилась лекция про историю C#. Вот ниже схема, где стрелками обозначено влияние одного языка на другой в некоторых аспектах (хотя не во всех: например, Kotlin тоже взаимно повлиял на C#, скажем, датаклассы из него заимствованы, в C# это тип record). Ещё я не знал, что C# создал Андерс Хейлсберг — тот самый, который в своё время сделал Delphi. Это удивительно. Я когда-то начинал свой путь разработки именно с Delphi, сделал на нём много первых шагов. А теперь вот пишу на C# от того же автора, круг замкнулся. Ещё Хейлсберг один из авторов TypeScript: в общем, умеет мужик в языки! В ходе этой лекции было любопытно узнать или вспомнить, как всё-таки плохо во многих других языках с удобством совершенно типовых действий, начиная от обобщённого программирования и заканчивая ленивой обработкой или генерацией бесконечных множеств. Понятно, что человек ко всему привыкает, но переходить на другой язык после C# было бы болезненно, мне кажется. По крайней мере, для энтерпрайз разработки, где важна архитектура и статический анализ. Завтра второй онлайн-день, посмотрим, что будет там.#dev

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #superagent

当前筛选 #superagent清除筛选
GitHub Trends

@githubtrending · Post #15523 · 25.02.2026 г., 12:30

#typescript#agent#agentic#agentic_framework#agentic_workflow#ai#ai_agents#bytedance#deep_research#harness#langchain#langgraph#langmanus#llm#multi_agent#nodejs#podcast#python#superagent#typescript DeerFlow 2.0 is an open-source super agent harness that orchestrates multiple sub-agents, memory systems, and sandboxed execution environments to accomplish complex tasks. Built on LangGraph and LangChain, it combines research, coding, and content creation capabilities with extensible skills and tools. The platform features isolated Docker containers for safe execution, long-term memory that learns your preferences, and the ability to spawn sub-agents that work in parallel on different task angles. You benefit from dramatically reduced research and automation time—tasks that typically take hours complete in minutes—while maintaining full transparency and control over agent decisions through human-in-the-loop collaboration. Whether you need deep research reports, data analysis, slide decks, or custom workflows, DeerFlow handles multi-step complexity without requiring extensive coding knowledge. https://github.com/bytedance/deer-flow