TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #938 · 6.01
Поиграли, наконец, в Гегемонию — это такая асимметричная настольная политико-экономическая стратегия. Асимметрия проявляется в том, что разные игроки играют за разные фракции: рабочий класс, средний класс, капиталисты, государство. При этом возможные действия у всех разные: например, рабочий класс может наниматься на работу к капиталистам, а может, скажем, устраивать забастовки и блокировать производство. Капиталисты при этом могут строить предприятия, лоббировать разные политические курсы и так далее. Кстати, политика и система голосования в игре мне очень понравилась: от неё много зависит, и на неё можно и нужно влиять. Условия победы тоже разные: одним важно преумножить капитал, другим иметь блага вроде медицины и образования, для государства целью является легитимность и так далее. Пока что по первым впечатлениям кажется, что мы только сверху поскребли присутствующую в настолке глубину. По крайней мере, зависимость между действиями разных игроков довольно высока — сильно выше, чем обычно в стратегических играх. И ещё меня порадовало, как работает симуляция: капиталисты хотят платить мало налогов, рабочие хотят высокие зарплаты, в итоге государство оказывается банкротом, и может рухнуть вообще вся экономика. В этой игре твои интересы с одной стороны противоречат интересам остальных, а с другой стороны вы все друг другу помогаете и вообще существуете в рамках одной системы. Но и недостатки тоже есть: во-первых, правила очень сложны и тяжеловесны. Я читал их два дня, и всё равно мы постоянно в них смотрели. Во-вторых, средний класс это просто смешение рабочего класса и капиталистов, почти никаких уникальных механик у него нет. В-третьих, кажется, что эффективная стратегия за каждый класс единственная, но это не точно, нужно больше партий. Надеюсь, удастся ещё в этом году собрать людей на такую масштабную настолку. #games
Hashtags
Търсене: #filesystem
@sudo_recast · Post #484 · 02.11.2022 г., 03:09
LXC https://linuxcontainers.org/lxc/manpages//man7/lxc.7.html Overlay #Filesystem https://www.kernel.org/doc/html/latest/filesystems/overlayfs.html https://wiki.archlinux.org/title/Overlay_filesystem #til#container
Hashtags
@githubtrending · Post #14657 · 01.05.2025 г., 14:30
#c_lang#embedded#filesystem#microcontroller LittleFS is a file system designed for small devices like microcontrollers. It helps keep your data safe even if the power goes off suddenly. This is because it uses a "copy-on-write" system, which means it doesn't overwrite old data until the new data is safely stored. LittleFS also helps extend the life of your storage by spreading out writes across different areas, a process called wear leveling. This makes it very reliable and efficient for devices with limited memory and storage. https://github.com/littlefs-project/littlefs
@githubtrending · Post #14917 · 05.07.2025 г., 13:00
#rust#bigdata#cloud_native#distributed_systems#filesystem#minio#object_storage#oss#rust#s3 RustFS is a fast and safe distributed object storage system built with Rust, offering high performance and scalability for large data needs like AI and big data. It is compatible with S3, easy to use, and open source under the business-friendly Apache 2.0 license. Compared to others like MinIO, RustFS provides better memory safety, no risky data logging, and supports local cloud providers. You can quickly install it via a script or Docker, manage storage through a simple web console, and benefit from a strong community and detailed documentation. This makes RustFS a reliable, cost-effective choice for secure, scalable storage. https://github.com/rustfs/rustfs
@githubtrending · Post #15561 · 14.03.2026 г., 12:30
#python#agent#agentic_rag#ai_agents#clawbot#context_database#context_engineering#filesystem#llm#memory#openclaw#opencode#rag#skill OpenViking is a free open-source tool that acts as a context database for AI agents, using a simple file system to organize memories, resources, and skills under viking:// paths. It fixes issues like scattered data, high token costs, weak searches, and untraceable errors with tiered loading (L0 abstracts, L1 overviews, L2 details loaded on demand), recursive directory retrieval, visual traces, and auto-session memory updates. You benefit by building smarter, cheaper agents faster—like managing files—saving up to 96% on tokens while boosting task success by 50%+. https://github.com/volcengine/OpenViking