Přejít k navigační liště

Zdroják » Zprávičky » Debugger, se kterým můžete cestovat v čase a měnit minulost

Debugger, se kterým můžete cestovat v čase a měnit minulost

Zprávičky JavaScript

Nálepky:

Nedávno jsme vám v článku Stroj času k ladění asynchroního JavaScriptu v Chrome DevTools představili zajímavou novinku prohlížeče Chrome a nejedná se o jediný počin svého druhu.

Elm, což je funkcionální jazyk, který se kompiluje do HTML, CSS a JavaScriptu, obsahuje debugger, který umí „cestovat v čase“ a „přepsat minulost“, resp. změnit již vykonaný kód a vidět, jaký by byl výsledek, kdyby nový kód proběhl za původních podmínek.

Pokud vám to není z popisu jasné, podívejte se na demonstrační video.

Putování časem i přepis minulosti si můžete sami vyzkoušet na demu se Super Mariem.

Celý debugger je představen v článku Elm’s Time Traveling Debugger – Pause, rewind, and replay programs. Debug by changing history.

Komentáře

Odebírat
Upozornit na
guest
0 Komentářů
Nejstarší
Nejnovější Most Voted

Frugal computing: architektura pro dobu dražší infrastruktury

Vývojáři se naučili zrychlovat dotazy, přidávat cache, škálovat služby a hlídat účet za cloud. Frugal computing začíná o jednu otázku dřív: musí se výpočet, přesun dat, volání modelu nebo uložení vůbec stát? Rostoucí spotřeba datových center a nové evropské reportování ho posouvají do návrhu architektury, dřív než do závěrečné poznámky o udržitelnosti v prezentaci.

Odysseus: PewDiePie vydal open-source AI workspace, který běží na vašem vlastním hardwaru

AI
Komentáře: 0
Felix Kjellberg, youtuber se 110 miliony odběratelů, strávil rok učením se programovat a fine-tuningem vlastních AI modelů. Výsledkem je Odysseus – bezplatný, open-source workspace pro práci s umělou inteligencí, který neposílá žádná data do cloudu. Projekt má týden, přes 61 000 hvězdiček na GitHubu a znovu otevírá otázku, komu vlastně patří váš digitální kontext.

Když Git už nestačí: jak izolovat databázový stav pro pokusy AI agentů

Gitová větev vývojářům oddělí kód, ale databáze často zůstává společná. U AI agentů je to slabé místo: rychle spouštějí migrace, mění data a zkoušejí víc cest najednou. Databázová větev jim dá vlastní pracovní prostor, jenže tím práce nekončí. Ještě je potřeba řešit citlivá data, oprávnění, životnost větve i zbytek stavu aplikace.