文章摘要：保密协议下创意工作者应考虑取消Adobe订阅

根据文章标题“Cancel Adobe if you are a creative under NDA with your clients”传达的核心信息，本文旨在向与客户签有保密协议（NDA）的创意工作者发出直接建议：应考虑取消Adobe软件订阅。

该建议主要基于以下逻辑与考量：

1. 保密协议（NDA）的约束：保密协议要求创意工作者对客户的项目信息、未公开的设计、数据或商业计划等严格保密，不得泄露给任何第三方。
2. Adobe云服务的隐私风险：Adobe的创意云套件（如Photoshop、Illustrator等）具有深度的云存储、同步和协作功能。这意味着用户的工作文件、元数据乃至创作过程可能被上传至Adobe的服务器。
3. 潜在的合规冲突：在严格的NDA条款下，将客户的保密信息（即使是创作中的文件）存储在第三方公司的云服务器上，可能构成违约风险。即便Adobe有隐私政策，也无法保证其内部访问、数据处理或潜在的安全漏洞不会导致信息意外泄露。
4. 主动的风险管理：因此，对于受NDA约束的创意工作者，取消依赖云服务的Adobe订阅，转而使用本地存储或经过严格安全评估的离线工具，是一种主动规避法律和商业风险的预防性措施。

核心结论：该文章直接警告创意专业人士，Adobe的云生态系统可能与严格的客户保密义务存在根本性冲突。为维护客户信任与合规性，应重新评估并可能取消现有的Adobe订阅。

Ice - 开源菜单栏管理工具

Ice 是一个功能强大的 macOS 菜单栏管理工具，主要功能是隐藏和显示菜单栏项目。它旨在提供更多附加功能，使其成为最通用的菜单栏工具之一。

当前状态与安装
Ice 目前处于积极开发阶段，一些功能尚未实现。用户可以从最新版本下载安装。支持两种安装方式：

• 手动安装：下载并解压 "Ice.zip" 文件，将应用移至应用程序文件夹。
• 通过 Homebrew：使用命令 brew install --cask jordanbaird-ice。

主要功能/路线图
Ice 的功能涵盖菜单栏管理、外观自定义、热键支持和其他实用特性，包括：

• 菜单栏项目管理：隐藏菜单栏项目、设置始终隐藏部分、通过悬停、点击、滚动或滑动显示隐藏项目、自动重新隐藏、拖放排列项目、搜索功能、项目分组和配置文件支持。
• 菜单栏外观：自定义色调（纯色和渐变）、阴影、边框、形状（圆角或分割）、移除背景、圆角屏幕角落，以及针对亮/暗模式的不同设置。
• 热键：切换菜单栏部分、显示搜索面板、启用/禁用 Ice Bar、显示/隐藏部分分隔图标、切换应用菜单、启用/禁用自动重新隐藏、临时显示单个项目。
• 其他功能：登录时启动、自动更新、菜单栏小部件。

系统要求
Ice 仅支持 macOS 14 及更高版本，因为它依赖从该版本开始可用的系统 API。没有计划支持更早的 macOS 版本。

许可证
Ice 在 GPL-3.0 许可证下可用。

这篇文章探讨了GPT-4o模型如何将图像编码为其内部表示，特别是从其高分辨率模式下每个512x512图像块固定消耗170个token这一现象出发，提出了一个核心假设：图像可能被表示为170个连续的嵌入向量序列。作者基于Transformer模型需要向量输入这一基本原理，并对比了文本嵌入的过程，推测GPT-4o使用了一种不同于CLIP（将整个图像编码为单个向量）的更先进的图像嵌入策略。

核心假设与推理过程：

1. 嵌入向量维度猜测：作者根据OpenAI以往模型的惯例（如GPT-3使用12,288维），假设GPT-4o的嵌入向量维度很可能在1,536到24,576之间，并以12,288维作为后续讨论的基准。
2. 从像素到向量网格：图像块是正方形的，因此很可能用一个正方形网格的token来表示。170这个数字非常接近13×13（169），再加一个可能表示整体印象的token。问题在于如何通过卷积神经网络（CNN）将512×512×3的图像转换为13×13×12288的向量网格。
3. CNN架构推测：作者参考了经典的AlexNet和更现代的YOLO等CNN架构。这些架构通过卷积层和池化层逐步减少空间维度、增加通道数，最终将图像转换为一组特征向量。作者提出了几种可能的CNN架构设计，可以将输入尺寸优雅地变换为目标输出形状，证明了这种“图像到向量网格”映射的可行性。

实验验证与假设修正： 为了验证13×13网格的假设，作者设计了一个基于Zener卡片的网格识别任务。实验结果表明，GPT-4o在识别5×5及更小的网格时表现完美，但在6×6网格上性能开始显著下降，在13×13网格上仅达到随机水平。这一事实“推翻”了简单的13×13网格假设。

对170 token的新解释：金字塔策略 基于实验结果，作者提出了“金字塔策略”来解释170个token。该策略使用多个不同分辨率的网格来编码图像，例如：一个1×1的整体印象网格，加上2×2、3×3、4×4、5×5的逐步细化的网格。计算这些网格的平方和（1+4+9+16+25=55），再乘以每个“迷你网格”可能消耗的3个token，并加上一些分隔符token，就可以凑到170这个数字。这种多尺度编码方式与实验中5×5以下精度高的结果相符，具有直观的吸引力。

其他观察与讨论：

• OCR能力来源：文章提出，GPT-4o强大的OCR能力可能并非完全来自其图像嵌入CNN，而是结合了外部专业的OCR工具（如Tesseract）。这可以解释其在OCR上表现出色，但在精细空间关系任务（如网格识别）上相对有限的矛盾。
• Alpha通道行为：文章发现GPT-4o会完全忽略图像的Alpha通道（透明度），仅基于RGB值进行处理。这意味着“透明黑”和“透明白”在模型看来只是“黑”和“白”，可能导致一些非直观的解读行为。
• 结论：作者最终认为，170个token并非仅为计费方便而设定的近似值，而是真实反映了图像被转换为170个嵌入向量序列的事实。具体机制很可能是一种结合了CLIP与YOLO思想的CNN架构，采用类似金字塔的多尺度策略将图像直接嵌入到Transformer的语义向量空间中。然而，对于170这个具体数字的精确由来，作者表示其提出的金字塔策略虽最合理，但仍不够完美。

σ-GPTs：自回归模型新方法

本文提出σ-GPTs，挑战了自回归模型（如GPT系列）必须使用固定顺序（通常从左到右）生成序列的传统假设。通过在输出中添加位置编码，该方法可以按样本动态调整生成顺序，从而带来关键优势：允许对任意标记子集进行采样和条件化，并支持根据拒绝策略动态一次性采样多个标记，使模型评估次数呈亚线性增长。该方法在语言建模、路径求解和飞机垂直率预测等多个领域进行了评估，显著减少了生成步骤，降低了一个数量级的计算需求。

Tom 7: Badness 0 (Three ways) 项目概述

该项目提供了体验“Badness 0”的三种主要方式，并附有额外的扩展资源。

三种核心体验方式

1. 阅读文档版本：包括Knuth的版本和Epsom的版本，收录于SIGBOVIK 2024会议论文集中。部分软件可能存在兼容性问题，但推荐使用Chrome或Firefox浏览器打开。
2. 观看视频版本（推荐）：体验名为“Badness 0 (Apostrophe’s version)”的4K分辨率、60Hz闪烁灯光视频，此为“主序”系列的最新作品。
3. 编译源代码版本：适合喜欢挑战的用户，可以下载源代码尝试自行编译。源代码基于GPL或GJPL许可证发布。作者表示将在制作视频之余提供编译和使用的说明。

附加资源

• 自制字体：作者制作了一款名为“FixederSys”的字体，已用于视频和文档中。
• 视频频道：更多相关视频可在作者的YouTube频道“Suckerpinch”上找到。
• 交流与获取：作者鼓励在个人博客或Mastodon（@tom7）上留言，并可通过[tom7.org]获取所有Tom 7的作品。

Qwen2 大语言模型发布摘要

Qwen2是Qwen1.5的进化版本，于近期正式发布。该系列模型提供了从0.5B到72B的五种规模选择，并在多语言支持、编码数学能力、上下文长度等方面实现了显著提升。以下是核心要点：

模型概览与特性

• 五种模型规模：包括Qwen2-0.5B、Qwen2-1.5B、Qwen2-7B、Qwen2-57B-A14B（MoE架构，激活参数14B）和Qwen2-72B。
• 多语言扩展：训练数据除中文和英文外，涵盖了27种额外语言，包括德语、法语、西班牙语、阿拉伯语、日语、韩语、越南语、泰语、印地语等，覆盖欧洲、中东、东亚、东南亚、南亚等多个区域。
• 技术优化：
  • Group Query Attention (GQA)：全系列模型均采用GQA技术，以提升推理速度并降低内存使用。
  • 上下文长度：所有基础模型在32K token数据上预训练。指令调优模型中，Qwen2-7B-Instruct和Qwen2-72B-Instruct通过YARN技术，支持高达128K token的上下文处理。其他模型分别支持64K或32K。
  • 小模型优化：Qwen2-0.5B和Qwen2-1.5B采用tie embedding以减少参数量。

性能表现

• 基准测试领先：Qwen2-72B在自然语言理解、知识、编码、数学和多语言等多项基准测试中，性能超越了Llama-3-70B等先进开源模型，甚至在参数更少的情况下优于前代Qwen1.5-110B。
• 编码与数学能力显著增强：通过整合CodeQwen1.5的经验和数据，Qwen2-72B-Instruct在多种编程语言任务上表现突出。数学问题解决能力也因高质量数据集和训练方法而大幅提升。
• 指令调优模型优异：经过后训练（包括监督微调、奖励模型训练和在线DPO训练），Qwen2-72B-Instruct在16个不同领域的基准测试中，全面超越前代Qwen1.5-72B-Chat，并与Llama-3-70B-Instruct竞争力相当。较小规模的模型同样表现出色。

安全性与责任

• 多语言安全性评估显示，Qwen2-72B-Instruct在处理非法活动、欺诈、色情和隐私暴力等有害查询方面，性能与GPT-4相当，并显著优于Mistral-8x22B模型。

开源与许可

• 模型已在Hugging Face和ModelScope平台开源。
• 许可证变更：除Qwen2-72B及其指令调优模型沿用原有千问许可证外，其他所有模型（0.5B、1.5B、7B、57B-A14B）均采用更开放的Apache 2.0许可证，以促进社区应用和商业使用。

未来计划

• 团队正在训练更大规模的Qwen2模型，并探索数据缩放。
• 计划将Qwen2扩展为多模态模型，具备视觉和音频理解能力。

总结

Qwen2系列模型在规模、多语言能力、长上下文处理、编码数学性能以及安全性方面均实现了重要升级。其全面的开源发布和更宽松的许可证，旨在加速开源AI社区的研究与应用发展。

# 谷歌软件工程中的AI：进展与未来路径

## 当前应用与成果
谷歌已在其内部软件开发工具中广泛部署AI功能，重点包括：
- **代码补全**：接受率达37%，完成约50%的代码字符输入，成为工程师常用辅助。
- **代码审查评论解决**：超8%的审查评论由AI辅助完成。
- **代码粘贴适应**：自动调整粘贴代码以适应上下文，贡献IDE中约2%的代码量。
- **其他应用**：包括自然语言驱动的代码编辑、构建失败修复预测等。

这些功能通过嵌入用户工作流的**无缝用户体验**实现，通常只需一次点击或按键即可接受建议。

## 方法论与经验
谷歌团队遵循三大指南推进AI产品化：
1. **优先评估技术可行性与影响**：聚焦已证实技术可行且预期能显著提升工程师效率的想法。
2. **快速迭代以优化体验**：重视用户反馈与模型质量的平衡，通过在线A/B实验快速学习。
3. **度量效果**：持续监测生产力和满意度指标。

**关键经验**：
- 用户体验需自然融入工作流，手动触发功能难以推广。
- 随着AI建议增多，代码作者转向评审角色，需权衡评审成本与价值。
- 利用谷歌内部高质量、细粒度的软件工程活动日志（涵盖代码编辑、构建结果、代码审查等）训练模型。
- 优化从用户活动到AI辅助应用的**转化漏斗**，减少中间环节瓶颈。

## 未来展望
谷歌计划引入**Gemini系列基础模型**，结合开发者数据进一步增强现有及新功能。行业趋势显示：
- **更广泛任务辅助**：未来收益将扩展至测试、代码理解与维护等软件工程活动。
- **自然语言交互**：语言作为IDE中的主要交互界面，整合开发者的任务与信息需求。
- **大规模任务自动化**：从问题诊断到修复落地的端到端自动化初步显现可行性，受智能体与工具使用创新推动。

团队呼吁建立**更全面的基准测试**（超越代码生成），涵盖代码迁移、生产调试等企业实际任务，以推动领域发展。

## 技术基础
训练数据基于谷歌多年积累的高质量内部软件工程日志，构建了包含任务标注的代码对齐语料库。模型通过DIDACT方法训练，并利用用户交互数据（如接受、拒绝、修正）持续优化。

## 致谢
本文由谷歌Core Systems & Experiences团队与Google Deepmind共同完成，并感谢众多工程师、研究员和设计师的贡献。

# 从GPT-4中提取概念

## 核心问题：神经网络的不可理解性
神经网络与人类直接设计的产品（如汽车）不同。我们设计的是训练算法，而非网络本身，导致其内部运作难以理解、无法分解为可识别部分。这阻碍了用传统方法（如评估汽车安全性）来推理AI的安全性。

## 理解神经网络的挑战
- 神经激活模式复杂且不可预测，同时代表多个概念。
- 激活是**密集**的：每个输入都会触发所有神经元。
- 然而，现实世界的概念是**稀疏**的：任何特定情境中，只有少数概念是相关的。

## 解决方案：稀疏自编码器
为解决上述挑战，研究者采用**稀疏自编码器**来识别神经网络中对产生输出关键的少数“特征”。
- **目的**：找到神经网络计算中有用的构建块，以便理解与解释。
- **作用**：提取出类似人类推理时头脑中的少量关键概念。
- **效果**：产生的特征具有**稀疏激活模式**，与人类易于理解的概念自然对齐，即使模型训练未直接针对可解释性优化。

## 背景信息
- **相关范式**：GPT语言学习范式。
- **作者**：Jeffrey Wu, Leo Gao, Tom Dupré la Tour, Henk Tillman。
- **致谢**：Taya Christianson, Elizabeth Proehl, Yo Shavit 等多位同仁。

电子墨水屏天气显示项目摘要

该项目将OpenAI的图像生成能力与电子墨水屏结合，在7色电子墨水上展示基于实时天气生成的艺术插画。

核心功能

• 天气可视化：脚本接收指定地点（真实或虚构），获取该地当前天气，并生成包含天气状况和光线条件（如雨中带伞行人的插画）
• 智能地点处理：若为虚构地点，系统会通过GPT匹配地球上最相似的真实经纬度
• 图像生成：使用gpt-image-1-mini模型渲染插画，由gpt-5-mini生成提示词，需OpenAI API密钥

硬件要求

• 树莓派5
• Waveshare 7.3英寸7色电子墨水屏（代码需适配其他尺寸）

软件与使用

• 环境管理：使用uv工具管理虚拟环境，非Linux系统会自动跳过硬件库
• API配置：需设置OPENAI_API_KEY环境变量，支持从.env文件加载
• 主要命令：
  • show [地点]：生成并显示天气插画
  • preview [地点]：本地预览（生成PNG文件）
  • clear：清除屏幕显示
• 定时更新：建议通过cron任务每日更新两次（如早8点、晚6点），凌晨2点清除屏幕

注意事项

• 不建议长时间显示同一图像（Waveshare官方建议）
• API调用会产生费用，频繁使用成本较高
• 提供托管API供测试使用，高流量场景建议自行部署后端服务

项目资源

• 完整代码托管于仓库
• 问题反馈可通过Twitter或GitHub Issue

HP笔记本电脑因自动BIOS升级故障变砖事件概述

事件概况：
HP笔记本电脑因一次故障的自动BIOS升级导致大量设备变砖。受影响的用户在论坛中报告，HP未就此事发布官方声明，而许多设备已接近3年保修期结束，引发对保修范围外维修费用的担忧。部分用户推测这可能是计划性淘汰。

影响范围：
事件波及范围可能极广，涉及全球数百万台设备（如HP ProBook 455 G7等型号）。尽管论坛中报告案例众多，但互联网上缺乏广泛公开的报道或官方回应。

技术管理漏洞：

• 故障BIOS更新绕过了企业级管理策略，如通过组策略（GPO）禁用驱动更新、WSUS服务器手动批准更新等措施均未能阻止该更新自动执行。
• 问题核心在于HP的“Native OS Firmware Update Service”功能，该功能通过UEFI Capsule推送BIOS更新，独立于操作系统更新管理机制。

应对措施：

• HP已从服务器端移除该故障BIOS更新文件。
• 建议企业IT管理团队通过禁用“Native OS Firmware Update Service”功能，从根本上阻止此类UEFI Capsule更新。

未决问题：
事件中缺乏HP的正式回应、受影响设备的规模统计、以及保修期外用户的补偿方案，仍待明确。

文章摘要：Let rand = main as usize (2022)

本文围绕一个关于Rust语言的笑话展开，探讨了ASLR（地址空间布局随机化）和原始指针的技术细节。

笑话解释

作者分享了一个简单的Rust代码片段：let rand = main as usize;，假装通过将main函数的地址转换为usize来生成随机数。这依赖于ASLR机制，因为现代操作系统使用ASLR随机化程序运行的虚拟地址，使得每次执行时main的地址可能不同。

ASLR与随机数生成

• ASLR是一种安全缓解技术，通过随机化程序的内存地址布局来防止攻击者利用缓冲区溢出等漏洞执行恶意代码。
• 在笑话中，ASLR被用作随机数生成器，但作者强调这不实用：地址变化有限，每个程序只能获取一个随机值，且真实环境中应使用专业的随机数生成器（如Rust的rand crate），而非这种粗糙方法。

Rust指针的教训

• 原始代码使用main as *const fn() as usize进行两次转换，但作者指出在Rust中，fn()本身是指针类型，因此*const fn()实际上是指向函数指针的原始指针，这在上下文中无意义。
• Rust允许在不使用unsafe块的情况下进行任意原始指针类型转换（如foo as *const ()），但这可能误导代码审查，因为原始指针通常意味着后续会有不安全操作。
• 作者反思自己的代码示例（如main as *const rand::rngs::OsRng as usize）虽然能工作，但缺乏清晰度，并建议代码应明确意图以避免混淆。

关键要点

• 笑话展示了ASLR的副作用，但强调了其不适合作为随机数源。
• Rust的指针系统灵活但需谨慎：函数指针可直接转换为整数，而原始指针转换虽允许，却可能引入安全隐患。
• 文章鼓励使用标准随机数库，并注意代码可读性和安全性。

致谢

作者感谢@yoshuawuyts设置笑话和@eddyb指出指针错误，以及社区的其他反馈。

Dragonfly：一种具有多分辨率缩放功能的大型视觉语言模型

模型概述

Dragonfly是一种指令微调的视觉语言架构，旨在增强对图像区域的细粒度视觉理解和推理能力。该架构采用多分辨率缩放与选择策略，在提升多模态推理能力的同时保持上下文效率。研究团队开源了两个基于Llama-3-8B的模型：

• Llama-3-8b-Dragonfly-v1：基于550万对图像-指令数据训练的通用模型
• Llama-3-8b-Dragonfly-Med-v1：在额外140万对生物医学图像-指令数据上微调的医学专用模型

技术特点

多分辨率视觉编码

Dragonfly以低、中、高三种分辨率处理图像。每张图像根据不同分辨率被划分为子图像并编码为视觉标记，这些标记被投影到语言空间中，形成馈送到LLM的拼接序列。这种方法使模型能够高效处理大图像，并提高视觉数据处理的粒度。

缩放补丁选择

对于高分辨率图像，Dragonfly采用新颖的缩放补丁选择策略来识别并仅保留提供最重要视觉信息的高分辨率子图像。通过比较中、高分辨率子图像的摘要嵌入来选择语义最相关的补丁，这种方法减少了冗余并专注于关键内容区域，从而提高了模型效率和对这些区域的细粒度理解能力。

性能评估

通用领域表现

在AI2D、ScienceQA、MMMU、MMVet和POPE五个视觉语言基准测试中，Dragonfly展现了与主流视觉语言模型相比具有竞争力的性能，证明了其在常识推理和图像区域细粒度理解方面的有效性。

医学领域表现

Dragonfly-Med在多个生物医学基准测试中表现出色：

• 视觉问答：在Path-VQA数据集上准确率(92.3%)和Token F1(67.6%)均达到最优；在SLAKE数据集上准确率(90.4%)接近当前最优水平(91.6%)
• 图像描述和报告生成：在Peir Gross和ROCO数据集上，所有三个评估指标(ROUGE-L、METEOR、CIDEr)均超越现有方法
• 在所有评估的视觉问答任务中均优于Med-Gemini模型，尽管后者基于Gemini-1.5微调且使用了约5倍更多的图像-指令数据

应用示例

模型展示了在多种任务中的能力：

1. 通用图像理解：准确描述滑板场景、解析光合作用示意图、理解幽默图像内容
2. 医学图像分析：生成详细的放射学报告、描述腹部CT扫描结果、解释病理图像内容

结论与展望

Dragonfly架构通过聚焦图像区域以关注选定的细粒度视觉信息，为相关研究提供了潜在方向。未来工作将包括：

• 探索新的架构
• 开发更好的视觉编码策略
• 进行更全面的数据混合研究
• 扩展到更多科学领域

研究团队特别感谢斯坦福医学院的合作，并基于Meta LLaMA3和OpenAI CLIP等资源构建了该模型。

RISC-V：免费开放指令集架构的论证

本文主要阐述了为何指令集架构（ISA）应为免费和开放的，并详细论证了RISC-V作为实现这一理念的首选方案。

核心问题：专有ISA的弊端

随着片上系统（SoC）的普及，越来越多的企业需要设计包含处理器的芯片。然而，当前主流的ISA（如ARM、x86）均为专有架构。企业需支付高昂的许可费（百万至千万美元级）并耗时数月进行谈判，这排除了学术界和小批量生产商的参与。即使是“OpenPOWER”也需向IBM付费。专有许可抑制了竞争与创新，阻碍了ISA兼容内核的设计与共享。

开放ISA的必要性与优势

文章认为，ISA本质上是一种接口规范，而非实现。专有ISA只允许私有闭源和许可开源两种实现形式，而一个免费、开放的ISA才能催生包括自由开源在内的全部三种实现形式，这将为行业带来诸多益处：

• 促进创新：通过市场竞争，激励更多设计者（包括开源与专有实现）进行创新。
• 共享与复用：缩短产品上市时间，降低成本；通过“众目睽睽”减少错误；增强透明度。
• 扩大物联网：使处理器更经济，推动低成本物联网设备的发展。

为何选择RISC风格？

为了获得开源社区的接受，ISA需具备成功的商业历史。文章分析指出：

• 过去30年，堆栈ISA、VLIW（如Itanium失败）和新CISC ISA均未取得成功。
• RISC（精简指令集计算机）风格历史悠久，在移动设备时代占据主导（如ARM处理器年出货量超百亿）。
• 新的RISC ISA可以借鉴以往设计（如Alpha、MIPS、SPARC）的错误，避免过度精简或复杂化，设计得更简洁高效。

评估现有免费开放RISC ISA

文章评估了三个已有的免费开放RISC ISA：SPARC V8、OpenRISC和RISC-V。为适应未来物联网、移动设备和仓库级计算机三大平台的需求，文章提出了四个关键评估标准：

1. 基础加扩展的ISA设计：拥有稳定的小核心指令集，并支持标准可选扩展及自定义加速器操作码。
2. 紧凑的指令编码：以减小代码尺寸，降低IoT设备成本。
3. 支持四精度（QP）浮点运算：满足仓库级计算机处理海量数据的需求。
4. 支持32位、64位及128位寻址：为不同平台提供灵活性，并为未来大容量存储需求预留空间。

评估结果表明，只有RISC-V满足全部四项要求。SPARC V8缺乏64位开源版本，OpenRISC则可能已失去发展动力。

RISC-V的优势与证据

• 设计更优：RISC-V比其前辈年轻10至20年，能够吸收教训，避免了延迟分支等设计缺陷，因而更简洁、干净。
• 性能与效率：在相同的TSMC 40nm工艺下，一个64位RISC-V（Rocket）核心与32位ARM（Cortex-A5）核心相比，面积减半、功耗降低、性能提升。
• 生态发展迅速：已有多个机构（如IIT Madras、lowRISC、Bluespec）基于RISC-V设计SoC。伯克利已流片多颗芯片，并开发了高效的硬件设计语言Chisel。
• 明确的发展规划：计划成立非营利基金会（类似Apache或自由软件基金会），负责认证实现、维护和发展ISA标准。

结论

开放ISA的需求比开放操作系统更为迫切，因为ISA演进缓慢，而操作系统需持续更新。RISC-V专为SoC时代设计，其稳定的基础指令集、缓慢演进的标准扩展以及为特定应用定制的指令，构成了一个灵活而强大的框架。尽管首个市场立足点可能是物联网或仓库级计算机，但其愿景是成为如同Linux之于操作系统领域一样，成为所有计算设备的标准ISA。

内联汇编的危险

文章讨论了在PS2SDK开发中使用内联汇编时遇到的两个主要问题，以及调查和修复过程。

问题一：TLB miss崩溃

加载PS2SDK ELF文件后，通过ps2link进行软重置并再次加载ELF时，会导致TLB miss（崩溃）。问题源于libcglue_timezone_update()函数，通过提供一个空存根函数void _libcglue_timezone_update(){}可以临时解决，但未深入探究。

问题二：图形显示异常

软重置后图形显示出现异常，表现为交替的条纹图案。调查发现，帧缓冲区和Z缓冲区指向同一地址（0xFFFFFFFF），原因是libgraph的VRAM分配器在重置后未正确初始化。作者建议在分配前调用graph_vram_clear()。

调查与发现

作者决定彻底调查时区问题，追踪到_libcglue_timezone_update() -> setenv() -> newlib中的_setenv_r函数。该函数包含一个静态局部变量alloced，静态变量在多次调用中只初始化一次，可能导致重置后状态异常。

通过测试代码验证：

static int global_variable;
int main(void) {
    static int local_variable;
    global_variable = 1;
    local_variable = 1;
}

在软重置后重新运行，全局变量和静态局部变量均未重置为0，表明.bss段未被正确清零。

根本原因：内联汇编错误

追踪到PS2启动代码中的__start函数，该函数使用内联汇编清零.bss段。通过反汇编发现，清零循环的汇编代码被意外注释掉。原因是内联汇编中缺少换行符（\n），导致汇编器将整个清零部分视为注释。

错误的汇编格式示例：

# Clear bss areala   $2, _fbssla   $3, _end1:sltu   $1, $2, $3beq   $1, $0, 2fnopsq   $0, ($2)addiu   $2, $2, 16 <the rest of the bss loop>

正确添加换行符后，汇编指令被正确解析，.bss段清零功能恢复，软重置变得可靠。

修复与教训

通过在内联汇编中正确添加换行符，修复了启动代码，解决了TLB miss和图形显示问题。文章强调，在使用内联汇编时必须注意格式细节，避免因缺少换行符导致代码被误解释。相关修复提交可查看提供的链接。

再生城市花园：免耕园艺总结

本文介绍作者在城市后院规模应用再生农业原则的第二年经验，强调学习过程。核心是推广免耕园艺，以最少扰动土壤来改善土壤健康。

再生土地管理关键原则

• 尽可能少地扰动土壤。
• 始终覆盖土壤。
• 保持土壤中活根存在。
• 种植更多多年生作物。
• 注重多样性。
• 纳入动物并实施轮牧系统。

这些原则适用于城市或郊区花园，因为土壤本质相同。

免耕园艺详解

• 定义：从不耕作土壤的园艺方式，避免传统耕作。
• 传统耕作的负面影响：破坏土壤结构、导致压实、杀死土壤生物（如真菌网络和蚯蚓），降低肥力。

免耕园艺的实施方法

1. 使用宽叉通气：

   • 作为年度春季仪式，轻轻松土而不翻转土壤，改善结构。
   • 作者与女儿共同参与，视为有趣的家庭活动。

2. 施加“千层面覆盖物”：

   • 层叠有机材料以抑制杂草、构建肥力。
   • 覆盖层结构（从底层到顶层）：
     • 底层：砍倒的植被（杂草或覆盖作物）。
     • 土壤修正物（如适用）。
     • 薄层堆肥粪肥。
     • 杂草阻挡层（如湿报纸或纸板，报纸分解更快）。
     • 2英寸堆肥层。
     • 顶层：无种子覆盖物（如秸秆、树叶、草坪剪草）。

覆盖物的好处

• 层逐渐分解，吸引蚯蚓通气并混合有机材料至土壤深处。
• 遮蔽土壤、阻挡杂草。
• 为土壤微生物创造栖息地，促进土壤健康构建。

作者强调，免耕园艺通过简单步骤实现土壤再生，无需大量土地，适合城市环境。

CPU Energy Meter：Intel CPU能耗测量工具

概述 CPU Energy Meter是一个Linux工具，用于以高时间粒度（数十毫秒级别）监测Intel CPU的功耗。该工具基于Intel CPU的RAPL（运行平均功耗限制）功能，适用于Sandy Bridge及之后的CPU代系。由于使用了硬件支持的最大测量间隔（几分钟至一小时），其性能开销可忽略不计。

支持的测量域 该工具可监控以下五个功耗域：

• 封装域：单个CPU插座
• 核心域：封装上所有CPU核心
• 非核心域：非核心组件（如客户端CPU的集成显卡）
• 内存节点域：封装本地内存（仅限服务器CPU）
• 平台域：所有从集成供电机制接收电力的设备（如处理器核心、SOC、内存、外围设备）

来源与许可 CPU Energy Meter是Intel Power Gadget的分支，由慕尼黑大学软件系统实验室开发，采用BSD-3-Clause许可证。相关学术论文发表于2020年。

安装方法

• Debian/Ubuntu系统：可通过PPA安装：

  sudo add-apt-repository ppa:sosy-lab/benchmarking
  sudo apt install cpu-energy-meter
  

  或从GitHub下载.deb包手动安装。
• 依赖项：需要libcap库和启用MSR模块的Linux内核。
• 从源码编译：

  sudo apt install libcap-dev
  sudo modprobe msr
  make
  sudo ./cpu-energy-meter
  

• 非root用户运行：需配置内核模块加载、用户组权限和udev规则（Debian包自动完成此配置）。

使用方法

• 基本命令：

  cpu-energy-meter [-d] [-e sampling_delay_ms] [-r]
  

  运行后持续后台累积能耗计数，收到SIGINT（Ctrl+C）时报告测量结果。
• 输出格式： 默认输出为键值对列表，显示各域能耗（如Package、Core、DRAM等）。添加-r参数可输出原始可解析列表。
• 其他功能：
  • 发送USR1信号可获取中间测量值。
  • -d参数启用调试输出。
  • -e参数可覆盖自动计算的测量间隔。

相关文献

D. Beyer 和 P. Wendler, 《CPU Energy Meter: A Tool for Energy-Aware Algorithms Engineering》，载于TACAS 2020会议论文集（第2部分），LNCS 12079，第126-133页，Springer，2020年。

HP Envy 17笔记本电脑BIOS恢复笔记

问题背景

• 父亲的新HP Envy 17笔记本电脑因触控板灵敏度问题联系HP技术支持
• 技术支持强制要求先更新BIOS才能继续 troubleshooting
• 运行HP提供的BIOS更新工具后，电脑完全变砖：仅电源灯亮、风扇全速转，无显示、无报警
• HP技术支持无法恢复，将问题归咎于用户自行升级的第三方内存，拒绝保修并索要$500维修费

技术解决方案

1. 定位BIOS芯片

• 通过网上查找的电路图，初步确认BIOS芯片为MX25L6473F SPI闪存芯片
• 使用3.3V STM32F103开发板作为编程器

2. 建立硬件连接

• 将SPI BIOS芯片从主板上取下
• 焊接6根连接线：
  • BIOS针脚1-PA4，2-PA6，4-GND，5-PA7，6-PA5，8-VCC
• 通过ST-Link（SWD）和USB虚拟串口与开发板通信

3. 提取原固件

• 使用STM32读取芯片ID和状态寄存器
• 通过逐字节传输方式完整读取芯片内容
• 解决串口通信稳定性问题，最终成功获取完整固件备份

4. 寻找新BIOS文件

• 解压HP官方更新工具sp133161.exe
• 制作恢复USB盘，在HP/BIOS/Current目录中找到083AD.bin文件
• 通过十六进制比对确认这是正确的BIOS文件

5. 刷写新BIOS

• 尝试将BIOS文件编译到STM32固件中（因闪存空间不足失败）
• 改为通过主机C++程序逐字节传输到STM32，再写入BIOS芯片
• 采用确认应答机制确保数据完整性
• MD5校验确认写入成功

恢复结果

• 芯片重新焊回主板
• 首次启动无反应，经多次尝试后系统恢复
• 屏幕背光闪烁，随后自动重启
• 出现HP标志和CMOS设置丢失提示
• 最终系统完全恢复正常功能

关键技术要点

• 硬件维修：通过外部编程器直接读写SPI闪存芯片
• 软件工具：STM32嵌入式程序 + 主机C++控制程序
• 数据验证：多次校验确保固件传输正确性
• 故障排除：从芯片识别到完整恢复的系统化方法

此案例展示了通过硬件级修复解决厂商软件更新导致的设备变砖问题，同时也揭露了HP保修政策的不合理性。

概要

核心问题： 谷歌正将 Chrome 和 Chromium 浏览器从 Manifest V2 (MV2) 扩展框架过渡到 Manifest V3 (MV3)。由于 MV3 缺乏用于拦截网络请求的 webRequestBlocking API，这将导致许多高效的广告拦截器（如 uBlock Origin）无法正常工作。从 Chrome 127 版本开始，MV2 扩展的使用将被逐步停止。

解决方案： 尽管谷歌计划弃用 MV2，但为企业兼容性保留了一个名为 ExtensionManifestV2Availability 的策略键。普通用户可以通过在系统层面设置此策略值为 2，来强制浏览器保留对 MV2 扩展的支持，从而在 MV3 全面生效后继续使用现有的广告拦截器。

具体操作方法： 以下是在不同操作系统中应用此策略的步骤概要：

• Linux / ChromeOS：

  • 通过终端或根 shell，编辑或创建策略 JSON 文件，路径通常为 /etc/opt/chrome/policies/managed/policy.json 和 /etc/opt/chromium/policies/managed/policy.json。
  • 在文件中写入或确保包含以下内容：

    { "ExtensionManifestV2Availability": 2 }
    

• Windows：

  • 使用注册表编辑器 (regedit)，在 HKEY_LOCAL_MACHINE\SOFTWARE\Policies\Google\Chrome 路径下创建一个名为 ExtensionManifestV2Availability 的 DWORD (32 位) 值，并将其数据设置为 2。

• macOS：

  • 通过终端运行以下命令（分别为 Chrome 和 Chromium 设置）：

    defaults write com.google.Chrome ExtensionManifestV2Availability -int 2
    defaults write com.google.Chromium ExtensionManifestV2Availability -int 2
    

重要提示： 文章作者指出，在发布时该策略可能已被谷歌移除，因此上述方法可能已失效。作者推荐了一个替代方案，即使用符合 MV3 标准且功能更强的广告拦截器分支版本，例如 uBlock-mv3（项目地址：https://github.com/r58Playz/uBlock-mv3）。

摘要

本文探讨了图论中的一个核心问题：在高度连通的网络（图）中寻找哈密顿回路（即经过图中每个节点恰好一次并返回起点的回路）。该问题在计算机科学和数学中具有重要意义，但寻找通用高效算法已被证明极其困难。

研究重点因此转向证明特定类型的图必然包含哈密顿回路。文章聚焦于一类称为扩展图的特殊图。扩展图具有两个关键性质：1）任何两个不相邻的大节点群之间很可能存在边连接；2）任意一个小节点群的“邻居”集合（即与之直接相连的所有节点）会远大于原群，这种性质称为“扩展性”。扩展图虽然高度连通，但可以具有稀疏的边结构，最初启发于神经网络研究，并应用于社交网络、纠错码等领域。

历史研究表明，在随机生成的图中，哈密顿回路极可能存在。2002年，Krivelevich 和 Sudakov 猜想：扩展图必然包含哈密顿回路。经过二十余年的探索，2024年2月，Sudakov 与 Montgomery、Pokrovskiy、Munhá Correia、Draganić 等数学家合作，最终证明了该猜想。

证明的关键创新在于结合了两种技术：

1. Pósa 旋转：用于在扩展图中构建一组较长的路径。
2. 排序网络：一种特殊的图结构，能够以非相交路径的方式将任意起点集与终点集一一匹配。

研究者首先证明扩展图必然包含排序网络结构。然后，利用 Pósa 旋转产生的长路径的端点作为排序网络的输入和输出集合，通过排序网络将这些路径无缝连接，从而构造出完整的哈密顿回路。该证明不仅确认了原猜想，还得到了更强结论：只要扩展因子 c 足够大，任何 c-扩展图都包含哈密顿回路。

此成果解决了图论与计算机科学中的一个基础问题，建立了扩展图与哈密顿回路之间的深刻联系，被认为将对未来应用产生重要影响。然而，研究并未结束，例如寻找最优的扩展因子边界，以及将结论推广到更广泛的“坚韧图”类别，仍是开放性问题。

Dblab：多数据库交互式终端客户端

Dblab 是一个用 Go 语言编写的快速、轻量级、基于终端的交互式 UI 应用程序，用于管理 PostgreSQL、MySQL、SQLite3、Oracle 和 SQL Server 数据库。它可在 macOS、Linux 和 Windows 上运行。

核心特性

• 跨平台：支持 macOS、Linux 和 Windows（32/64位）。
• 易于安装：以单个二进制文件形式分发，无任何依赖。
• Vim风格编辑器：查询编辑器支持普通模式和插入模式，提供类 Vim 的行编辑命令。
• 多数据库支持：单一工具连接多种主流关系型数据库。
• 安全连接：支持通过密码或 SSH 密钥文件建立 SSH 隧道，并支持数据库的 SSL 加密连接。

安装方式

1. Homebrew (macOS/Linux)：

   brew install --cask danvergara/tools/dblab
   

2. 二进制文件：从 GitHub 发布页面手动下载对应系统的版本。
3. 自动脚本（Linux/macOS）：

   curl https://raw.githubusercontent.com/danvergara/dblab/master/scripts/install_update_linux.sh | bash
   

使用与连接

可以通过命令行标志或连接 URL 连接数据库，启动后若不提供连接信息则会交互式询问。

• 基本连接示例：

  dblab --host localhost --user myuser --db users --pass password --driver postgres --port 5432
  dblab --db path/to/file.sqlite3 --driver sqlite
  dblab --host localhost --user system --db FREEPDB1 --pass password --port 1521 --driver oracle
  

• URL 连接：

  dblab --url 'postgres://user:password@host:port/database?sslmode=disable'
  dblab --url 'mysql://user:password@tcp(host:port)/db'
  dblab --url 'file:test.db?_pragma=foreign_keys(1)'
  

• 模式（Schema）：对于 PostgreSQL 和 Oracle，可使用 --schema 标志指定要查看的特定模式。若省略，将显示用户有权限访问的所有模式。

配置文件

为避免重复输入标志，可使用配置文件（默认路径为 $HOME/.dblab.yaml）。

• 使用 --config 标志从配置文件读取连接信息。
• 使用 --cfg-name 指定配置文件中定义的数据库连接名称。
• 配置文件支持定义多个数据库连接、SSL选项以及自定义键绑定。

配置文件示例 (~/.dblab.yaml)：

database:
  - name: "test"
    host: "localhost"
    port: 5432
    db: "users"
    user: "postgres"
    password: "password"
    driver: "postgres"
    schema: "myschema" # 可选
  - name: "prod"
    host: "mydb.rds.amazonaws.com"
    port: 5432
    db: "users"
    user: "postgres"
    password: "password"
    driver: "postgres"
    ssl: "require"
    sslrootcert: "~/.postgresql/root.crt"

# 设置查询结果行数限制（必须大于0）
limit: 50

# 自定义键绑定（需配合 --keybindings 或 -k 标志使用）
keybindings:
  editor:
    execute-query: "ctrl+e"
    insert: "i"
    normal: "esc"
  navigation:
    up: "ctrl+k"
    down: "ctrl+j"
    left: "ctrl+h"
    right: "ctrl+l"

SSH 隧道连接

支持通过 SSH 隧道安全地连接到远程数据库服务器（如 PostgreSQL、MySQL）。

• 相关标志：--ssh-host, --ssh-port, --ssh-user, --ssh-pass, --ssh-key, --ssh-key-pass。
• 示例：

  # 使用密码
  dblab ... --ssh-host example.com --ssh-port 22 --ssh-user root --ssh-pass root
  # 使用私钥文件
  dblab ... --ssh-host example.com --ssh-port 22 --ssh-user root --ssh-key my_key.pem --ssh-key-pass passphrase
  

导航与键绑定

界面主要由侧边栏树（显示数据库/模式/表）、查询编辑器和结果面板组成。

• 查询编辑器：启动时为普通模式，按 i 进入插入模式编辑 SQL，按 Esc 返回普通模式。在普通模式下，dd 删除行，yy 复制行，p 粘贴，x 删除字符。
• 面板切换：使用 Ctrl+H/J/K/L 在左、下、上、右面板间切换。
• 结果导航：在结果集中，使用方向键或 h/j/k/l（普通模式）移动，g 和 G 跳至顶部/底部，0 和 $ 跳至行首/行尾，按 Enter 可复制单元格内容。
• 执行查询：在查询编辑器中按 Ctrl+e 执行当前语句。

其他

• 贡献：欢迎通过 Fork、创建功能分支、提交 PR 的方式参与项目。
• 许可证：MIT 许可证。

内容概要

本文标题为“Stallman Was Right”，但所提供的实际内容是一段网站技术错误提示，主要涉及用户在访问 x.com（可能指原Twitter平台）时遇到的问题。该提示指出，某些隐私相关浏览器扩展可能导致网站访问异常，建议用户临时禁用这些扩展后重试。

关键细节

• 问题背景：用户在尝试访问 x.com 时出现加载或功能错误。
• 错误原因：网站检测到部分隐私保护类浏览器扩展（如广告拦截、隐私保护插件）可能干扰网站正常运行。
• 解决方案：提示建议用户暂时禁用这些隐私扩展，随后重新尝试访问。
• 技术性质：该内容属于网站故障排查的临时提示，不包含实质性论述或观点分析。
• 标题关联性：标题“Stallman Was Right”可能暗指Richard Stallman（自由软件运动倡导者）对隐私、软件自由及用户控制权的观点，但当前内容未展开相关讨论，仅涉及隐私扩展的临时兼容性问题。

总结说明

本文实质为网站错误提示的片段，而非传统文章或技术文档。其核心目的是指导用户通过调整浏览器设置解决访问问题，体现了部分网站与隐私工具之间的兼容性冲突。标题虽暗示与Stallman的思想相关，但内容未提供具体关联分析或论述。

美国孕产妇死亡率居高收入国家首位，挪威为零

根据英联邦基金会发布的最新报告，美国在孕产妇死亡率方面仍是高收入国家中的“异类”。尽管美国的孕产妇死亡率近期有所下降，但在所有可比国家中仍位居第一，且存在显著的种族差异。

关键数据对比

• 美国：2022年，美国每10万活产中约有22.3例孕产妇死亡。黑人女性的死亡率更高，达到每10万活产近50例。
• 其他国家：报告中一半的高收入国家孕产妇死亡率低于每10万活产5例。其中，挪威记录为零，瑞士为1例，瑞典约为3例。死亡率最高的国家是美国、智利和新西兰（后两者均约为14例）。

导致美国高死亡率的主要原因

报告分析指出，美国高孕产妇死亡率与以下因素密切相关：

1. 医疗人员短缺与助产士不足：美国面临孕产妇护理人员短缺问题，且对助产士的利用不足。与其他国家助产士数量远超妇产科医生不同，美国的助产士未被充分整合到医疗体系中。
2. 缺乏全民医保：美国是被分析的国家中唯一没有全民健康系统的国家，近800万育龄妇女没有健康保险。
3. 产后期护理薄弱：
   • 近三分之二的孕产妇死亡发生在产后42天内。
   • 美国女性最不可能获得产后家访。报告中除美国外，所有国家都保证在产后一周内至少有一次家访。
   • 五分之二的美国女性（尤其是年轻、低收入和未投保者）会跳过唯一一次的产后检查。
4. 无带薪产假政策：美国是唯一没有联邦强制带薪产假政策的高收入国家，而其他国家至少规定14周带薪休假。
5. “孕产护理沙漠”：超过220万育龄妇女生活在孕产护理资源匮乏地区，过去五年中，十分之一的美国县失去了医院的产科服务。

专家呼吁与建议

报告及受访专家强调，孕产妇死亡是可以预防的，并提出以下改进方向：

• 扩大保险覆盖和加强医疗队伍建设。
• 增加助产士的供给和使用，以缓解妇产科医生短缺。
• 建立联邦法定的带薪产假。
• 完善产后支持体系，包括推行强制性的产后家访。
• 将公平置于政策中心，解决影响有色人种女性的医疗质量与可及性不平等问题。

尽管美国的孕产妇死亡率从2021年的32.9例/10万活产下降至2022年的22.3例，但专家指出，疫情、政策变动及长期存在的健康不平等仍然是改善过程中的重大障碍。美国妇产科医师学会等机构表示，将继续致力于提升孕产妇医疗质量与安全，并倡导支持性政策。

数据库隔离模型与开发者认知负担

本文通过“说谎需要记住所有谎言”的隐喻，探讨了数据库弱隔离模型（弱一致性）给开发者带来的认知负担，并论证了强隔离模型在提升开发效率上的优势。

核心隐喻：说谎与数据异常

• 认知负担：说谎者必须记住所有谎言以防穿帮；同理，在弱隔离数据库上开发时，开发者必须追踪所有潜在的数据不一致（即“异常”），以防错误状态暴露给用户。
• 开发减速：这种追踪过程迫使开发者将大量时间用于架构推理和防止不一致读取，严重拖慢了开发速度。

弱隔离 vs 强隔离

• 弱隔离（全局推理）：要求开发者进行全局推理。任何代码更改都必须考虑所有并发查询及其下游交互，错误极易向外传播，导致开发和维护成本极高。
• 强隔离（局部推理）：允许局部推理。强隔离数据库始终提供一致的数据（“说真话”），使开发者能独立推理单个查询，无需与其他开发者保持全局同步。

技术细节：异常与优先图

• 可串行化（Serializability）：一种强隔离级别，可通过数据库直接保证，或通过构建查询的有向优先图（Precedence graph）并检查无环来实现。
• 弱隔离的缺陷：
  • 快照隔离：无法捕获“写偏斜（write skew）”等特定异常，需人工审查事务，难度极大。
  • 读已提交：会引入幻读、丢失更新等更多异常，需要更广泛的检查。
• 人工审查的代价：依赖人工审查所有事务以防异常极其浪费人力。弱隔离仅应在强隔离系统遭遇严重性能瓶颈时，作为超大规模基础设施的最后手段。

流处理的挑战与 Materialize 方案

• 流处理中的最终一致性：流处理的输入是无界且连续的，弱隔离系统追求的“最终一致性”可能导致输出永远无法稳定，产生永久且无界的偏差。
• 严格可串行化：Materialize 提供严格可串行化（Strict Serializability）隔离保证，最符合人们对并发控制的直觉。它让开发者无需成为一致性专家，也无需追踪复杂的“数据谎言”，从而专注于核心业务开发。

XPipe：远程文件浏览与连接管理中心

核心概述

XPipe 是一款创新的远程连接管理工具，旨在从本地桌面集中管理所有服务器与远程系统，无需在远程端进行任何预配置。它集连接中心、远程文件浏览器、终端启动器于一体，为系统管理员和开发者提供高效统一的工作流。

主要功能

1. 连接管理中心

• 在一个界面集中管理所有远程连接（支持数百个连接）。
• 支持按层级分类组织连接，快速建立SSH、容器、虚拟机等会话。
• 可创建桌面快捷方式，一键在终端中打开远程连接。

2. 强大的文件管理

• 提供专业优化的远程文件系统操作工作流。
• 允许使用本地安装的程序直接编辑远程文件。
• 支持多标签页并行操作多个系统，并实现无缝文件传输。
• 可动态通过 sudo 提升权限，无需重启会话。

3. 灵活的终端集成

• 一键在用户喜爱的终端模拟器中启动Shell会话。
• 支持所有主流Shell（bash, zsh, cmd, PowerShell等）及终端复用器（tmux, zellij）。
• 集成流行提示符主题（如starship, oh-my-zsh），并实现快速连接。

4. 全面的连接协议支持

• SSH：自动加载配置文件，支持代理、跳板机、隧道、智能卡、X11转发等全部高级特性。
• 容器：自动检测Docker、Podman、Kubernetes、LXD、incus及Proxmox等环境中的容器，提供管理（启停、查看日志）和直接访问功能。
• 虚拟机：集成VMware、Hyper-V、KVM、incus、Proxmox，支持一键SSH进入虚拟机，并控制其状态。
• 远程桌面与图形：内置VNC查看器，支持通过SSH隧道进行VNC/RDP连接，并支持X11转发（包括在Windows上通过WSL桥接）。

5. 脚本与自动化系统

• 支持创建可复用的Shell脚本、模板和命令组。
• 可将本地脚本库部署到远程系统的PATH中，无需额外配置。
• 允许通过自定义命令扩展功能。

6. 数据同步与团队协作

• 连接信息和配置可通过自有的Git远程仓库在多系统间同步。
• 支持团队成员推送和拉取更改，并提供冲突解决工具。
• 完全自托管，无需外部服务器，保障隐私。

亮点与特点

• 跨平台：提供Windows、macOS、Linux的原生安装包，功能一致。
• 容器化可用：提供名为XPipe Webtop的Docker镜像，可在浏览器中使用的Web桌面环境。
• 工具链友好：无缝集成用户现有的终端、编辑器、Git客户端等工具。
• 安全与隐私：所有数据以加密形式存储在本地密码库中，支持自定义密码短语加密。可集成外部密码管理器，且不涉及外部服务器。
• 开源与持续更新：核心应用在GitHub开源，提供持续集成版本，包含所有更新、修复和功能改进。
• 完善文档：提供详细的官方文档，涵盖介绍、指南和参考。

⚠️ 内容不匹配 提供的文章内容与标题 “AI-generated thumbnails used to promote 12 Angry Men on Amazon Prime” 不符。 您提供的内容是一个网站错误提示，而非相关文章正文。无法基于此生成有效的摘要。

建议： 请检查并提供完整的文章内容，以便我为您进行准确的总结。