模型上下文协议（Model Context Protocol, MCP）是一项开源标准，旨在连接人工智能助手与存储数据的各类系统（如内容仓库、业务工具和开发环境），帮助前沿模型生成更优质、更相关的响应。当前，尽管AI能力快速发展，但模型仍受制于数据隔离问题，与分散的信息孤岛和旧系统之间缺乏有效连接。为每个数据源单独构建接口难以扩展，MCP通过提供一个统一的开放标准，取代碎片化的集成方式，使AI系统能够更简单、可靠地访问所需数据。

MCP支持开发者构建数据源与AI工具之间的安全双向连接。其架构清晰：开发者可以通过MCP服务器暴露数据，或构建连接这些服务器的AI应用程序（即MCP客户端）。本次发布的重点包括：

• MCP规范与软件开发工具包（SDK）
• Claude桌面应用中对本地MCP服务器的支持
• 开源MCP服务器仓库

Claude 3.5 Sonnet能够快速构建MCP服务器实现，帮助组织和个人高效连接关键数据集。官方提供了针对Google Drive、Slack、GitHub等流行系统的预构建MCP服务器。

早期采用者如Block和Apollo已将MCP集成到其系统中，Zed、Replit等开发工具公司也正利用MCP增强平台能力，使AI代理能更好地检索信息、理解编码任务上下文，从而减少尝试次数，生成更精准的代码。

与传统为每个数据源维护单独连接器相比，开发者现在可基于标准协议进行构建。随着生态成熟，AI系统将在不同工具和数据集间保持上下文连贯性，实现更可持续的架构。

开发者现可开始构建和测试MCP连接器。所有Claude.ai计划均支持将MCP服务器连接至Claude桌面应用。Claude for Work客户可本地测试MCP服务器，连接内部系统，后续将提供用于部署远程生产级MCP服务器的工具包。

快速入门建议：

• 通过Claude桌面应用安装预构建MCP服务器
• 参考快速入门指南构建首个MCP服务器
• 为开源连接器和实现仓库贡献力量

MCP由Anthropic的David Soria Parra和Justin Spahr-Summers创建，致力于作为协作性开源项目发展，鼓励AI工具开发者、企业及早期探索者共同参与，构建上下文感知AI的未来。

根据数据分析，Y Combinator（YC）投资了近5000家公司，其中许多初创企业的产品与已投资的校友公司高度相似，甚至存在直接竞争。这一现象与硅谷通常强调“独特创意”的创业文化形成反差。

YC的投资理念
YC更倾向于投资创始人而非商业创意本身，关注创始人的背景、执行力与韧性，而非其业务是否独一无二。YC CEO Garry Tan公开表示，更多选择是好事，并认为建设行为本身具有积极意义。该机构甚至接受同一批次中存在多家开发类似产品（如AI代码编辑器）的初创公司。

创始人群体的不同看法
部分YC校友对直接竞争持批评态度，认为产品模仿而非差异化会影响内部合作生态。然而，也有创始人认为竞争有益，例如Avocado的CEO Nick Evans指出，投资者应深入了解行业，而真正的挑战在于用户是否关心产品，而非其他初创公司的存在。

YC偏爱的产品类别（基于数据分析）
当前热门领域（每个类别至少有12家以上公司）：

• AI代码编辑器（如Void、EasyCode等）
• 餐饮/饮品/餐厅收银系统（如Avocado、Dripos等）
• 企业财务/薪酬管理（如Warp、Zeal等）
• AI销售与客户关系管理（如Apten、Persana AI等）
• AI会议助手（如Circleback、Onward等）
• AI法律助手（如Dioptra、Leya等）

历史热门但近期降温的领域：

• 加密货币交易平台（2014-2022年间约12家，受Coinbase成功影响）
• 电商平台（2018-2022年间约12家，受Shopify影响）
• 企业支出卡（2018-2022年间涌现多家，受Brex成功推动）

背景与数据来源
此分析由数据公司Deckmatch完成，该公司并非YC企业。其CEO表示，YC数据的分析灵感来源于此前的PearAI争议——该公司被指控抄袭YC另一家产品Continue。该研究揭示了YC投资模式的特点，为创业生态提供了独特视角。

Borgo编程语言概述

Borgo 是一门编译到 Go 的新型编程语言。其在线 Playground 将编译器作为 Wasm 二进制文件运行，并将转译后的 Go 输出发送到官方 Go Playground 执行。

主要特性

原始类型与类型推断

• 原始类型与 Go 相同。
• 集合类型（如切片和 Map）支持类型推断，无需显式指定类型。
• 提供 .Append()、.Len() 等函数式方法。
• Map 通过 Map.new() 初始化。
• 支持元组，行为类似 Rust。
• 多行字符串通过每行前缀 \\ 定义。

控制流

• 可迭代对象与 Go 一致（切片、Map、通道、字符串）。
• 循环默认迭代元素，获取索引需调用 .Enumerate() 方法。
• Map 迭代必须解构为 (key, value) 对。
• 提供 loop（无限循环）和 while（条件循环）。
• if、match 和代码块是表达式，可返回值。

代数数据类型与模式匹配

• 使用 enum 定义代数数据类型（类似 Rust）。
• 模式匹配必须穷举所有情况（编译器强制）。
• 当前变体仅支持元组形式，不支持结构体变体。

结构体

• 定义和实例化类似 Rust。
• 所有字段必须显式初始化（与 Go 不同）。

Result 与 Option

• Option<T> 处理值可能存在或不存在的情况。
• Result<T, E> 用于返回值或错误。
• 提供 .unwrap() 方法（不安全，可能 panic）。

与 Go 的互操作性

• 目标是完全兼容现有 Go 生态系统。
• 自动转换 Go 多返回值函数：
  • 返回 (T, bool) 的函数转换为 Option<T>。
  • 返回 (T, error) 的函数转换为 Result<T, E>。
• 可通过声明文件使用现有 Go 包。

包定义

• 通过声明文件定义 Go 包的绑定（类似 TypeScript 的 .d.ts 文件）。
• 目前仅部分 Go 标准库有绑定，但提供导入工具可自动生成绑定。

指针与引用

• 行为与 Go 相同。
• 解引用使用 .* 语法（类似 Zig）。

方法

• 通过 impl 块定义方法，可在块中指定接收者。
• 支持静态方法（如 Person.new）。

接口

• 基于鸭子类型（与 Go 一致）。
• 支持嵌入接口。
• 不支持类型集。

错误处理

• 在返回 Result 的函数中，可使用 ? 运算符传播错误（类似 Rust）。

零值与 nil

• 不允许创建 nil 值，所有值必须显式初始化。
• 使用内置函数 zeroValue() 获取类型的零值。
• 结构体字段必须初始化。

并发（Goroutines）

• 支持 Go 的所有并发原语。
• 使用 spawn 关键字（而非 go）启动 Goroutine。

通道

• 使用 Channel.new() 创建 Sender<T> 和 Receiver<T>。
• 通过 .Send() 和 .Recv() 方法进行发送和接收。

Select 语句

• 语法与 Go 略有不同：
  • 读取通道：let x = ch.Recv()
  • 发送通道：ch.Send(x)
  • 默认情况：_

这篇文章批判了Go语言的设计缺陷，并逐一驳斥了为继续使用Go而常见的辩护理由。作者认为，Go的流行并非因其语言设计优秀，而是由于其易上手、异步运行时和垃圾回收等表面优势，但这些优势掩盖了底层的严重问题。

核心批评点：

1. 类型系统薄弱：缺乏和类型（sum types），无法表达“要么A要么B”的逻辑；零值滥用，导致未初始化字段或nil值引发大量运行时错误；无法区分值与引用，导致意外修改；强制使用闭包接口实现“新类型”，成本高昂。
2. 错误处理原始：依赖开发者手动检查错误，编译器无法辅助，容易导致错误传播。
3. 二进制兼容性与集成困难：Go是“孤岛”，使用非标准的汇编、链接器、调试器等，难以与现有工具链和其它语言集成。FFI（外部函数接口）复杂且有性能损耗，最佳集成方式是通过网络边界。
4. 并发模型代价：虽然goroutine方便，但通道（channel）的零值语义（如向nil通道发送/接收永久阻塞）易引发难以调试的死锁。
5. “快速开发”的幻觉：表面上语法简单、编写速度快，但将复杂性从语言转移到了代码中，导致代码库冗长、信噪比低，依赖文档而非类型系统来维护不变量，长期维护成本极高。

驳斥的常见辩护理由（“谎言”）：

1. “大公司/别人在用”：公司的技术博客通常只宣传成功，不会暴露技术选型的真实成本；他人的使用不等于适合你的团队。
2. “批评者不懂/是精英主义”：指出问题与资历无关，开发者容易对习惯的问题视而不见。任何人都有资格提出批评。
3. “异步运行时和GC弥补一切”：优秀的运行时仅是平台的一部分，Go附带的是整套封闭的工具链和语言设计选择，后者带来的问题无法被前者完全掩盖。
4. “每个缺陷单独看都可接受”：这是一种化整为零的辩护战术。单个问题的可容忍不等于聚合后系统复杂度可控。
5. “只需更小心/多用Linter”：将责任推给开发者无法根治问题，且Linter的强度远不及一个从设计上就注重安全的编译器。
6. “易于编写=易于开发生产软件”：快速产出代码不等于产出可靠、可维护的代码。Go的“简单”将不变量的维护成本转嫁给了开发者、运维和客户。
7. “语言简单意味着其他也简单”：语言的简单（特性少）反而使得表达复杂问题时更繁琐，代码库会变得更大更隐晦。
8. “可以先用来原型设计，以后重写”：现实中的工程组织极度抗拒重写。Go代码一旦积累，与其他语言集成的成本极高，导致路径锁定，问题被永久固化。
9. “可以后期引入专家解决”：这假设专家能解决所有固有缺陷，但许多问题是语言设计层面的，无法通过个人技巧完全规避。

结论： Go的吸引力（如上手快）与其设计缺陷导致的长期、复合的高维护成本之间存在巨大落差。选择Go的决定往往在问题暴露时已难以回头。作者强调，尽管完美不存在，但工具理应帮助开发者管理复杂性，而非增加它。行业的持续讨论至关重要，否则“十亿美元错误”（null）将以各种形式重演。

特斯拉Cybertruck不锈钢电动皮卡再次因安全问题被召回。最新一次召回是今年的第六次，涉及2,431辆于2023年11月至2024年7月期间生产的车辆。问题源于驱动逆变器中的功率半导体晶体管存在缺陷，可能导致车辆在行驶中突然失去动力，增加碰撞风险。此次召回需返厂更换硬件，无法通过空中升级（OTA）解决。

行业分析师指出，尽管安全隐患明显，Cybertruck的购买者往往更看重其独特外观和彰显个性的象征意义，而非实用性或长期可靠性。Edmunds公司洞察总监Ivan Drury表示，对该车型的负面报道反而可能增强其在特定消费者中的吸引力，车主们“购买它是为了当下的瞩目，并不关心未来几十年可能被召回的次数”。他认为，Cybertruck的市场定位更像是一种“炫耀性消费”，而非实用工具。

数据表明，Cybertruck上市一年内已发生六次召回，情况劣于91%的2024款车型。iSeeCars执行分析师Karl Brauer认为，虽然新车首年召回较为常见，但若后续召回频率持续不降，则可能预示其长期可靠性不佳。

综上，Cybertruck因频繁召回引发安全担忧，但其设计独特性吸引了追求个性化表达的消费群体，使得安全性与实用性在购买决策中处于次要地位。

Fly.io 的服务中断事件已得到解决。当前，所有列出的数据中心状态均显示为"正常运行"，包括阿姆斯特丹、斯德哥尔摩、孟买、巴黎、达拉斯、纽瓦克、法兰克福、圣保罗、阿什本、约翰内斯堡、洛杉矶、伦敦、东京、芝加哥、新加坡、圣何塞、悉尼和多伦多等地。

基于LLVM的反虚拟化

本文介绍了在Thalium实习期间完成的一项关于虚拟化二进制程序去混淆的研究工作。

背景与动机

虚拟化是一种强大且流行的二进制代码混淆技术，被Tigress、Themida、VMProtect等混淆器提供，并广泛应用于恶意软件中。虚拟化二进制程序包含一个解释器，负责执行将原始程序编码而成的虚拟指令。手动分析虚拟机（VM）既漫长又复杂，因为不同混淆程序的VM架构可能不同，且虚拟指令可能被进一步加密。

去混淆方法

本文的去混淆方法受动态污点分析启发，并做了简化。主要步骤如下：

1. 动态污点分析：对被混淆的函数执行污点分析，标记其参数。
2. 执行轨迹分割：收集一次随机输入的执行轨迹，每当遇到被污点标记的条件分支指令时，将轨迹分割成基本块。
3. 控制流图重建：合并相同的基本块，并结合启发式方法重建控制流图（CFG）。
4. 利用LLVM简化：在重建的CFG基础上，使用LLVM的优化器来简化代码，去除冗余和无用指令。

使用LLVM IR的核心优势

该方法的一个关键设计是全部在LLVM IR层面进行分析，而非仅在最后使用LLVM优化。这带来了几个重要好处：

• 早期优化：在分析初期就进行优化，可以去除简单的混淆，加速后续分析。
• 多架构支持：使用中间表示（IR）使得工具易于支持多种架构（目前支持amd64和aarch64，正在添加32位支持）。
• 生态系统集成：可以直接利用LLVM庞大的优化和分析工具集，以及第三方工具（如符号执行引擎KLEE）。同时，本工作也为LLVM生态做出了贡献，例如开发了一个针对LLVM IR的动态污点分析引擎。

实现与结果

• 代码提升：使用Trail of Bits的remill库将机器指令提升（翻译）为LLVM IR。此过程较为复杂，并借鉴了Saturn去混淆器的经验。
• 实验效果：在对Tigress混淆器生成的二进制文件（amd64和aarch64）进行测试时，取得了积极成果。例如，在部分反混淆Tigress的challenge0000-binary1时，本工具在不到一秒内完成，而参考工具Triton声称需要9.20秒。

局限性

由于实习时间有限，当前方法存在一些局限：

1. 仅适用于无外部函数调用的纯函数。
2. 只能去混淆单条执行路径。
3. 对某些循环结构的处理效果不佳。

为了获得更好的代码覆盖率，可以结合符号执行来探索不同的执行路径。完整的实习报告已公开，其中包含更多技术细节和未来计划。

Jekyll SQLite 插件概述

插件用途
这是一个Jekyll生成器插件，允许用户使用SQLite数据库替代传统数据文件（如CSV/JSON/YAML）作为数据源，从而简化从数据库创建API和网站的过程。它通过连接数据库文件、模板和相关查询来实现数据集成。

主要功能

• 查询支持：支持站点级查询、每页查询和准备好的查询。准备好的查询可利用现有数据（可能通过其他查询生成）作为参数。
• 数据重塑：利用SQL语言进行数据重塑，支持连接、过滤和聚合操作，避免在Liquid模板中处理多数据源时的复杂性（称为“Liquid Hell”）。
• 工作流程优化：SQL专注于数据准备，Liquid则专注于演示和模板，提升开发效率。

核心优势

• 减少对临时变量、映射等Liquid模板技巧的依赖，使数据源管理更直接。
• 适用于构建数据驱动的网站和API，提高数据处理灵活性。

文档与贡献

• 文档维护地址：https://captnemo.in/jekyll-sqlite/
• 贡献渠道：欢迎通过GitHub仓库 https://github.com/captn3m0/jekyll-sqlite 提交错误报告和拉取请求。
• 注意事项：仅支持Jekyll和Ruby的维护版本。
• 行为准则：所有参与者在项目代码库、问题跟踪器等互动中需遵守行为准则。

汽车激光雷达技术简介摘要

核心挑战与现状

激光雷达在自动驾驶汽车中的广泛应用关键取决于成本降低。目前用于Waymo和Cruise自动驾驶出租车的旋转式激光雷达穹顶成本高达数千美元，需要降低至少一个数量级。全球有超过140家初创公司致力于此目标。

技术基础

• 定义：激光雷达（LiDAR）是一种利用红外激光测量远程物体距离的技术，能生成比雷达更精细的高分辨率三维图像。
• 应用现状：自2020年起成为自动驾驶汽车的关键“眼睛”，但成本高昂。
• 主要组件：包括激光源、探测器、电子和机械部件。

波长选择

系统通常工作在两个红外波长之一：

• 905纳米（近红外）
  • 优点：激光源功率更高、更便宜；探测器更灵敏。
  • 缺点：易受阳光、车灯干扰；存在视网膜损伤风险，需严格安全标准；在雾雨条件下易被水蒸气吸收。
• 1550纳米（短波红外）
  • 优点：太阳辐射干扰较低；对眼睛更安全（仅穿透角膜），允许使用更高功率以实现更远探测距离。
  • 缺点：在潮湿条件下易被水蒸气吸收，影响性能。

探测器技术

• 雪崩光电二极管（APD）：常用，硅（Si）、锗（Ge）、砷化铟镓（InGaAs）材料各有不同波长响应。
• 单光子雪崩二极管（SPAD）：以“盖革模式”工作，对单个光子响应，提供皮秒级计时精度，可低成本集成于CMOS工艺。
• 硅光电倍增管（SiPM）：在905纳米波段逐渐取代硅APD，是SPAD的阵列形式，具有高增益和光子数分辨能力。

测距技术

• 直接飞行时间（dToF）：发射激光脉冲并测量反射信号返回时间。简单可靠，商用系统最大量程100-200米。
• 间接飞行时间（iToF）：也称调幅连续波（AMCW），通过测量反射波的相移来测距，更适用于短距离测量。
• 调频连续波（FMCW）：使用频率调制的线性调频脉冲，通过混频得到“拍频”来计算距离和速度。抗干扰强，所需激光峰值功率低，但系统复杂。

扫描与发射技术

• 机械式激光雷达：将传感器安装在旋转电机上，提供360°水平视场角。结构复杂、笨重、昂贵且有机械磨损。
• MEMS微镜：通过振荡微镜反射激光进行扫描。可在传统CMOS代工厂制造，成本较低，是成熟技术。
• 固态闪光激光雷达：使用垂直腔面发射激光器（VCSEL）照亮目标，用SiPM阵列检测。无运动部件，可靠、抗振动，但视场角有限，信噪比受光学功率分布限制，探测距离通常可达100米。
• 光学相控阵（OPA）：基于硅光子学，通过调节集成光学调制器的相位来操纵激光束。扫描速度快、无运动部件，但面临热管理、元件间距（需小于半波长）和扫描角度（易产生栅瓣）等挑战。

发展前景

固态激光雷达技术（如MEMS、闪光、OPA）有望提供具有竞争力的价格点，推动激光雷达在自动驾驶汽车中的普及。OPA技术仍在研究阶段，但具有全集成、高速扫描的潜力。

这篇文章介绍了使用 Google 的 Gemini 大语言模型（LLM）来自动纠正 YouTube 视频中自动生成的语音识别（ASR）文字记录错误的方法。其核心目标是利用 Gemini 强大的语言理解和生成能力，提升自动转录文本的准确性，使其更易于阅读和使用。文章可能展示了技术实现流程，例如如何将原始的、包含错误的 YouTube 转录文本输入 Gemini 模型，并通过精心设计的提示词（Prompt）引导模型修正拼写、语法、断句以及专有名词识别等常见 ASR 错误。该工具的价值在于能够批量、高效地改善大量 YouTube 视频的字幕或文字稿质量，可能为内容创作者、研究者或需要处理大量视频文本数据的用户提供便利。文章推测会对比纠错前后的效果，并讨论此方法在速度、成本和准确性方面的表现。

2024年11月22日，Deno公司正式向美国专利商标局（USPTO）提交请愿书，要求取消Oracle公司对“JavaScript”一词的商标所有权。此举旨在将“JavaScript”从法律束缚中解放出来，使其成为公认的公共资产。

请愿书基于以下三项核心主张：

1. “JavaScript”已成为通用术语
   “JavaScript”已成为由ECMA-262规范定义的该编程语言的通用名称，被全球数百万开发者及机构独立使用，与Oracle无关。根据法律，已转化为通用术语的商标不应继续存在。Oracle从未控制该语言的规范或使用，开发者、企业及教育机构日常使用JavaScript均无需Oracle参与。

2. Oracle在商标续展中存在欺诈行为
   2019年Oracle续展JavaScript商标时，向USPTO提交了欺诈性证据，其中包括与Oracle无关的Node.js项目截图。将Node.js作为Oracle“商业使用”的证据违反了商标法的真实性原则。USPTO可能基于虚假证据批准了续展，这可能导致续展无效。

3. Oracle已通过不使用放弃该商标
   Oracle已通过停止实际使用而放弃该商标。请愿书指出，Oracle多年来未以“JavaScript”名义提供实质性产品或服务。诸如JavaScript扩展工具包或GraalVM等边缘产品并不构成真正的商业使用。美国法律规定，商标连续三年未使用即视为放弃，Oracle的行为已符合该标准。

此次请愿获得了广泛的社区支持。超过14,000名开发者（包括JavaScript创始人Brendan Eich）签署公开信，敦促Oracle释放该商标。

后续步骤
Oracle需在2025年1月4日前作出回应。若其未采取行动，案件将进入缺席审判，商标很可能被撤销。Deno方呼吁Oracle承认“JavaScript”属于全球社区而非单一公司。若Oracle选择抗辩，Deno将提供充分证据证明Oracle未依法使用该商标，并承诺全程透明公开法律程序进展。

文章最后呼吁社区协助传播此事，共同推动“JavaScript”名称如其语言本身一样开放和可及。

Slang 着色语言与编译器概述

Slang 是一个开源的着色语言和编译器，旨在通过先进的语言特性和机器学习能力，赋能实时图形开发者，提升GPU着色器开发的可移植性与生产力。

核心特性与优势

• 经过验证：已应用于多个行业领先企业的实际生产项目和代码库。
• 开放与可访问：由 Khronos 集团管理，鼓励开源社区更广泛协作与采用。
• 灵活：专为满足实时渲染应用的不断演进需求而设计，包括神经图形技术。
• 高效：简化大型复杂着色器代码库的开发与维护，并为现有 HLSL 和 GLSL 代码提供迁移路径。
• 可移植：支持多种后端，实现“一次编写，处处运行”。
• 高性能：模块化编译支持可降低整体编译时间，提供更可复用的模块和动态着色器链接。

主要功能

1. 广泛的可移植性与后端支持

Slang 编译器可生成针对多种目标平台的代码，包括：D3D12、Vulkan、Metal、D3D11、OpenGL、CUDA、WebGPU 以及 CPU。对于文本化目标（如 MSL 和 CUDA），其生成的代码保持可读性，并保留原始标识符名称、类型和调用结构，便于调试。

2. 机器学习集成与自动微分

• 机器学习能力：通过 SlangPy，可将 Slang 着色器代码直接集成到 Python/PyTorch 训练流程中，适用于神经图形和 ML 增强渲染技术。
• 自动微分：能为涉及任意控制流和动态分派的复杂函数自动生成前向和后向导数传播代码，使现有渲染代码库易于实现可微分化，便于集成神经组件或纳入训练流程。

3. 访问最新 GPU 特性

Slang 代码具有高可移植性，同时也能利用特定平台的最新能力（如 Direct3D 和 Vulkan 的新特性，例如生成 SPIR-V 时使用指针）。其能力系统可在类型检查阶段确保代码仅使用目标平台支持的特性。此外，支持灵活的互操作特性，允许将目标平台代码或 SPIR-V 直接嵌入到生成的着色器中。

4. 模块化软件开发

提供模块系统，支持代码的逻辑组织和独立编译。Slang 模块可离线编译为自定义中间表示（可选择混淆），并在运行时链接，以生成如 DXIL 或 SPIR-V 等格式的代码。

5. 与模块协同工作的代码特化

支持泛型和接口（即类型特性/协议），能够清晰表达着色器特化，无需预处理器技术或字符串拼接。与 C++ 模板不同，Slang 的泛型会预先检查，不会产生难以诊断的级联错误。同一个泛型着色器可为不同类型特化，支持提前或运行时生成特化代码。

6. 轻松迁移 HLSL 和 GLSL 代码库

• HLSL 兼容性：语法与 HLSL 相似，大多数现有 HLSL 代码可直接使用 Slang 编译器编译或仅需少量修改。
• GLSL 兼容性：提供兼容性模块，支持使用大多数 GLSL 内置函数和参数绑定语法。

7. 全面的工具链支持

通过语言服务器协议，在 Visual Studio Code 和 Visual Studio 中全面支持 IntelliSense 编辑功能。同时，可通过 RenderDoc 和基于 SPIR-V 的工具提供完整的调试能力。

根据Tom Hacohen在社交平台上的观点，Redis正在试图接管所有开源的Redis客户端库。他指出，流行的库如Jedis、Lettuce和redis-py已经受到影响（“down”），并且Redis现在正对redis-rs库构成威胁（相关链接见回复）。此观点涉及Redis公司对开源生态系统影响的担忧。

# TSA数字身份证规则访问争议摘要

## 核心问题
作者试图获取TSA（美国运输安全管理局）关于**移动驾照（mDL）** 的最终规则文本，却发现阅读这些具有法律效力的规则本身就需要出示身份证，这构成了一个悖论：**无身份证者无法访问规范其旅行权利的规则**。

## 规则背景与争议点
- TSA于10月发布最终规则，为符合《REAL-ID法案》的智能手机数字身份证设定标准。
- 规则的**关键内容（标准）并未在《联邦公报》公开**，而是通过“援引并入”（Incorporation by Reference）的方式，引用了数千页来自**第三方私人实体的文件**。
- TSA声称这些文件公众“可合理获取”，但作者认为此声明虚假。

## 获取文件的艰难尝试
1.  **国家档案记录管理局（NARA）**：答复称文件存储在联邦记录中心，取回可能需要**六周或更长时间**，且其系统正在更换中。
2.  **TSA总部现场访问**：
    - 尽管提前预约并提供了社保号等信息，作者在无身份证的情况下被**私人保安拒绝进入**。
    - 经历长时间等待和沟通后，最终被允许在**室外长椅上**阅读部分非公开文件，且有TSA人员陪同监视。
    - 后续被护送进入建筑内一个会议厅继续阅读，但整个过程**耗时五小时以上，条件艰苦**。

## 发现的关键规则内容
通过有限的阅读，作者发现mDL规则要求：
- 数字身份证必须通过**TSA批准的设备和应用**进行“配置”。
- 设备需与个人进行生物特征“绑定”。
- 每次使用数字身份证都会被**记录日志**（包括出示时间和对象），存在隐私风险。
- 规则文件本身存在**递归引用**问题：已援引的文件内部又援引了其他未公开的文件，使得理解完整要求变得极其困难。

## 结论与诉求
作者认为：
1.  **秘密法律**本身违反正当程序原则。
2. TSA声称文件在总部可公开查阅是**欺诈和缺乏诚意**的表现，因为该地点实际上对无身份证者不开放。
3. 文件递归引用导致“**无法穷尽**”的法律义务。
4. 已向联邦登记办公室报告，要求**撤销对这些文件的援引批准，并撤回该规则**。

**核心矛盾**：政府机构不应要求公众出示身份证才能阅读法律或行使基本旅行权利。

这是一个名为huntlie的网站，正在构建一个Producthunt的替代品。目前，该产品处于私人预览阶段，用户需要输入访问代码才能进入并探索功能。网站描述表明，其核心聚焦于本地城市体验的发现与探索。

从技术实现上看，该网站基于Next.js框架构建，采用了现代前端技术栈：

• 响应式设计：针对移动端进行了优化，设置了相应的视口和移动Web应用支持。
• 性能优化：使用了代码分割和异步加载（大量async脚本），并设置了预加载资源（如字体）。
• 用户体验：实现了加载状态的骨架屏（animate-pulse占位符），以改善感知性能。
• 渐进式网络应用：包含manifest.json，支持添加到主屏幕（PWA功能）。
• 分析与跟踪：集成了PostHog进行用户行为分析。
• 隐私合规：代码中包含了Cookie横幅（CookieBanner）组件。

当前网站展示的内容是私人预览版，其主要交互页面为/unlock，用于输入访问代码。网站的整体设计风格偏向现代、精致，使用了渐变色彩、模糊效果和细腻的阴影。

本文探讨了利用小行星采矿来解决长期太空探索中食物供应问题的创新方案。

当前太空食物供应主要依赖地球补给，如干燥食品、冻干食品等，成本高昂且不可持续，尤其对于火星及更远的深空任务，所需食物的质量和体积巨大。尽管国际空间站上已存在生物再生生命支持系统（如蔬菜种植系统），但这些方法仍需初始地球资源输入。

本文提出了一种新路径：利用太空中的原位资源，特别是碳质球粒陨石类小行星中富含的有机化合物和水。这些小行星（如C型小行星）数量丰富，其有机物主要以不溶性有机物（IOM）形式存在，结构上类似于地球上的干酪根。近期研究表明，微生物菌群能够直接代谢利用这类碳质陨石物质作为碳源、能源和养分，并可能产生可食用生物质。这为将小行星物质转化为食物提供了理论基础。

文章以小行星“贝努”为例进行了理论计算。基于默奇森陨石中有机物含量的不同假设（最低仅考虑脂肪族烃，最高考虑全部IOM），并参考了塑料废弃物通过热解和微生物转化为生物质的实验效率与营养成分数据，计算了从贝努小行星中可提取的食用生物质质量及卡路里。结果显示，理论上，单颗贝努小行星（直径约500米）的资源可能足以维持数百至超过一万宇航员生命年的食物需求。然而，要支撑一名宇航员一年的食物，也需要处理数以千吨计的小行星质量，且当前转化效率（包括提取和微生物转化）较低，面临巨大挑战。

未来的研究方向包括：首先在地球上使用与IOM相似的干酪根作为替代品进行实验，以开发和优化生物反应器、筛选高效微生物菌群、分析产物营养与安全性。长远目标是设计能够依赖太空资源运作的闭环系统，最终在太空中利用小行星原料生产食物。这一途径不仅能支持深空探索，其技术也可能应用于地球上的替代食品生产和危机情况下的食物保障。

本文内容因技术限制无法直接获取，目前仅显示为一篇Cloudflare验证页面。根据提供的文章标题及DOI信息可推断：

• 文章标题：《Rapid colonization of a space-returned Ryugu sample by terrestrial microorganism》（地球微生物对太空返回的“龙宫”样本的快速定殖）。
• 研究主题：该文章很可能研究了从近地小行星“龙宫”（Ryugu）采集并返回地球的样本，如何迅速被地球环境中的微生物所定殖。
• 所属学科：根据DOI号（10.1111/maps.14288）推断，文章应发表于《Meteoritics & Planetary Science》期刊，属于行星科学、天体生物学或天体化学领域。
• 关键点：标题暗示了核心发现，即来自太空的样本在返回地球后，在相对较短的时间内即被环境微生物迅速定殖，这可能对太空样本的保存、污染防控以及地外生命探测具有重要启示。

请注意：以上信息完全基于标题与DOI的推断。由于当前内容为网页验证页，无法提供文章的摘要、方法、具体结论等详细内容。如需阅读全文，建议通过该DOI链接访问出版商网站或相关学术数据库。

FLENG 22：并发逻辑编程语言

FLENG 是一个源自 Prolog 的低层级并发逻辑编程语言实现。它提供了一个编译器，可以将 FLENG 程序翻译为汇编语言，进而编译链接为可执行二进制文件。由于 FLENG 本身特性精简，项目还提供了从更高层次的并发逻辑语言（如 Flat Guarded Horn Clauses、Strand、KL1 和 PCN）到 FLENG 的转换器。

核心特性与优势

• 大规模并行性：支持细粒度并发，目标（goals）并发执行，仅通过单次赋值的逻辑变量进行通信。这种通信抽象自然且易于实现常见的同步与消息传递模式。
• 多线程利用：能够将并行进程池分配到原生操作系统线程上，从而利用多核架构。
• 低开销：由于不同线程上执行的进程通常不共享数据，锁开销很小。
• 内存管理：采用基于固定大小单元的引用计数方案进行自动内存管理。这避免了内存碎片，消除了垃圾回收暂停，并在任一时刻保持承载活跃数据所需的总内存最小化，同时提供相对良好的局部性。
• 易于集成：与原生代码（C/C++）的接口直接明了，编译后的 FLENG 代码和运行时库可以无障碍地与 C/C++ 模块链接。编译工具支持交叉编译（在支持的架构上）。
• 定位：编译器生成原生代码，但目前优化不多。因此，性能敏感的代码建议用 C 或其他语言编写。FLENG 特别适合作为协调语言，以合理的开销提供进程间通信和同步，并调用 C/C++ 代码处理底层或速度关键的操作。

代码示例

1. FGHC 示例：该程序并发执行命令行传入的每个命令（使用 sh -c），并将每个子进程的输出按行写出，并以进程 ID 为前缀。
2. PCN 示例：该程序计算数组中每一行数字落在给定范围内的个数。代码使用 4 个硬件线程并利用了 PCN 的可变数组。

版本更新摘要

项目经历了持续开发，以下列出部分重要版本的亮点：

• Version 23 (最新)：

  • 新增了正则表达式匹配库 rx。
  • 增加了多个原语（如 tail/2, either/3, hash/2 等）和库模块功能。
  • 修复了内联优化、参数对展开等多个 Bug。
  • 改进了 PCN 和 KL1 编译器。

• Version 22：

  • 新增了对 KL1 语言（用于日本第五代计算机项目的并行推理机）的支持。
  • 增加了 asin/1、acos/1 表达式算子。
  • 新增了交互式图形编辑器 flengdraw。
  • 修复了大量 RISC-V 后端和运行时系统的 Bug。
  • 新增了 unix 模块（提供流式操作系统交互和基础网络功能）以兼容 KL1。

• Version 21：

  • 引入了重要的不兼容更改（如 app 模块中 drop/3 的行为）。
  • 新增了 flengbundle 工具。
  • 修复了多个内存泄漏和崩溃问题。
  • 改进了 eval、json 等模块。

• Version 20：

  • 重构了 app 模块中 foldl/4 等操作的参数顺序（不兼容更改）。
  • 新增了编译代码的交互式调试支持（eval 模块、-i 选项）。
  • 新增了 9p 模块（用于 Plan 9 文件系统协议）。

• Version 18：

  • 新增了 JSON 库模块。
  • 引入了动态任务绑定（with/2）。
  • 新增了构建工具 flengmake。

• Version 16：

  • 新增了 SDL2 图形编程接口和结构化图形包 ezd，包含简单的 UI 构建库。

• Version 14：

  • 新增了从 PCN 到 FLENG 的翻译器。

• Version 12：

  • FGHC 前端和 FLENG 编译器用 FGHC 重写，实现了完全自举。

注意：以上仅为版本更新中部分关键点的摘录。完整的更新历史（Version 1 至 23）详细记录了每个版本的功能添加、Bug 修复和改进，特别是对 PCN、KL1 等前端语言的持续增强，以及对图形、网络、JSON、正则表达式等多个领域库的扩充。软件由 Felix L. Winkelmann 编写并发布为公共领域。

NASA的詹姆斯·韦伯太空望远镜近期使用其中红外仪器（MIRI）对草帽星系（亦称Messier 104或M104）进行了成像，揭示了其外环尘埃分布的块状结构。与可见光图像中明亮的核心不同，韦伯的中红外视图显示了一个光滑的内盘，而此前由已退役的斯皮策太空望远镜拍摄时呈现为光滑毯状的外环，首次在红外波段下显露出复杂的尘埃团块。

这些尘埃团块中检测到多环芳烃等含碳分子，可能预示着存在年轻的恒星形成区。然而，草帽星系并非恒星形成的热点区域，其外环每年形成的恒星质量不足一个太阳质量，远低于银河系每年约两个太阳质量的产出。星系中心的超大质量黑洞（约90亿倍太阳质量）活动也相对温和，属于低光度活动星系核。

该星系内还包含约2000个球状星团，这些由古老恒星组成的系统为天文学家提供了研究恒星的天然实验室。在MIRI图像的背景中，散布着各种形状和颜色的遥远星系，它们的颜色特征有助于推断其距离和性质。草帽星系位于室女座，距地球约3000万光年。

此外，文章介绍了韦伯望远镜的未来观测计划。第四年科学运营（始于2025年7月）的观测时间申请竞争异常激烈，共收到2377份提案，申请总时长超7.8万小时，超订率达9:1。提案涵盖遥远星系、系外行星大气层、恒星等广泛主题。观测数据将通过米库尔斯基空间望远镜档案库（MAST）公开存档，供全球研究者使用。韦伯望远镜是国际旗舰级空间天文台，由NASA与ESA、CSA合作主导。

任务级别工作优先级化

系统资源（CPU、内存、网络等）有限，为确保响应性和效率，需对任务进行优先级排序。直接影响用户体验的工作（如活跃应用的UI更新）应优先于后台工作。

开发者可通过服务质量类对应用任务进行分类，帮助系统更有效地划分优先级。QoS类允许将NSOperation、NSOperationQueue、GCD队列和pthread等工作单元分类，系统据此调度并分配资源。

四个主要QoS类（按优先级排序）

1. 用户交互：处理用户交互，如UI刷新、动画。要求立即响应，工作几乎瞬间完成。
2. 用户发起：用户主动发起并需立即结果的工作，如打开文档。工作应在几秒内完成。
3. 实用工具：耗时较长但无需立即结果的工作，如下载或数据导入。可能显示进度条，耗时几秒到几分钟。
4. 后台：后台运行的不可见工作，如索引、备份。专注于能效，耗时可能达数分钟或数小时。

此外，还有默认和未指定两个特殊QoS类。

为工作指定QoS

• NSOperation/NSOperationQueue：通过设置qualityOfService属性指定。
• GCD调度队列：使用dispatch_queue_attr_make_with_qos_class创建队列时指定，属性创建后不可变。
• GCD块：创建块时使用dispatch_block_create_with_qos_class指定。
• 线程：
  • NSTask和NSThread：通过qualityOfService属性指定（需在启动前设置）。
  • 主线程自动获得QoS（在应用中为user-interactive），可通过qos_class_main()查询。
  • pthread：创建时通过属性设置，运行时可用pthread_set_qos_class_self_np更改。

QoS推断与提升

QoS并非静态。当操作与队列QoS不匹配、操作无QoS或存在依赖关系时，系统会进行推断或提升。

• 队列规则：队列QoS可能因新加入更高QoS操作而提升，并影响队列中现有及后续低QoS操作。
• 操作规则：无QoS的操作可能从父操作、队列或运行线程推断；加入更高QoS队列时会被提升。

优先级反转处理

当高优先级工作依赖低优先级工作时，会发生优先级反转。系统在同步工作（如特定dispatch_sync或锁争用情况）中会自动尝试通过临时提升低优先级工作的QoS来解决。

CloudKit中的默认QoS

• CKOperation默认QoS为Utility（不同于NSOperation的Background）。
• CKContainer和CKDatabase的交互默认QoS为User-initiated。

调试QoS

• Xcode：通过调试导航器中的CPU使用率仪表查看。
• powermetrics：分析各QoS类的时间分配。
• spindump：使用-timeline选项采样，确定代码执行时的QoS类。

提供的文章内容是一个Vercel安全检查点消息，包含标识符“hkg1::1780027754-gsOWOAoRb7JUgUDtEd0s2IaEXWVC7ewo”。这属于技术性信息，可能用于Vercel云平台的身份验证或安全会话管理，以确保访问安全并防止未授权操作。关键元素包括区域标识“hkg1”（可能指香港数据中心）和唯一会话标识，功能涉及安全检查机制。内容简洁，无额外结构或细节。

Steel.dev 是一个开源的浏览器 API，专为 AI 代理和应用程序设计，旨在简化构建与网络交互的 AI 应用和浏览器自动化工具的过程。开发者无需从头搭建自动化基础设施，可专注于 AI 应用开发，而复杂的浏览器管理（如会话、页面和进程）由 Steel 处理。

其核心功能包括：

• 完整浏览器控制：基于 Puppeteer 和 CDP，可使用 Puppeteer、Playwright 或 Selenium 进行连接。
• 会话管理：跨请求维持浏览器状态、Cookie 和本地存储。
• 代理支持：内置代理链管理，支持 IP 轮换。
• 扩展支持：可加载自定义 Chrome 扩展。
• 调试工具：内置请求日志记录和用于查看/调试会话的 UI。
• 反检测：包含隐身插件和指纹管理。
• 资源管理：自动清理和管理浏览器生命周期。
• 浏览器工具：提供 API 快速将页面转换为 Markdown、可读内容、截图或 PDF。

部署与启动： 可通过创建 Steel 云账户、一键部署到 Railway 或 Render（使用预构建 Docker 镜像），或在本地使用 Docker 或 Node.js 运行。本地运行需要确保 Chrome 可执行文件位于正确路径（支持 Linux、MacOS、Windows），也可通过环境变量 CHROME_EXECUTABLE_PATH 指定自定义路径。

使用方式： 主要通过两种方式与 API 交互：

1. 会话：通过 /sessions 端点创建，适用于需要精细控制和状态的工作流。可配置代理、广告拦截等选项，并通过 Puppeteer、Playwright 或 Selenium 进行交互。提供 Node SDK、Python SDK 和 curl 示例。
2. 快速操作 API：包括 /scrape、/screenshot 和 /pdf 端点，适用于简单的、按需的只读任务，可快速提取网页内容、截图或生成 PDF。

项目目前处于公开测试阶段，欢迎通过 Discord 或 GitHub 提出建议、想法或报告错误。采用 Apache 2.0 许可证。

项目概述

Silent Poems 是一个通过视觉动画表达未言明思想的交互式网页艺术项目。它旨在探讨人与人之间、或人与自我之间沟通不足的主题，灵感来源于一些短信内容。

核心概念与技术实现

• 表达主题：项目试图视觉化那些难以言说或未被表达的想法，是对沟通缺失的一种艺术性陈述。
• 实现方式：动画完全使用 JavaScript 编程实现，依赖 canvas-sketch 库。每个抽象的“字母”都拥有独一无二的视觉设计。
• 交互特性：用户可以通过学习这种独特的视觉“语言”来解读动画中隐藏的信息。但需注意，交互功能仅支持桌面浏览器，移动端无法使用。

项目信息

• 项目创建者：Lavinia Petrache
• 主要文件：通过 index.js 脚本加载 canvas-sketch 库并驱动动画渲染。
• 访问方式：项目以网页形式提供，用户可在桌面浏览器中体验。

本文介绍了五个源自函数式编程的核心理念，它们旨在提升代码的简洁性与可靠性，且这些思想也能应用于主流编程实践。

1. 解析，而非验证：与单纯验证数据有效性不同，解析过程将低结构数据转化为更高结构的数据，并从中提取出更丰富的信息。这相当于构建一个坚实的基础，使得上层抽象能够建立在由编译器或类型系统确保正确性的、无漏洞的基础之上。文中提到了“散弹式解析”这一反模式，并指出为了更接近可证明的正确性，应当通过健壮的类型定义将非法状态从程序中排除。

2. 让非法状态无法表示：这意味着通过精心设计的逻辑和类型（如适用），使得在物理上无法创建出一个“坏”的状态。虽然前期工作可能显得繁琐，但这样做能确保API或编译器阻止错误的使用方式，从而从根源上避免了后续引入漏洞的可能。

3. 错误即值：提倡从函数中返回一个明确定义的错误值，而不是抛出意外的异常。许多现代语言都鼓励这种做法，例如返回一个包含成功结果或错误的Result类型（如Swift），或者像Go那样返回结果值与一个可选的错误元组。这被认为比依赖全局错误变量、魔术错误值或异常更加清晰和可预测。

4. 函数式核心，命令式外壳：程序的核心逻辑应尽可能使用纯函数（无副作用）编写，这部分构成了“函数式核心”，便于推理和测试。而与外部环境交互（如处理输入/输出、操作系统调用等具有副作用的部分）则被隔离在“命令式外壳”中。这种分离使得程序的主要逻辑可以无需复杂脚手架即可测试，测试环境和模拟对象只需在外壳层提供。

5. 智能构造函数：在创建新值时进行编译时或运行时检查，以确保其有效性，这与“让非法状态无法表示”的理念一脉相承。当类型系统无法强制约束时，智能构造函数可以在运行时阻止创建“坏”值。此外，它还能在构造过程中进行优化（如数据压缩、格式转换）。其好处是确保了操作的数据干净、整洁且有效，从而减少了后续流程中的验证需求，提升了性能和代码清晰度。

总结：这些理念虽然在函数式编程中更为常见，且受益于强类型系统，但其核心思想——简化代码、减少意外错误、建立可靠基础——同样适用于日常的命令式编程实践。

头发早白综述摘要

定义与流行病学

头发早白（PGH）定义为高加索人20岁前、非裔美国人30岁前出现头发变灰白。其确切发病机制尚不完全清楚，但常与早衰综合征、特应性疾病和自身免疫疾病相关。呈现PGH的患者应进行综合征和代谢疾病评估。在营养补充后，染发剂仍是解决美观问题的主要治疗方式。

毛发色素形成

人类头发颜色由黑色素细胞产生的黑色素决定，包括真黑素和褐黑素。毛囊色素单位与表皮单位不同，每个黑色素细胞仅与5个角质形成细胞相连。毛发色素形成与毛发周期阶段密切相关，在生长期活跃，在退行期和休止期关闭。灰白头发中，色素单位模糊，黑色素细胞减少，通过自噬溶酶体变性导致色素丢失，被认为是变灰的核心病理机制。

可能的发病机制

• 氧化应激：毛囊中过氧化氢积累、抗氧化剂（如过氧化氢酶）表达缺失，导致黑色素细胞损伤和凋亡。紫外线、污染、情绪压力等均可加剧氧化应激。
• 遗传与衰老：毛囊干细胞和黑色素细胞受遗传和环境因素影响，端粒缩短、细胞数量减少和特定转录因子（如BMPR2、ACVR2a）活性降低可能导致早白。
• 营养缺乏：维生素B12、铁、铜、锌、钙和维生素D缺乏与PGH相关。
• 其他因素：吸烟（通过促氧化作用）、甲状腺功能减退、某些化疗药物和抗疟药（如氯喹抑制c-kit受体）均可导致早白。

临床表现

• 灰白头发因角质的淡黄色在光反射下呈现白色。白发完全缺乏黑色素体和颜色。
• 灰白头发更粗糙、僵硬，生长速度和直径大于有色头发，更易受紫外线损伤，且难以固色。
• 男性白发常始于鬓角和太阳穴区域；女性则始于发际线边缘。进展速度因人而异，但第五个十年常快速进展。

可能的关联疾病

PGH与心血管疾病风险增加（尤其在吸烟者中）、听力损失（高频听力受损）以及骨密度降低可能存在关联，但部分研究结果存在矛盾，需进一步探索。

鉴别诊断

需与白化病、神经皮肤综合征（如Griscelli综合征）、代谢性疾病（如苯丙酮尿症）及白癜风引起的局部白发（白发症）相鉴别。突发性白发（Canities subita）与白癜风、休止期脱发和心理因素相关。

治疗与管理

• 基础治疗：纠正维生素B12缺乏和甲状腺功能减退等可逆性原因。
• 染发剂：主要依靠天然或合成染发剂（临时或永久性）掩盖白发，可能引起刺激性皮炎。
• 营养补充：钙泛酸酯、对氨基苯甲酸（PABA）等补充剂疗效证据有限且不一致。
• 新兴疗法：
  • 含抗氧化剂的洗发水（如维生素C、E）效果存疑。
  • 针对毛囊的靶向递送系统（如脂质体输送黑色素、基因或蛋白质）是研究热点。
  • 新型化合物（如SkQs线粒体靶向抗氧化剂）在动物模型中显示出延缓衰老相关变化（包括白发）的潜力。
• 其他：少量灰发可拔除；激光对无黑色素的面部白发去除效果不佳。

文章标题： Microsoft Word 和 Excel 的 AI 数据抓取功能默认改为“选择加入”模式

核心内容摘要：

1. 功能变更与默认设置：微软在 Microsoft 365 应用（包括 Word 和 Excel）中，将一项名为“可选的连接体验”的功能设置为默认开启。这意味着，根据原文描述，该功能会自动启用。
2. 数据使用与澄清：该功能默认开启后，引发了关于微软可能使用用户文档（如文章、小说等）内容来训练其 AI 模型的担忧。随后，微软通过推特澄清，明确表示不会使用客户数据来训练大型语言模型。此设置仅启用需要互联网访问的功能，例如协同编辑文档。
3. 对用户的影响与担忧：
   • 知识产权风险：对于创作者和企业用户，该默认设置意味着其用于版权或商业目的的专有工作可能在不明确同意的情况下被微软访问。文章认为这对其知识产权保护构成风险。
   • 操作不便：用户如果希望禁用此功能，需要手动退出。文章指出这个过程非常繁琐，需要七步操作（通过文件 > 选项 > 信任中心 > 信任中心设置 > 隐私选项 > 隐私设置 > 可选连接体验，然后取消勾选框）。
4. 行业趋势与法律条款：
   • 微软的做法反映了科技行业的普遍趋势，其他公司也推出了类似功能来为其 AI 模型收集数据。文章指出，未经人类同意就使用其生成内容进行训练是不道德的。
   • 尽管微软否认用于训练 AI，但其服务协议中存在一项条款，授予微软“一项全球性、免版税的知识产权许可，以使用您的内容”，例如用于复制、保留、传输、显示和分发等，以提供服务、保护用户及服务，并改进微软产品。
5. 结论：文章的核心论点是，这一默认开启的设置对用户的知识产权和数据隐私存在潜在影响，虽然微软澄清了不用于AI训练，但结合其服务协议条款，用户若希望保护敏感信息或专有内容，应主动选择退出该功能。

总结：微软将 M365 应用中与互联网连接相关的“可选连接体验”功能默认开启，引发了数据用于AI训练的担忧。微软随后澄清该数据不会用于训练大语言模型，仅用于如协同编辑等功能。然而，该设置仍涉及对用户文档的访问，且关闭流程复杂。此外，微软服务协议中的宽泛许可条款也引发了对用户内容控制权的讨论。文章建议关注知识产权的用户手动禁用此功能。

威廉·詹姆斯（1842-1910）是美国杰出的心理学家、哲学家和教育家，实用主义哲学的奠基人之一。他出身名门，父亲亨利·詹姆斯是著名作家，弟弟亨利·詹姆斯是知名小说家。威廉早年经历迷茫，学习过艺术、医学，并饱受神经衰弱、抑郁症等慢性疾病困扰，但通过工作（1873年起在哈佛任教）和婚姻（与爱丽丝·吉本斯的结合）找到了人生方向。

詹姆斯在学术上成就卓著。其巨著《心理学原理》（1890）虽耗时12年完成，却成为经典，影响深远。书中提出“意识流”概念，强调心理过程的连续性与主观性；论述“习惯”的重要性，认为习惯是社会的飞轮，能节省心智资源；并试图以科学方法探讨记忆、情感、意志等心理现象，开创了心理学的新篇章。他将心理学理论应用于教育实践，在《与教师谈心理学》中主张教学应联系学生经验，激发兴趣，并认识到学生存在不同的学习风格。

作为实用主义哲学的集大成者，詹姆斯主张思想的真理性应由其实际效果来检验。他认为真理并非静止不变，而是在经验中“生成”和“实现”的，强调行动、实验和结果的重要性。这种哲学鼓励人们在不确定的世界中做出决定并付诸实践，反对僵化的教条主义，对美国20世纪的政治、法律和日常生活思维产生了深远影响，但也曾因可能导向相对主义而受到批评。

在宗教领域，詹姆斯在《宗教经验之种种》（1902）中为信仰进行辩护。他从实用主义角度出发，认为若宗教信仰能提升个人生活品质、带来内心安宁、促进道德行为，那么对个体而言就是“真实”的。他分析了各种宗教体验，强调其对于对抗绝望、赋予生命意义的价值，回应了科学理性时代对信仰的挑战。

詹姆斯还积极关注社会议题，倡导乐观主义、行动力和人际间的同理心，批判种族主义、帝国主义和战争。在《战争的道德等价物》一文中，他提出应将人类好斗的本能引导至征服自然、服务社会等建设性渠道。晚年，他尽管健康状况恶化，仍坚持著述与演讲，其思想影响了如亚伯拉罕·马斯洛、马丁·塞利格曼等后世心理学家。

总之，威廉·詹姆斯将哲学与心理学从学术象牙塔带入更广阔的公共领域，以其生动的文笔、深刻的见解和务实的精神，塑造了一种关注实际效果、鼓励实验与行动、包容多元经验的美国思维方式，留下了丰富的思想遗产。