2025-06-07

30 篇热帖

1. Falsehoods programmers believe about aviation (flightaware.engineering)

There are a lot of assumptions one could make when designing data types and schemas for aviation data that turn out to be inaccurate. In the spirit of Patrick McKenzie’s classic piece on names, here are some false assumptions one might make about aviation.

2. Why We're Moving on from Nix (blog.railway.com)

Today we’re excited to release Railpack — the next iteration of the Railway builder, developed from the ground up based on everything we’ve learned from building over 14 million apps with Nixpacks.

3. Researchers find a way to make the HIV virus visible within white blood cells (www.theguardian.com)

Exclusive: Melbourne team demonstrates way to make the virus visible within white blood cells, paving the way to fully clear it from the body

4. Musk-Trump dispute includes threats to SpaceX contracts (spacenews.com)

An escalating feud between President Trump and Elon Musk June 5 included threats to cancel SpaceX contracts and decommission spacecraft.

6. SaaS is just vendor lock-in with better branding (rwsdk.com)

The pitch of modern SaaS is "don't reinvent the wheel." But every wheel you bolt on comes with some friction.

8. I Read All of Cloudflare's Claude-Generated Commits (www.maxemitchell.com)

Max Mitchell's personal portfolio website showcasing his photography, YouTube videos, coding projects, and work history.

9. What was Radiant AI, anyway? (blog.paavo.me)

A ridiculously deep dive into Oblivion’s controversial AI system and its legacy

10. Show HN: AI game animation sprite generator (www.godmodeai.cloud)

Generate professional game sprites instantly with AI. No artistic experience needed. Transform any concept into polished character animations and combat moves for your games.

11. Getting Past Procrastination (spectrum.ieee.org)

Create systems that allow you to be consistently productive

12. A tool for burning visible pictures on a compact disc surface (github.com)

A tool for burning visible pictures on a compact disc surfase - arduinocelentano/cdimage

13. Windows 10 spies on your use of System Settings (2021) (www.michaelhorowitz.com)

本文通过使用Nir Sofer开发的DNS日志工具(DNSLookupView和DNSQuerySniffer)以及TCP连接日志工具(TcpLogView),对一台尽可能禁用遥测和自定义设置的Windows 10家庭版电脑进行了测试。测试发现,当用户仅仅查看(而非更改)系统设置时,SystemSettings.exe程序就会主动向微软服务器发起网络连接。

主要发现如下:

  1. 网络请求行为:仅打开系统设置界面,便会触发两个关键的DNS查询和随后的HTTPS(端口443)连接:

    • www.bing.com:IP地址为13.107.21.200。
    • cxcs.microsoft.net:IP地址为96.17.141.116。该域名被推测与微软客户体验中心有关。
  2. 数据记录倾向:进一步测试表明,SystemSettings.exe的请求行为具有记录性。当用户在设置应用中浏览不同区域时,程序会持续尝试连接至cxcs.microsoft.netwww.bing.com,表明微软可能正在记录用户的浏览路径。

  3. 域名片段www.bing.com不仅用于搜索引擎,在此场景中明显也充当遥测工具。测试还发现,在阻止cxcs.microsoft.net后,设置程序会转而尝试连接ctldl.windowsupdate.com

  4. 防御措施:文章提出数种阻止此类遥测的方法:

    • 网络层面:通过路由器或Pi-hole设备,在DNS层阻止相关域名(如cxcs.microsoft.net)解析。但需注意,使用VPN或浏览器的“安全DNS”功能可能会绕过本地DNS规则。
    • 单机层面
      • 使用YogaDNS配合NextDNS进行系统级域名屏蔽。
      • 安装具有出站控制功能的防火墙(类似macOS的Little Snitch)。
      • 修改系统的hosts文件(尽管在Windows 10中可能效果不稳定)。
    • 针对Bing:由于www.bing.com兼具搜索和遥测功能,全局屏蔽后,用户可使用DuckDuckGo(其搜索结果来自Bing)作为替代。
  5. 推荐屏蔽的域名:作者列出了一批已成功屏蔽且未出现明显问题的微软遥测域名,例如cxcs.microsoft.netsettings.data.microsoft.comwatson.telemetry.microsoft.com等。建议用户逐一尝试屏蔽。

总结来说,研究表明Windows 10的系统设置应用存在主动联系微软服务器并可能记录用户操作行为的现象。用户可通过DNS过滤、防火墙等工具进行防御,但需权衡功能影响并注意不同绕过手段。

14. Animate a mesh across a sphere's surface (garden.bradwoods.io)

How to animate a mesh across the surface of a sphere using three.js and GSAP.

15. Supreme Court allows DOGE to access social security data (www.nbcnews.com)

The dispute concerns efforts by the Department of Government Efficiency, largely led by Elon Musk, to access sensitive data, including Social Security numbers.

16. The FAIR Package Manager: Decentralized WordPress infrastructure (joost.blog)

In December, I wrote about the state of leadership in the WordPress ecosystem. I shared how too much power rests with one person, and how the lack of transparen

17. Low-Level Optimization with Zig (alloc.dev)

The power of Zig's comptime code execution

18. Hate Radio (2011) (rwandanstories.org)

Anti-Tutsi articles and graphic cartoons began appearing in the Kangura newspaper from around 1990. In June 1993 a new radio station called Radio-Television Libre des Mille Collines (RTLMC) began broadcasting in Rwanda…

19. United States Digital Service Origins (usdigitalserviceorigins.org)

An oral history documenting how the United States Digital Service came to exist, and the initial days of building its foundation.

20. Online sports betting: As you do well, they cut you off (doc.searls.com)

在线体育博彩:表现越好,越被限制

在线体育博彩公司普遍实施限制措施,当博彩者持续赢钱时,会对其账户进行限制或禁止。这反映了行业的一种策略:通过限制成功博彩者来保护公司利润,并鼓励休闲博彩者(他们通常更可能输钱)。

主要现象与原因

  • 限制赢家的做法:体育博彩公司如FanDuel和DraftKings使用算法识别并限制“聪明钱”博彩者。当博彩者开始赢钱时,账户可能被限制投注金额或直接关闭。
  • 商业动机:公司视持续赢钱的博彩者为利润威胁,因此限制他们以吸引更多休闲博彩者。这些休闲博彩者通常缺乏优势,更可能贡献收入。
  • 算法能力与问题:在线体育博彩算法在识别高技能博彩者方面有效,但在识别和帮助问题博彩者方面表现不足。这些应用可能设计上鼓励问题博彩,尤其是针对易将输钱合理化为娱乐的年轻人。

来源支持

  • ESPN、华尔街日报、纽约邮报等媒体报道了体育博彩公司限制赢家的做法。
  • 迈克尔·刘易斯的播客《Against the Rules》中,制作人通过作为“骡子”为专业博彩者下注,体验了从受优待到被限制的过程。
  • Outlier.bet文章解释:体育博彩公司作为企业,限制赢家是为了盈利,并鼓励休闲博彩者。

未来展望

作者预测,未来社会可能以批判眼光看待体育博彩,类似于现在对吸烟和酒驾的审视,暗示其潜在的社会危害将受到更多关注。

22. Reverse Engineering Cursor's LLM Client (www.tensorzero.com)

使用TensorZero逆向工程Cursor的LLM客户端

本文介绍了如何利用开源框架TensorZero,在Cursor编辑器与底层大语言模型之间建立一个代理网关,从而实现对Cursor内部LLM调用的观测、分析和实验优化。

核心目标与方法

  • 动机:Cursor作为黑盒,优化针对全体用户。项目旨在通过介入其LLM调用流程,实现个人使用模式的观测、提示词工程与模型实验。
  • 方法:部署TensorZero作为兼容OpenAPI的代理网关,拦截并处理Cursor发出的所有LLM请求。

技术实现与挑战

  1. 配置连接:Cursor允许覆盖OpenAI基础URL和模型名称,因此可配置其指向TensorZero网关。
  2. 首个障碍:连接性。Cursor会先向自有服务器发送请求进行处理,无法直接连接本地网关。解决方案是使用Ngrok创建一个公共端点,并通过Nginx进行身份验证和CORS处理,最终流量路径为:Cursor → Ngrok → Nginx (自托管) → TensorZero (自托管) → LLM提供商
  3. 第二个障碍:CORS。Nginx日志显示初始验证请求为OPTIONS方法。通过配置Nginx返回适当的CORS头(如Access-Control-Allow-Origin等),解决了来自本地Cursor IDE的跨域验证问题。

关键发现:Cursor的提示词结构

成功接入后,团队得以观察完整的请求与响应。以一次提问为例,捕获的系统提示用户提示揭示了其内部工作方式:

  • 系统提示(约642个token)定义了AI编程助手的角色、任务目标、沟通规则以及与用户交互的详细指令。
  • 用户提示包含了用户的查询和额外的上下文数据,例如当前打开的文件内容、手动选择的代码片段等。
  • 一个有趣的发现:系统提示中明确提到了一个**“应用模型”**(apply model),它被描述为“一个不那么智能的语言模型”,用于接收主模型生成的编辑代码块并更新文件。这表明Cursor内部存在模型层级混合使用,以优化成本和延迟。

应用与优化

  • 可观测性与实验:通过该设置,团队获得了完全的观测能力,并开始进行A/B测试。目前,他们正在平均分配测试Claude 4.0 Sonnet、GPT-4.1、o4 Mini和Gemini 2.5 Pro模型,并报告体验稳定,无明显延迟。
  • 下一步:计划评估真实世界使用情况,并探索能否基于个人使用模式的反馈信号来进一步优化Cursor的模型和推理。

总结

本项目成功地通过自托管TensorZero代理逆向工程了Cursor的LLM客户端架构。这使得对前沿AI编程助手的提示词进行深度分析和实验成为可能,为优化个人开发工作流开辟了道路。完整的实现代码已开源。

23. Smalltalk, Haskell and Lisp (storytotell.org)

To assist with job interviews at the NRAO we recently wrote a small “contest” program. Without giving away the details, the crux of the problem is

24. Highly efficient matrix transpose in Mojo (veitner.bearblog.dev)

In this blogpost I will step by step show you how to implement a highly efficient transpose kernel for the Hopper architecture using Mojo. The best kernel a...

26. Workhorse LLMs: Why Open Source Models Dominate Closed Source for Batch Tasks (sutro.sh)

Run LLM batch jobs in hours, not days, at a fraction of the cost.

28. The Illusion of Thinking: Understanding the Limitations of Reasoning LLMs [pdf] (ml-site.cdn-apple.com)

研究概述

本文系统性地研究了前沿大型推理模型(LRMs,如OpenAI的o3-mini、DeepSeek-R1、Claude 3.7 Sonnet Thinking)在可控谜题环境中的表现与局限性。研究超越了传统的数学基准测试,通过精确控制问题复杂度,不仅评估最终答案的准确性,还深入分析了模型的内部推理轨迹。

核心发现

研究发现了三个关键的性能区间:

  1. 低复杂度任务:标准LLM(无显式思考过程)表现优于或持平于推理模型,且推理效率更高。
  2. 中等复杂度任务:推理模型展现出优势,其生成的长链式思考(Chain-of-Thought)有助于提升性能。
  3. 高复杂度任务:所有模型的性能都完全崩溃(准确率降至零),推理模型仅能推迟但无法避免这一崩溃。

反直觉的推理努力缩放:随着问题复杂度增加,推理模型初期会增加推理努力(以思考令牌数衡量)。然而,在接近其性能崩溃的临界点时,模型会反常地减少推理努力,尽管仍有充足的推理令牌预算。这揭示了当前推理模型在处理复杂问题时存在固有的推理能力缩放极限。

推理轨迹分析:通过分析模型“思考”过程中的中间解决方案,发现:

  • 简单问题:模型常“过度思考”,过早找到正确解后仍继续探索错误解。
  • 中等复杂度问题:正确解通常出现在深入思考之后。
  • 高复杂度问题:模型在思考过程中完全无法找到任何正确解。

其他重要发现

  • 精确计算能力受限:即使明确提供了解决问题的算法步骤(如汉诺塔的递归算法),模型的执行表现也未得到改善,表明其在遵循逻辑步骤和验证方面存在根本局限。
  • 跨谜题的推理不一致性:模型在不同类型谜题中的表现差异巨大(如在汉诺塔中能正确执行上百步,但在渡河问题中仅几步就出错),这可能反映了训练数据分布的影响,而非纯粹的算法规划能力。

研究意义与局限

该研究挑战了关于推理模型能力的普遍假设,指出其自我反思机制并不能实现通用的推理能力。研究通过可控实验环境揭示了模型的内在缺陷,为未来改进提供了方向。但研究也承认,其使用的谜题环境相对狭窄,且对闭源模型的分析受限,可能无法完全代表所有真实世界的推理场景。

29. What “working” means in the era of AI apps (a16z.com)

AI时代创业公司的“工作”意味着什么

核心数据:增长基准已发生根本性变化

在生成式AI时代,顶尖初创公司的增长速度空前(如Lovable、Cursor、Gamma等案例),但这并非全貌。根据对过去18个月数百家公司的数据观察,普通AI公司的增长基准已发生显著变化:

  • 企业型(B2B)AI公司:中位数在创立首年即实现超过200万美元的年度经常性收入(ARR),并在开始货币化后9个月内即完成A轮融资。
  • 消费型(B2C)AI公司:表现更为强劲,中位数首年ARR达到420万美元,A轮融资在货币化后8个月内完成。 此前被视为“顶尖”表现的从0到100万美元ARR的增长,如今已成为增长光谱的较低一端

对创始人意味着什么

  1. 更快的收入与融资节奏:当前处于一个新的创业增长时代。速度已成为护城河,无论是收入增长速度,还是产品迭代与上线速度。初创公司需要讲述一个强有力的“增长速度故事”以吸引风险投资。
  2. “良好”与“卓越”之间的差距扩大:门槛虽已普遍提高,但顶尖表现者正在真正脱颖而出。许多突破性公司在第一年内持续加速增长,而非像AI时代前那样增长放缓。然而,在评估A轮公司时,除了收入速度,用户使用与留存数据依然至关重要,后期融资将更依赖这些传统软件指标。
  3. 消费型公司成为真正的盈利业务:出人意料的是,B2C公司的收入基准正在超越B2B。这源于其新的“形态”:三分之一的消费型样本公司融资用于训练自有模型,并且在新模型发布后常出现收入阶跃式增长。尽管付费转化率可能低于AI时代前的同类产品,但数据显示,一旦用户付费,其留存率与以往持平

总结

综合数据分析表明,创业公司的工作节奏比以往任何时候都更快,企业端与消费者端市场对新产品均表现出高度付费意愿。当前是构建应用层软件公司的前所未有的好时机。

30. Why are smokestacks so tall? (practical.engineering)

[Note that this article is a transcript of the video embedded above.] “The big black stacks of the Illium Works of the Federal Apparatus Corporation spewed acid fumes and soot over the hundreds of men and women who were lined up before the red-brick employment office.” That’s the first line of one