2025-07-20

30 篇热帖

1. XMLUI (blog.jonudell.net)

XMLUI 项目概述

XMLUI 是一个旨在将 Visual Basic 时代的应用开发范式带到现代 Web 的项目。其核心目标是让非专业程序员(解决方案构建者) 能够利用现代 React 组件生态,通过简单的 XML 标记来构建功能完整、响应式且主题化的 Web 应用,而无需深入掌握 React 或 CSS。

核心理念与特性

  1. 声明式与组件化

    • 开发者使用 XML 标记来组合预定义的 UI 组件(如 SelectTableDataSource)和数据绑定。
    • 提供丰富的内置组件目录,涵盖交互控件和数据操作(如 APICallQueue)。
    • 支持轻松定义用户自定义组件,并与内置组件无缝互操作。
  2. 响应式数据绑定

    • 采用类似电子表格的声明式响应模型。变量值的变化会自动传播到所有引用它的组件。
    • 示例:一个 Select 组件的选择变化可以自动触发一个 DataSource 组件获取新数据,进而更新 Table 组件的显示。
  3. 主题化与样式系统

    • 提供强大的主题系统,内置合理的默认样式、布局和间距,确保应用开箱即用且外观良好。
    • 通过一套层次化的主题变量(如 color-primarybackgroundColor-Button)进行精细控制,设计者可以定义全局或组件级别的样式。
    • 鼓励使用主题变量而非内联样式,以保持一致性。
  4. 脚本与扩展

    • 允许在 XMLUI 中嵌入有限的 JavaScript 脚本片段,用于数据转换等场景,但强调最小化使用。
    • 强大的扩展性:可以封装现有的 React 组件(如富文本编辑器 Tiptap)为 XMLUI 组件,项目提供了相关指南。

与 AI/LLM 的协作

XMLUI 积极拥抱 AI 编程助手,并为此进行了专门设计:

  • MCP 服务器:提供了一个 MCP 服务器,允许 AI 代理查询组件文档、源码、示例和使用指南,使其能更好地理解和生成正确的 XMLUI 代码。
  • 协作实践:作者分享了与 LLM 协作开发时的规则(如逐步推进、使用现有组件、不依赖内联样式等),并认为 XMLUI 的声明式和文档化特性使其成为人机协作的理想“语义空间”。
  • 维护性:与直接生成 React+CSS 代码相比,XMLUI 生成的代码更易于人类阅读、审查和维护。

内容管理与部署

  • CMS 能力:XMLUI 自身的官网、文档和演示站点均使用 XMLUI 构建,展示了其作为内容管理工具的易用性。应用与文档可以使用相同的“材料”编写,并支持嵌入实时演示。
  • 轻量部署:部署非常简单,核心只需一个包含 XMLUI 框架的 index.html 和应用标记文件,可托管于任何静态服务器。

项目愿景

XMLUI 的使命是降低 Web UI 开发的门槛,让非专业前端开发者(如后端工程师、业务开发者)能够像在 Visual Basic 时代一样,通过组合强大组件来构建所需的应用,摆脱当前“JavaScript 工业复杂度”的困扰。项目由 /n software 和 CData 的创始人发起,旨在解决他们自身在构建简单业务 UI 时遇到的困难和挫折。

2. Coding with LLMs in the summer of 2025 – an update (antirez.com)

2025年夏季与LLM编程的最新实践总结

LLM的核心价值与使用场景

前沿大语言模型(如Gemini 2.5 PRO)能快速理解大量代码和复杂主题,显著扩展程序员的能力边界。其核心优势包括:

  1. 代码审查与除错:在代码发布前即时发现并修复潜在缺陷。
  2. 快速原型验证:通过LLM编写临时测试代码,快速评估方案的性能与可行性。
  3. 协同设计:结合人类经验与LLM的“博士级知识”,突破思维局限,激发创新方案。
  4. 代码生成加速:根据清晰规范生成部分代码,提升开发效率。
  5. 跨领域技术拓展:借助LLM快速掌握非专业领域(如68000汇编)的技术细节。

使用LLM的关键原则

1. 避免过度依赖“氛围编程”

  • LLM当前更适合作为能力放大器而非独立开发者。对于小型、一次性项目(如测试、小工具),可由LLM独立编写代码;但对于复杂项目,LLM单独产出的代码往往脆弱、冗余且存在局部最优陷阱。
  • 人机协作才是当前最佳实践:高效沟通能力与LLM使用经验是充分发挥其潜力的前提。

2. 提供充分上下文

  • 向LLM提供完整资料:包括相关论文、代码库(尽可能全面)、设计思路的“脑暴记录”。
  • 脑暴记录应包含:
    • 对看似合理但实际不佳的方案的预警
    • 潜在优质方案的初步构想(即使未完全成熟)
    • 明确的实现目标、不变量约束及代码风格要求
  • 针对小众技术(如Redis的新数据结构),需在上下文中附加专用文档

3. 选择合适的模型

  • 首选模型:Gemini 2.5 PRO(语义理解更强)、Claude Opus 4(代码生成与交互体验更优)。
  • 避免使用代理工具:应直接与前沿LLM交互,禁用可能截断上下文的RAG系统,手动控制代码在终端与LLM界面间的流转,确保全程掌握进度。

结论:现阶段的人机协作模式

尽管AI编码代理备受关注,但当前最大化开发效能的方式仍是保持人类全程参与的显式LLM协作:

  • 控制权保障质量:人类主导设计决策,确保代码精简、设计合理,避免LLM引入错误。
  • 能力拓展与学习:可借助LLM突破知识边界,在过程中持续学习新技能。
  • 保持审慎平衡
    • 定期测试AI代理的独立工作能力
    • 当人类效率更高时果断切换回手动模式
    • 避免因偏见拒绝使用LLM而落后于技术发展

未来AI独立编码能力必将提升,但现阶段“保持控制”是发挥LLM价值的核心理念。如古语所云:中庸之道,贵在平衡

4. It's rude to show AI output to people (distantprovince.by)

这篇文章以科幻小说《盲视》中的情节为引子,探讨了在AI时代直接向他人展示AI生成内容的行为是何等粗鲁和具有攻击性。

核心问题在于,过去文本的撰写成本较高,内容本身承载着作者思考的“证明”。而如今AI极大地降低了各类媒体内容(文本、代码、图像、视频)的生产成本,导致大量低质、无实质意义的“AI泥沼”内容泛滥。直接将这种内容抛给他人,会浪费对方的时间和认知资源。

文章指出,关键问题不在于使用AI本身(这被认为是合理的),而在于如何传播AI生成的内容。直接转发AI的原始输出,相当于用自己的信誉为其背书,提供了虚假的“思考证明”,这被视作一种侵犯。

作者提出了具体的AI使用礼仪

  1. 要么内化:将AI的输出转化为自己的见解后再进行分享。
  2. 要么提供选择权:例如,说明“我和AI就此讨论过,如果你需要,可以提供聊天记录”,让接收者自行决定是否查看原始AI输出。
  3. 绝对避免:直接说“我问了ChatGPT,它告诉我……”,然后直接甩出大段AI回复。这种做法被明确描述为“极其、非常粗鲁”。

最终,文章呼吁人们遵守这种新的礼仪,尊重他人,不要未经同意就将AI生成的内容强加于人。

5. The bewildering phenomenon of declining quality (english.elpais.com)

Airplane seats are getting smaller and smaller, clothes are unrecognizable after the second wash, and machines now answer our calls. Quality and care for craftsmanship seem to be things of the past

7. Digital vassals? French Government 'exposes citizens' data to US' (brusselssignal.eu)

France’s deepening reliance on US tech giants is raising alarms about digital sovereignty and exposing public data to foreign jurisdictions. In a French Senate…

8. Async I/O on Linux in databases (blog.canoozie.net)

I've been working on a complex multi-model database for a few weeks now, and recently I took time to simplify and test out an idea I had on a simple key-value database. I started with the basics: A hash table in memory, a simple append-only log for persistence and durability,

9. A Tour of Microsoft's Mac Lab (2006) (davidweiss.blogspot.com)

微软Mac实验室参观纪实 (2006)

本文是微软Mac业务部(MacBU)工程师对其团队核心测试设施——Mac实验室的虚拟导览。该实验室是确保微软为Mac平台开发的软件(如Office)高质量运行的关键基础设施。

一、实验室概况与硬件配置

  • 规模与用途:实验室占地约2000平方英尺,主要用于存放和测试所有能运行微软产品的苹果重要硬件配置。它也向媒体、MVP(最有价值专家)及微软内部其他团队(如游戏、硬件驱动程序和Windows媒体组)开放,用于兼容性测试。
  • 硬件演进:实验室曾收藏了从Macintosh初代到Power Mac G3等所有重要的苹果硬件历史机型。但因空间限制,多数老旧机器(如Mac SE/30, IIci等)已被封存或回收。当前重点设备包括:
    • “沙盒”区:配备等离子显示屏的演示区,用于培训和展示。
    • 自动化测试集群:这是实验室的核心,用于大规模自动化测试。其构成随时间升级,从早期的“蓝白G3”、“灰G4”、双处理器G5,最终大规模采用了Mac mini。Mac mini因其低功耗、低发热、小巧、易部署且成本效益高的特点,成为构建大规模测试农场的理想选择,最终集群规模达到249台,其中150台为Mac mini。

二、核心系统:自动化测试与备份

  • 自动化测试流程
    1. 构建与存储:每日从构建服务器获取新版本Office(包括英语和日语的Ship与Debug版),存储于连接双G5 Xserve的Xserve RAID上。
    2. 系统部署:每台测试机拥有两个卷:ChangeOSMac OS X。通过名为Lab Assistant(使用AppleScript Studio编写)的工具,从ChangeOS卷启动,利用asr命令工具将特定OS版本和语言的磁盘映像恢复到Mac OS X卷,实现测试环境快速切换。映像覆盖从Mac OS 8.1到10.4.6的多种语言版本。
    3. 测试执行与管理:每日在249台机器上运行成千上万个测试。测试失败结果通过邮件自动通知测试人员进行调查和提交缺陷报告。这种自动化使测试人员能专注于更需人类判断的探索性测试。
    4. 控制与监控:通过IOGear的USB KVM切换器Apple Remote Desktop(ARD)管理集群。ARD配合30英寸显示器,可同时监控50台机器,并利用“立方体旋转”特效切换视图。
  • 备份系统
    • 使用ADIC备份机器人Veritas Backup Exec软件进行磁带备份。
    • 备份至关重要,但也曾遭遇挑战:一次因Backup Exec的Mac客户端存在缺陷,导致一次从400GB故障数据中恢复时数据损坏。
    • 同时也进行异地备份以防重大灾难。

三、存储与基础设施

  • 存储:使用Xserve RAIDXSAN。一个Xserve RAID的单面即提供1TB存储。为对比,实验室还保留了一个旧式的、高达7英尺的机架(称为“Big Mac Daddy”),其全部旧RAID阵列总容量也仅为1TB。
  • 资源利用:实验室经理会拦截微软内部其他团队淘汰的服务器设备(如旧的MSN服务器),将其用于内部存储、SQL服务器等,避免浪费。
  • 环境与维护:实验室注重物理布局,设有便于维护机器的“走廊”。对温度敏感(Mac mini集群上方悬挂的纸盒会随HVAC系统摆动)。服务器机架以白色通用机架为主,也有一个用于“惩罚”故障频发服务器的戴尔黑色机架

四、支持设施与工作文化

  • 专用测试区:设有庞大的打印机测试实验室,连接众多打印机和以太网至运行Mac OS X Server 10.4的打印服务器,以确保Office的WYSIWYG(所见即所得)打印质量。
  • 第三方软件库:拥有用于测试兼容性的大量第三方软件库。
  • 工作环境
    • 使命宣言:厨房入口处展示MacBU的使命宣言。
    • 员工福利:提供无限量饮品。
    • 团队氛围:强调“努力工作,尽情娱乐”。团队关系融洽,定期举行士气活动。实验室还配有Tornado桌上足球台和Xbox游戏机以供休闲。

总结:该Mac实验室是一个高度专业化、不断演进的设施,集成了从历史经典机型到现代Mac mini集群的广泛硬件,通过高度自动化和系统化的测试流程,为微软Mac软件的开发与质量保证提供了强大支撑,同时体现了团队务实、协作与注重效率的工作文化。

11. Local LLMs versus offline Wikipedia (evanhahn.com)

作者受一篇关于在笔记本电脑上运行本地大语言模型文章的启发,比较了可离线运行的本地LLM与可下载的离线维基百科数据包的大小。

基于Ollama库中的模型和Kiwix提供的维基百科下载,作者列出了一份按大小排序的对比清单。结果显示,离线维基百科的大小范围很广:从“维基百科精选”(5万篇无详细内容文章)的356.9MB,到完整维基百科的57.18GB。而适合消费级硬件运行的本地LLM大小则从Qwen 3 0.6B的523MB到Deepseek-R1 32B的20GB不等。

对比显示,维基百科精选5万篇文章(1.93GB)的大小与Llama 3.2 3B模型(2.0GB)大致相当。同时,最小的离线维基百科包(356.9MB)可以比最小的本地LLM更小,而完整的离线维基百科(57.18GB)则大于表格中列出的所有本地LLM。

作者强调了此比较的几个重要限制:

  1. 这是一种不恰当的类比,因为百科全书和LLM目的、优劣势和技术本质完全不同。
  2. 文件大小并非唯一关键因素。本地LLM会消耗大量内存和处理器资源,而离线维基百科在老旧低功耗设备上表现更好。
  3. 存在其他更适用于特定用途的选项,例如化学主题的维基百科选集或为特定硬件优化的LLM。
  4. 作者的选择基于直观感觉,并非严谨方法。

尽管存在这些限制,作者仍认为两者大小存在重叠的现象很有趣,并考虑为了应对不同场景而同时下载两者。

12. Make Your Own Backup System – Part 1: Strategy Before Scripts (it-notes.dragas.net)

When a datacenter fire threatened 142 of my servers, my backup strategy had them back online in hours. This post shares my personal philosophy on creating a resilient system, focusing on the crucial planning that must happen before you write a single script.

14. MCP Security Vulnerabilities and Attack Vectors (forgecode.dev)

A deep dive into critical security vulnerabilities found in Model Context Protocol (MCP) implementations, including tool description injection, authentication weaknesses, and supply chain risks, highlighting why these issues demand immediate attention in AI development.

16. Ring introducing new feature to allow police to live-stream access to cameras (www.eff.org)

Ring founder Jamie Siminoff is back at the helm of the surveillance doorbell company, and with him is the surveillance-first-privacy-last approach that made Ring one of the most maligned tech devices. Not only is the company reintroducing new versions of old features which would allow police to...

19. Speeding up my ZSH shell (scottspence.com)

Super quick one I want to document here! I got myself on a side quest, again! No biggie, my ZSH shell was taking ages to load. When I say ag...

20. Rethinking CLI interfaces for AI (www.notcheckmark.com)

We need to augment our command line tools and design APIs so they can be better used by LLM Agents. The designs are inadequate for LLMs as they are now – especially if you're constrained by the tiny context windows available with local models.

21. TSMC to start building four new plants with 1.4nm technology (www.taipeitimes.com)

Bringing Taiwan to the World and the World to Taiwan

22. A human metaphor for evaluating AI capability (mathstodon.xyz)

It is tempting to view the capability of current AI technology as a singular quantity: either a given task X is within the ability of current tools, or it is not. However, there is in fact a very wide spread in capability (several orders of magnitude) depending on what resources and assistance gives the tool, and how one reports their results.

One can illustrate this with a human metaphor. I will use the recently concluded International Mathematical Olympiad (IMO) as an example. Here, the format is that each country fields a team of six human contestants (high school students), led by a team leader (often a professional mathematician). Over the course of two days, each contestant is given four and a half hours on each day to solve three difficult mathematical problems, given only pen and paper. No communication between contestants (or with the team leader) during this period is permitted, although the contestants can ask the invigilators for clarification on the wording of the problems. The team leader advocates for the students in front of the IMO jury during the grading process, but is not involved in the IMO examination directly.

The IMO is widely regarded as a highly selective measure of mathematical achievement for a high school student to be able to score well enough to receive a medal, particularly a gold medal or a perfect score; this year the threshold for the gold was 35/42, which corresponds to answering five of the six questions perfectly. Even answering one question perfectly merits an "honorable mention". (1/3)

23. I'm betting against AI agents in 2025, despite building them (utkarshkanwat.com)

I've built 12+ AI agent systems across development, DevOps, and data operations. Here's why the current hype around autonomous agents is mathematically impossible and what actually works in production.

26. Beyond Meat fights for survival (foodinstitute.com)

Beyond Meat is likely headed for bankruptcy by 2027 due to its $1 billion owed in convertible bonds, but its stock has retained some value.

27. 'Universal cancer vaccine' trains the immune system to kill any tumor (newatlas.com)

UF scientists develop a universal mRNA vaccine that boosts the immune system to fight any cancer, potentially replacing traditional treatments.

30. New York’s bill banning One-Person Train Operation (www.etany.org)

Bill Banning One-Person Trains Would Lock NY Transit in the Past