https://www.scottrlarson.com/publications/publication-windows-move-towards-surveillance/

Claude Haiku 4.5 摘要

模型概述

Claude Haiku 4.5 是 Anthropic 发布的最新小型模型，已于今日向所有用户开放。它在提供近前沿性能的同时，实现了显著的成本降低和速度提升。

性能与优势

• 高性能低成本：相较于五个月前的前沿模型 Claude Sonnet 4，Haiku 4.5 在编程任务上提供相似的性能水平，但成本仅为三分之一，速度提升超过两倍。
• 特定任务超越：在计算机使用等特定任务上，其表现甚至超越了 Claude Sonnet 4。
• 速度与智能的平衡：模型成功实现了高质量输出、快速响应和高成本效率的结合。例如，在 Augment 的智能体编码评估中，它达到了 Sonnet 4.5 90% 的性能。
• 应用体验提升：为 Chrome 扩展、实时聊天助手、客户服务、结对编程等对延迟敏感的场景提供了更快、更实用的体验。

应用场景与协作模式

• 主要应用：适用于实时交互、编码辅助（如多智能体项目和快速原型设计）等场景。
• 与 Sonnet 4.5 协作：Haiku 4.5 为用户提供了在追求近前沿性能时的高性价比新选择。它支持新的混合使用模式，例如，可由 Sonnet 4.5 将复杂问题分解为多步骤计划，然后指挥多个 Haiku 4.5 并行处理子任务。

安全评估

• 安全性高：经过详细的安全与对齐评估，Haiku 4.5 展示了较低的值得关注的行为发生率。其对齐程度显著优于其前代模型 Haiku 3.5。
• 基准领先：在自动对齐评估中，其整体行为不对齐率在统计上显著低于 Claude Sonnet 4.5 和 Claude Opus 4.1，因此被评为 Anthropic 迄今为止最安全的模型。
• 风险可控：在化学、生物、放射性及核武器（CBRN）相关风险方面仅表现出有限风险，因此按照 AI 安全等级 2（ASL-2）标准发布（Sonnet 4.5 和 Opus 4.1 为更严格的 ASL-3）。

可用性与定价

• 即时可用：今日起可通过 Claude API、Amazon Bedrock 和 Google Cloud 的 Vertex AI 获取。
• 开发集成：可作为 Haiku 3.5 和 Sonnet 4 的直接替代品，在 Claude Code 及相关应用中使用。
• 定价：通过 Claude API 使用，价格为每百万输入 Token 1 美元，每百万输出 Token 5 美元。

外部评价摘要

文章引用了来自 Augment、Warp、GitHub Copilot 等合作伙伴的评价，普遍认为该模型在智能体编码、代码生成和实时响应方面实现了突破，在保持高质量的同时大幅提升了速度与成本效率，为 AI 应用开辟了新用例。

事件概述

2025年10月15日，数十名五角大楼记者集体上交通行证并离开大楼，以抗议国防部长皮特·赫格塞斯颁布的新规定。这些规则要求记者在发布信息（无论是否机密）前必须获得赫格塞斯批准，否则可能被驱逐。五角大楼称这是“常识性”规定，旨在约束“非常具破坏性”的媒体，但几乎所有新闻机构均拒绝接受。

双方立场

• 政府方：总统特朗普支持新规，认为媒体“非常不诚实”且破坏世界和平。赫格塞斯自上任以来已系统限制信息流通，包括减少新闻发布会、限制记者进入五角大楼区域，并调查信息泄露事件。
• 媒体方：记者们认为新规等同于要求他们放弃新闻工作的本质——主动探寻信息。《大西洋月刊》记者南希·优素福表示：“同意不去寻求信息，就是同意不做记者。”数十名记者在下午4点截止时间前集体离开，许多人携带私人物品并强调将继续报道军事新闻。

新规争议与影响

• 内容争议：记者指出，新规实际是要求媒体接受官方单方面提供的信息，这不符合新闻专业原则。退役陆军上将、福克斯新闻分析师杰克·基恩批评道，这种做法是想“用勺子喂食信息”，而非真正的新闻报道。
• 行业反应：五角大楼记者协会（代表56家新闻机构）强烈反对。从美联社、《纽约时报》到福克斯新闻等媒体均指示记者拒绝签署，仅保守派“一个美国新闻网”（OANN）签署了新规，该机构可能希望通过支持新规获取更多政府官员的接触机会。
• 后续报道：尽管失去实体办公空间，记者们表示将继续从外部报道军事新闻。NPR记者汤姆·鲍曼强调，许多军方内部人士仍会向记者提供信息，因为他们认为“美国公众有权知道正在发生的事”。但也有记者透露，五角大楼领导层的威胁已对部分军方消息来源产生寒蝉效应。

背景与深层矛盾

此事件反映了美国政府与新闻界之间日益紧张的关系。特朗普政府近年来多次与《纽约时报》、CBS等主流媒体发生法律纠纷，而国防部长赫格塞斯（前福克斯新闻主持人）上任后持续收紧信息管控。媒体人士警告，如果失去记者的独立提问，五角大楼将更依赖精心策划的社交媒体内容和党派评论员的访谈，这不利于公众知情权。

TurboTax 20年阻止美国免费报税之战

核心冲突与利益基础

文章揭示了软件公司Intuit（TurboTax母公司）长达20余年的系统性行动，旨在阻止美国国税局（IRS）为大多数纳税人建立简单、免费的报税系统。其商业核心TurboTax的巨大利润，正是建立在报税流程的复杂性和收费模式之上。若政府提供免费报税服务，将直接威胁Intuit的盈利基础。

主要策略与行动

1. 游说与政治影响

• 高强度游说：Intuit组建了庞大的游说团队，雇佣了前IRS等监管机构的高级官员。
• 立法遏制：推动国会通过相关法案，禁止IRS使用资金开发免费报税系统，并试图将现有的"Free File"项目永久化立法。
• 利用盟友：秘密资助和动员少数族裔团体、女性商业组织及智库，为其立场制造"草根"支持和舆论声势。

2. "Free File"项目的操纵

• 起源与交易：2003年，在政府威胁要创建免费报税系统的压力下，Intuit牵头成立了"Free File联盟"，承诺为低收入纳税人提供免费报税服务，以换取IRS承诺不开发竞争性的政府系统。
• 限制与稀释：Intuit始终设法限制"Free File"的实际使用范围。当竞争对手（如TaxAct）试图通过该计划吸引更多用户时，Intuit联合IRS修改规则，禁止向所有人提供免费服务，并设置了收入上限等门槛。
• 技术隐藏：Intuit在其官网的"Free File"页面添加代码，使其从搜索引擎中隐藏，大幅降低公众发现和使用该政府合作项目的几率。

3. "Free Edition"的商业误导

• 关键混淆：Intuit在2007年推出了商业产品"TurboTax Free Edition"，名称与政府项目极易混淆。
• "免费"陷阱：该版本常以"免费"宣传吸引用户，但在报税过程中，用户若遇到某些常见税表或需要州报税服务，便会被引导升级至收费版本，费用可高达200美元以上。公司内部文件承认这种做法引起客户困惑和不满。
• "暗黑模式"设计：网站采用一系列心理学和设计技巧（如在关键步骤设置付费墙、利用动画营造复杂性恐惧），促使用户付费，即便他们本有资格享受免费服务。

影响与后果

• 纳税人负担：美国人每年在报税上花费约17亿小时和310亿美元。
• 项目萎缩：政府"Free File"计划的使用人数从2005年峰值的510万，下降至报道时的约280万。
• 利润与财富：Intuit的利润和股价持续攀升，公司高管及创始人因此积累了巨额个人财富。
• 近期 scrutiny：在2019年ProPublica系列报道引发广泛关注后，将"Free File"永久化的立法条款被迫撤除，纽约、加州等地监管机构也对Intuit展开了调查和诉讼。

Intuit的回应与立场

Intuit方面始终否认存在不当行为，强调其是"赋予客户掌控自身财务生活的能力"，并认为由作为征税机构的IRS同时担任报税准备方存在"利益冲突"。公司表示将继续与IRS和国会合作，坚持其商业立场。

总结

整篇文章描绘了Intuit如何通过一套结合政治游说、协议操纵、技术壁垒和营销误导的复杂策略，成功维持了商业报税市场的主导地位，并长期阻碍了更简便、免费的政府报税系统的发展。

Tor浏览器15.0a4 alpha版发布，该版本包含Firefox的重要安全更新。如果一切顺利，这将是15.0系列在10月最后一周升级为稳定版之前的最后一个alpha版本。

此次更新的重点是移除Firefox集成的各种AI功能（如AI聊天侧边栏），因为这些机器学习系统从安全和隐私角度无法审计，且浏览器不希望暗示对此类系统的推荐。

其他主要变更包括：

1. 插件改名：将 meek-azure 可插拔传输协议重命名为 meek，因历史云端后端迁移，原云平台特定名称已不适用。
2. UI改进：改善了暗色主题下的UI组件样式；移除了所有Firefox/Mozilla特定的品牌、功能和服务集成，新历史侧边栏被替换为旧版历史面板。
3. 字体更新：Linux版本更新了Emoji字体（使用Noto Color Emoji）；为改善中日韩字符渲染，将字体家族从Noto更换为Jigmo。
4. 功能调整：
   • Safer 和 Safest 安全级别下WebAssembly的控制权移交给了NoScript扩展，以更精确地管理而非全局禁用。
   • 桌面版URL栏现在总是显示协议（如http或https），Android版则继续隐藏以节省空间。
5. 其他：包括Letterboxing样式改进、NoScript更新至13.2.1、OpenSSL更新至3.5.4、Firefox ESR更新至140.4.0esr等。

该版本提供了完整的平台更新日志，涵盖Windows、macOS、Linux、Android及构建系统的多项修复和改进。用户被鼓励测试此版本并提供反馈，但提醒alpha版仅用于测试，需要强匿名性的用户应使用稳定版。

文章摘要：

EA（艺电）公司面临一场550亿美元的私有化收购，收购方包括沙特阿拉伯公共投资基金及美国前总统特朗普女婿贾里德·库什纳旗下的Affinity Partners公司。此次收购引发了公司员工与美国通讯工人协会（CWA）下属的“联合电子游戏工人工会”（UVW-CWA）的强烈反对。

工会及工人在联合声明中指出，EA年营收达75亿美元，年利润10亿美元，是世界上最成功的游戏公司之一。然而，在这笔巨额收购的谈判过程中，作为公司价值核心的员工却完全未被代表。工人们担忧，收购完成后可能导致工作室被关闭或裁员，而这并非经营必要，纯粹是为了增加投资者收益。他们引用近年来行业大规模裁员的情况，警告某些对EA声誉至关重要但被短期判定为“盈利较低”的工作室可能面临风险。

工会强调，每次私募股权或亿万富翁投资者将游戏工作室私有化，工人们就会失去对影响其工作、创作和未来的决策的透明度、可见性与影响力。这些决策往往由从未编写过代码、构建游戏世界或维护在线服务的高管在闭门会议中做出。

因此，工会呼吁监管机构和民选官员严格审查此交易，确保任何进展都能保护就业、保留创作自由，并保持决策对创造EA成功的员工负责。他们同时发起了请愿活动，旨在为工人和玩家争取更好的行业环境，而非服务于亿万富翁的利益。

报道同时提及，美国联邦贸易委员会（FTC）拒绝对此次收购发表评论。有分析认为该交易可能不会遇到太大阻力，并质疑监管机构是否会反对涉及总统亲属的交易。此外，人权观察组织研究员指出，沙特公共投资基金涉嫌与该国侵犯人权行为相关，其万亿美元的公共资金更多被用于国内外的“面子工程”，而非促进本国公民的经济与社会权利，且资金受一人高度专断地控制，这对人权和商业环境均非益事。

Hyperflask – 基于Flask与HTMX的全栈框架

Hyperflask 是一个构建于 Flask（流行的Python Web框架）之上的全栈框架，结合 HTMX，旨在简化交互式应用的开发。其核心特点是后端驱动，这有助于实现直接的状态管理，并避免前端主导架构中常见的复杂问题。

主要特性

1. 后端驱动的交互应用
   Hyperflask 强调后端逻辑，使得状态管理更为直观，减少了前端框架中常见的陷阱。配合 HTMX 与组件系统，能够轻松构建动态交互界面。

2. 强大的组件系统
   引入组件驱动架构，支持无缝创建前端组件（如 Web Components、React 等）和后端组件，并直接在 Jinja 模板中使用。通过 HTMX 实现服务端支撑的交互式组件。

3. 基于文件的路由
   扩展了 Flask 的路由机制，采用文件路由系统。新文件格式结合了 Python 代码与 Jinja 模板（受 Astro 页面启发），使页面组织更加清晰。

4. 内置丰富功能
   提供开箱即用的工具集，包括：

   • 使用 MJML 发送邮件
   • 后台任务运行
   • 通过 SSE 推送事件
   • 国际化翻译
   • 用户认证
   • 内容流式传输
   • 图片优化等

5. 支持静态与混合模式
   可用于生成静态网站，也支持混合模式——仅在需要处理动态请求时访问服务器。

6. 标准化开发与生产环境
   开发和生产环境均基于容器标准化，并与 VS Code 深度集成，简化配置与运行流程。可轻松部署到 VPS 或各类云服务。

7. 模块化与生态系统
   框架本身代码精简，但无缝整合了众多 Flask 扩展。所有扩展及相关项目均在 Hyperflask 组织下独立开发，用户可自由选择所需部分用于自身项目。

作者选择Elixir Phoenix框架的核心动机是追求应用运行速度与开发效率的统一。

作为独立开发者，他希望避免维护前后端分离架构，需要一个全能的单体解决方案。在考察了Laravel Livewire和Rails Hotwire后，他发现这些方案虽能简化前端工作，但在实现后台任务、实时更新与双向通信方面仍需额外配置，而这些功能是其项目所需。

Phoenix框架结合Elixir语言满足了他的所有要求：

1. 开发效率与性能兼顾：拥有类似Ruby on Rails的优雅语法和快速开发能力，但运行性能更优。
2. 内置强大功能：通过Oban轻松集成后台任务处理，并具备自动重启等容错机制。
3. 领先的实时体验：其LiveView功能通过WebSocket提供真正的实时双向通信，实现页面的即时更新，技术上超越了Hotwire和Livewire，同时仍可通过钩子按需使用JavaScript库。
4. 技术基础稳固：Elixir是编译型语言，建立在以高并发和稳定性著称的Erlang虚拟机之上，为构建高可用、高并发的系统提供了保障。

最终，以下优势促使作者做出选择：

• 可快速构建应用。
• 轻松应对高并发场景。
• 几乎使用单一语言完成开发。
• 代码清晰易读。
• 编译器能在生产环境前捕获多数错误。
• 系统具备容错性，不易宕机。

作者强调，这并非否定Laravel、Rails或Next.js等其他优秀框架的价值，而是Phoenix最适合其特定项目（Hyperzoned.com）的需求。他鼓励开发者跳出固有技术栈，探索更高效的问题解决方案。

LLM从零构建系列（第22部分）：模型训练要点总结

本文是对Sebastian Raschka所著《从零构建大型语言模型》第5章的学习笔记总结，重点介绍了LLM训练的最后阶段。

模型训练与演示

• 在小型数据集（Edith Wharton的《The Verdict》，约2万字符）上训练模型后，使用提示"Every effort moves you"进行生成，获得了虽不完美但合理的输出。
• 训练耗时很短（RTX 3090 GPU上约11秒，书中提到MacBook Air约5分钟），凸显了GPU在训练中的加速作用。
• 加载OpenAI提供的124M参数GPT-2预训练权重后，使用相同提示生成了更连贯的文本，展示了预训练模型的能力。

关键技术与注意事项

1. 随机性与种子

   • 虽然书中使用torch.manual_seed来确保结果可复现，但由于代码量大且部分函数也涉及随机性，完全复制书中的输出可能较困难。
   • 训练时应主要关注损失值是否在合理范围内下降，以及验证损失是否及时趋于平稳。

2. 优化器

   • 介绍了AdamW优化器，它动态调整学习率，有助于在训练初期快速下降，并可能避免局部最小值。
   • 使用时需在训练循环中初始化，通过optimizer.zero_grad()清零梯度、计算损失后调用optimizer.step()更新参数。

3. 训练速度与成本

   • GPU（如RTX 3090）相比CPU（如MacBook Air）能大幅缩短训练时间。
   • 讨论了在自有硬件或云服务（如Lambda Labs的A100 GPU）上训练更大模型的可行性。提到了Andrej Karpathy使用优化的llm.c系统以约20美元成本训练124M参数GPT-2的案例，作为效率参考。

4. 防止“复述”与采样策略

   • 书中的“防止记忆化”更准确地说是指防止模型直接复述训练数据。
   • 介绍了两种关键技术：
     • 温度采样：通过调整温度参数，使输出概率分布更平坦（增加随机性）或更尖锐（增加确定性）。
     • Top-k采样：只考虑概率最高的k个词元进行采样，进一步控制输出的多样性。
   • 结合这些技术可以提升生成文本的多样性和质量。

5. 加载预训练权重

   • 从OpenAI网站下载GPT-2模型权重（如124M参数版本），并将其加载到自建模型中。
   • 不同大小的GPT-2模型（如124M、1.5B等）具有不同的嵌入维度，需注意区分。

总结与展望

本章将之前构建的各组件整合，完成了LLM的训练流程。作者成功训练了模型并加载了预训练权重，获得了有效的生成结果。后续计划将探索使用LLM进行文本分类任务。

DoorDash 与 Waymo 宣布合作，在凤凰城大都会区推出自动驾驶配送服务，并为洛杉矶、旧金山和凤凰城的 DashPass 会员提供限时优惠。

即日起至2025年12月31日，上述三个城市的 DashPass 会员每月可获得一张价值10美元的 Waymo 出行优惠券（仅限工作日上午2点至下午2点之间的订单）。

凤凰城大都会区的自动驾驶配送测试现已启动，计划于今年晚些时候推出更广泛的商业运营。DoorDash 用户可能会被匹配到由 Waymo 全自动驾驶车辆提供的配送服务，该服务将通过 DoorDash 的自动驾驶配送平台进行协调。初期配送将从 DashMart（DoorDash 自有并运营的便利店、杂货和零售店）开始，并计划随时间扩展。

DoorDash 业务与企业发展副总裁 David Richter 表示，此次合作旨在为会员提供新体验和节省，并推进其多模式自动配送的愿景。Waymo 业务发展与战略合作伙伴关系负责人 Nicole Gavel 则强调了 Waymo Driver 技术带来的安全、可靠与便利。

DashPass 会员计划提供独家优惠、零配送费及服务费减免，自2018年推出以来，会员平均每笔合格订单可节省约5美元，全球累计节省总额已超过100亿美元。

文章最后包含前瞻性声明，提示合作预期收益等表述存在不确定性，实际结果可能因风险因素而与预测产生重大差异。

Search first I searched and no similar issues were found Description Liquibase has migrated to the Functional Source License, which is not an open source license, as Liquibase itself acknowledges. But this repository continues to mislead...

Elixir 1.19 版本更新摘要

核心改进

Elixir 1.19 主要增强了类型系统并优化了编译时间，旨在更快速地发现程序错误。

类型系统改进

1. 协议分发与实现的类型检查：

   • 当进行协议分发（如字符串插值 String.Chars）或使用协议（如在 for 推导中使用 Enumerable）时，如果传递了未实现该协议的值，编译器将发出警告。
   • 例如，将不可转换为字符串的 Range 进行插值，或将 Date 结构体用于 for 循环，都会收到明确的类型不兼容警告。

2. 匿名函数的类型推断与检查：

   • 可以推断匿名函数的类型并检查其调用。例如，当定义一个期望接收 map 参数的匿名函数却传入字符串时，会报出类型冲突警告。
   • 函数捕获（如 &String.to_integer/1）也会传播类型信息，增加了捕获错误的机会。

大型项目编译速度提升

本次发布包含两项主要优化，报告称在大型代码库中可实现最高4倍的构建加速。

1. 模块延迟加载：

   • 改进前：模块定义后立即加载，Erlang 的代码加载过程在单进程中进行，成为瓶颈。
   • 改进后：模块改为延迟加载，减轻了代码服务器的压力，并允许编译器更好地控制加载过程以保证确定性构建。
   • 潜在回归与解决：
     • 若在编译期间派生进程并调用项目内其他模块，可能无法加载。可使用 Kernel.ParallelCompiler.pmap/2 或显式调用 Code.ensure_compiled!/1 解决。
     • 模块的 @on_load 回调若调用项目内其他模块可能失败。可在被调用模块上设置 @compile {:autoload, true} 来兼容地解决此问题。

2. 依赖项并行编译：

   • 新增环境变量 MIX_OS_DEPS_COMPILE_PARTITION_COUNT。设置为大于1的数值时，mix deps.compile 会使用多个操作系统进程并行编译多个依赖项。
   • 建议设置为机器核心数的一半。实际加速效果取决于依赖数量和机器核心数，有用户报告提速高达4倍，但也会增加内存使用。

其他更新

1. Erlang/OTP 28 支持：

   • 官方支持 Erlang/OTP 28.1+。
   • 为适配 OTP 28 中正则表达式的新表示，结构体现在可通过定义 __escape__/1 回调来控制其在抽象语法树中的转义方式。
   • 正则表达式不能再用作结构体字段的默认值。

2. OpenChain 认证：

   • Elixir 1.19 是首个遵循 OpenChain 合规的发布版本。
   • 每个发布版本现在包含以 CycloneDX 1.6+ 和 SPDX 2.3+ 格式提供的源码软件物料清单（Source SBoM），并附有认证，增强了供应链透明度。

3. 其他功能增强：

   • 改进的选项解析。
   • ExUnit 更好的可调试性和性能。
   • 新增 mix help Mod、mix help Mod.fun、mix help Mod.fun/arity 和 mix help app:package 命令，使文档更易于访问。

致谢

类型系统的改进得益于 CNRS 与 Remote 的合作，开发工作由 Fresha、Starfish* 和 Dashbit 赞助。OpenChain 认证工作由 Jonatan Männchen 完成，并得到 Erlang Ecosystem Foundation 的赞助。

From the Zed Blog: Zed for Windows is finally here. Download it today.

PoE技术基础与实用指南

核心概念
Power over Ethernet (PoE) 是一种通过标准以太网线缆同时传输数据和电力的技术。它允许单根RJ45线缆为受电设备（PD）供电并传输网络数据，简化安装并减少线缆杂乱。

设备类型

• 受电设备（PD）：如无线接入点、IP摄像头、VoIP电话，通过PoE接收电力和数据。
• 供电设备（PSE）：
  • endspan：支持PoE的网络交换机，直接连接PD。
  • midspan：PoE注入器，用于非PoE交换机后端，通过以太网线注入电力。

技术标准演进

• IEEE 802.3af-2003：最高15.4W/端口。
• IEEE 802.3at-2009（PoE+）：提升至25.5W，适用于Type 2设备。
• IEEE 802.3bt-2018：支持Type 3（60W）和Type 4（约100W），利用全部四对线缆供电。

PoE实现方式

• 主动PoE：具备协商机制，安全匹配设备需求（如自动检测、分级供电）。
• 被动PoE：无协商，持续供电；需严格匹配设备电压，否则可能损坏设备。

以太网类型中的PoE

• 10/100BASE-T：使用空余线对供电（如引脚4-5、7-8）。
• 1000BASE-T：通过“幻象电源”技术，在数据线对上叠加电力，避免干扰。

实用建议

• 初次使用可选择评估板（如MPS EV8020-QV-00A）快速入门。
• 推荐PD控制芯片：TI TPS23730/31/34、onsemi NCP1081/83、TI TPS2372。
• PSE控制芯片示例：TI TPS23861（四通道，支持IEEE 802.3at）。

应用场景
VoIP电话、无线接入点、IP摄像头、固定无线设备等需要数据与电力的场景。

安全提示
被动PoE需确认设备兼容性；主动PoE通过协商避免误接损伤。

Zed 编辑器现已通过 Agent Client Protocol (ACP) 原生支持 OpenAI Codex，用户可像选择其他代理（如 Claude Agent 或 Gemini CLI）一样，直接在“新线程”菜单中选用。

此次集成旨在优化界面体验，帮助用户保持专注的编码流程。使用 Codex 时，计费与法律条款由用户与 OpenAI 直接处理，Zed 不收取任何费用，且用户发送至 OpenAI 的提示和代码不会经过 Zed 的服务器。 同时，codex-acp 适配器已开源，可在 Zed 之外使用。

ACP 协议设计灵活，能适应不同代理的多样能力。文章以 Codex 为例说明了集成中的一个关键设计差异：

• Codex 的方式：代理自身在独立进程中运行终端命令，并将输出流式传输至客户端。
• 其他代理的方式：由代理发送命令请求，客户端（编辑器）负责实际执行。

这种差异导致了终端模式的不同体验：

• PTY（伪终端）模式：允许用户在“代理面板”中直接与终端交互，并默认支持彩色输出等特性，但存在代理卡死的风险（例如当命令需要人工交互时）。
• 非 PTY 模式：减少了交互性和色彩显示，但更稳定，能有效避免代理因等待输入而陷入死锁。

目前，ACP 已不仅限于 Zed，还被 Neovim、Emacs 及 JetBrains 系列 IDE 等编辑器采用。随着协议在社区中获得广泛采纳，Zed 团队计划将重点转向与社区协作，共同推进协议的未来发展，而非自行构建更多适配器。

Applying human ergonomics and design principles to syntax highlighting

Gemini CLI 交互式命令运行功能增强

Gemini CLI 现已支持直接在其中运行复杂的交互式命令，如文本编辑器（vim、nano）、系统监控工具（top、htop）或交互式 git 操作（如 git rebase -i），无需切换至外部终端。该功能自 v0.9.0 版本起默认启用。

核心优势

• 上下文保持：所有操作均在 Gemini CLI 的上下文内完成，避免了之前因切换终端而导致的上下文丢失问题。
• 全面兼容：支持依赖终端控制码、需要富文本渲染的应用程序（如全屏工具、交互式 REPL）。

技术实现

• 伪终端（PTY）支持：通过 node-pty 库在后台创建伪终端进程，模拟操作系统终端接口。
• 状态序列化与实时流传输：将伪终端的每一帧状态（包括文本、颜色、光标位置）快照并实时流式传输到用户界面，实现类似原生终端的视觉反馈。
• 双向交互：支持键盘输入、窗口大小调整等实时交互，输入内容会直接发送至运行中的进程。

使用方式

升级至最新版本即可使用：

npm install -g @google/gemini-cli@latest

典型应用场景

• 代码编辑（vim、nvim、nano）
• 交互式 Git 命令管理
• 语言交互式 REPL 环境
• 全屏终端应用（htop、mc）
• 交互式初始化脚本（如 npm init、ng new）
• 需要交互式提示的 gcloud 命令

该功能仍在持续优化中，用户可通过 GitHub 仓库提交反馈。

美国国税局（IRS）已将其“事实图谱”开源。

免责声明 IRS不对代码的准确性、完整性或功能性提供任何担保、维护或保证。IRS不对任何外部方使用该代码所产生的后果（包括税务影响、计算错误、数据丢失等）承担任何责任或义务。用户需自行承担使用风险，并负责遵守任何开源或第三方许可证。

项目简介 事实图谱是一个生产就绪的知识图谱，主要用于对《美国国内税收法典》及相关税法进行建模。它支持在JavaScript以及任何JVM语言（如Java、Kotlin、Scala、Clojure等）中使用。

文档与贡献

• 环境与开发设置请参考 ONBOARDING.md。
• 关于事实图谱及其自2025年初以来的变更，请参阅 Fact Graph 3.1 ADR。
• 如需了解旧版与当前v3.1之间的区别，请查阅相关描述。
• 贡献详情请见 CONTRIBUTING.md。

技术栈与更新

• 测试框架使用 ScalaTest。
• XML处理采用 scala-xml。
• 此代码库更新频繁。开发在私有仓库进行，主分支的批准变更会实时推送至此公开仓库。

政策依据 此项目遵循一系列联邦法律与政策，包括：

• 《2024年信息技术源代码协调与再利用法案》
• 管理与预算局备忘录 M-16-21（联邦源代码政策）
• 《联邦采购条例》第27部分
• 数字政府战略
• 《2014年联邦信息技术采购改革法案》
• 《2002年电子政务法案》
• 《1996年克林格-科恩法案》

https://www.usmint.gov/news/press-releases/united-states-mint-releases-2026-american-innovation-one-dollar-coin-program-designs

文章摘要：Gemma模型助力发现新型癌症治疗途径

模型概述 Google DeepMind与耶鲁大学合作，基于Gemma开源模型家族构建了新型270亿参数基础模型C2S-Scale。该模型专为单细胞分析设计，旨在理解单个细胞的“语言”，代表了人工智能在科学领域的里程碑。

研究背景与挑战 癌症免疫疗法中的一大挑战是许多肿瘤属于“冷肿瘤”——对免疫系统不可见。关键策略是通过抗原呈递过程，强制肿瘤显示免疫触发信号，使其转变为“热肿瘤”。

模型任务与方法

• 任务：寻找能在特定“免疫上下文阳性”环境中（即存在低水平干扰素，但不足以单独诱导抗原呈递）特异性增强免疫信号的“条件放大器”药物。
• 方法：设计双上下文虚拟筛选，模拟4000多种药物的效果。筛选分为两个上下文：
  1. 免疫上下文阳性：使用具有完整肿瘤-免疫相互作用和低水平干扰素信号的患者样本。
  2. 免疫上下文中性：使用无免疫上下文的分离细胞系数据。
• 能力：这种条件推理能力被视为模型规模的涌现能力，较小模型无法实现。

关键预测与实验验证

• 预测：模型识别出激酶CK2抑制剂silmitasertib (CX-4945) 具有强烈的“上下文分裂”效应。预测其在“免疫上下文阳性”中可显著增加抗原呈递，而在“中性”环境中几乎无效。这是一个全新假设，此前文献未报道该药物可明确增强MHC-I表达或抗原呈递。
• 验证：在人类神经内分泌细胞模型（模型训练期间未见过）中进行实验，结果显示：
  • 单独使用silmitasertib无影响。
  • 单独使用低剂量干扰素效果温和。
  • 两者联用可产生显著的协同放大效应，使抗原呈递增加约50%，从而使肿瘤更易被免疫系统识别。
• 意义：该预测在体外实验中得到多次验证，揭示了使“冷肿瘤”变“热”的新潜在途径，为开发新型联合疗法提供了实验验证的线索。

模型扩展与资源发布

• 该结果展示了遵循缩放定律构建更大模型（如C2S-Scale 27B）的价值，能够创建强大的细胞行为预测模型，用于高通量虚拟筛选，发现条件依赖性生物学机制。
• 耶鲁大学团队正在探索此机制，并在其他免疫背景下测试更多AI生成的预测。
• C2S-Scale 27B模型及相关资源已向研究社区开放，包括：
  • 代码：GitHub
  • 模型与资源：Hugging Face
  • 完整科学预印本：bioRxiv

Rust内核开发即将到来的语言特性

本文总结了在Kangrejos 2025会议上讨论的、对Linux内核开发至关重要的Rust语言新特性。会议强调了Rust for Linux项目对Rust语言设计的推动作用，并重点介绍了三个核心特性：字段投影、任意self类型和就地初始化。

总体背景与优先级

Rust语言设计团队联合负责人Tyler Mandry指出，Rust for Linux项目通过聚焦社区注意力，有效推动了特定语言特性的发展。内核开发者Miguel Ojeda明确了特性开发的优先级：首先是稳定化内核目前使用的不稳定特性；其次是能够改变项目代码结构的特性；最后才是其他特性。会议讨论了多个特性，包括外部类型、引用计数改进、编译时可评估函数以及特化等。

三大核心语言特性

1. 字段投影

目的：允许从指向结构体的指针（包括自定义智能指针）生成指向其字段的指针，这是实现内核自定义智能指针（用于处理不受信任数据、引用计数等）的关键。 现状与挑战：内置的引用和指针类型已支持此操作，但无法直接适用于用户自定义的智能指针类型。开发者Benno Lossin自2022年一直致力于此，目前处于设计阶段。 技术要点：内置字段投影具有相似的函数签名。例如，将&MyStruct转换为&Field。对于需要固定内存位置的类型（如Pin），字段投影的输出类型（Pin<&mut Field>或&mut Field）取决于字段类型本身是否也需要被固定。通用签名可表示为：Container<'a, Struct> -> Output<'a, Field>。 内核应用场景：该特性能显著简化内核中读-拷贝-更新（RCU）模式的绑定实现。目前，访问受互斥锁保护但其中某字段受RCU保护的结构体，在Rust中需要先加锁。使用字段投影，可以直接将&Mutex<MyStruct>投影为&Rcu<Field>进行读取，而无需持有互斥锁，从而避免性能损失。 前景：需要该特性的跟踪 issue 在主线内核外部进行测试和反馈，以便推动其稳定并纳入Debian 14（预计2027年）。

2. 任意self类型

目的：允许将智能指针（如Pin<&mut MyStruct>）作为方法的第一个参数（self），从而更自然地对自定义指针类型调用方法（ptr.method()）。 现状与挑战：开发者Xiangfei Ding正在推进此特性。实现难点在于与现有Deref特性的交互：编译器在方法查找过程中会通过一系列Deref解包，在找到匹配方法前会丢失包装类型的上下文信息。 解决方案：引入一个新的Receiver特性，用于标记那些可以作为任意self类型的智能指针。编译器在尝试Deref链之前，会先尝试Receiver链。这要求指针类型主动选择加入，但也避免了向后兼容性问题。 时间表：开发者希望能在一年内完成该特性，但需要Rust语言团队的支持。会后将进行Crater测试以确保兼容性。

3. 就地初始化

目的：提供一种语言级别的特性，用于在固定的内存位置（即栈或堆上）初始化结构体，替代当前内核广泛使用的pin_init!()宏，使代码更清晰并解决一些边缘问题。 设计方案：会议讨论了三种提案：

1. 基于PinInit特性的语法糖：添加init关键字，编译器自动生成PinInit特性的实现。此方案改动最小，但与现有PinInit特性设计紧密绑定。
2. &out引用：引入一种新的只能写入的引用类型&out。在堆分配后返回一个&out引用，调用者可逐步填写其字段。编译器会跟踪确保所有部分都被初始化后，才允许获取正常的可变引用。此方案在会上获得了更多关注和实时的实现探讨。
3. 受C++启发的保证优化：当创建一个值并立即将其移动到堆上时，保证直接在堆上构造它。 前景：开发者倾向于同时探索第一种和第二种方案，通过实践来检验哪种更优。无论采用何种方案，这都将简化涉及自定义智能指针的代码。

其他讨论

• 编译时可评估函数（const函数）：在特性定义中支持const函数是内核项目的明确需求。
• 特化：虽然能允许特性实现的重叠和选择，但因其对类型系统长期造成的复杂性而备受争议。
• 整数溢出控制：有开发者希望获得对编译器如何处理整数溢出行为的控制能力。

结论

Rust for Linux项目正积极塑造Rust语言的未来。三大核心特性（字段投影、任意self类型、就地初始化）若得以采纳，将极大简化内核中涉及用户自定义智能指针的代码，并对Rust生态系统产生广泛影响。会议表明，内核开发的实际需求是推动这些语言特性从设计走向实现的关键动力。

Astro description

廉价DIY太阳能围栏设计总结

设计背景与动机

作者一年前安装了一套4千瓦的太阳能围栏，现分享已验证可行的设计方案。传统太阳能围栏产品主要面向公用事业规模安装，且需重型机械，不适合小型项目。作者利用已有的屋顶安装系统经验（Ironridge轨道），将其改造用于垂直安装，以解决困难山坡位置的空间利用问题，并实现较低成本。

核心设计与安装要点

• 结构基础：采用7英尺长的Ironridge XR-10轨道，每根轨道安装两块太阳能板。立柱使用12英尺长的经处理的4x4英寸木材，埋入3英尺深的坑中，用3袋50磅混凝土和砾石固定。
• 支架连接：通过Ironridge LFT-03-M1带槽L型支架将轨道连接到立柱上，使用5/8英寸×3英寸热浸镀锌螺栓固定。在支架与木材之间使用防腐蚀胶带（Shurtape PW-100）隔离，防止处理过的木材与铝支架发生化学反应。
• 垂直安装优化：为防止面板在90度角安装时下移，在面板底部添加了额外支撑支架。实际使用中未出现下移问题。
• 稳定性增强：由于木材立柱可能存在晃动，在结构背面增加了对角支撑。立柱成对安装并用隔块连接，既能适应山坡地形和弯曲布局，也能减少木材扭曲。
• 面板选择：安装Aptos 370瓦双面太阳能板，尽管立柱部分遮挡背面，但在阴天仍能获得双面发电增益。面板下方留有足够空间，可通过割草机。

优势与性能评估

• 成本效益：每块太阳能板的围栏安装成本约110美元，接近面板本身成本（100美元），远低于传统地面安装系统。
• 空间利用：充分利用了山坡地形，围栏中段设计有30度弯曲，可兼顾朝南和西南方向，延长每日光照接收时间。
• 耐用性：经一年检查，未发现腐蚀或结构问题。设计预期寿命可达30年，主要受限于处理木材的寿命。
• 附加价值：围栏背面成为实用的电气设备安装空间，可固定导管、布线和太阳能设备，成为整个太阳能场的电气骨干。

成本清单（不含太阳能板、布线和电气硬件）

• 总成本：$1100
• 主要材料明细：
  • 7英尺Ironridge轨道：10根，每根$27.89
  • 12英尺处理木材立柱：12根，每根$20.18
  • Ironridge夹具（UFO-CL-01-A1）：30个，每个$4.86
  • Ironridge支架（LFT-03-M1）：20个，每个$2.63
  • 混凝土（50磅袋）：30袋，每袋$6.91
  • 其他螺栓和五金件：约$30

此设计提供了一种低成本、灵活且易于实施的小型太阳能安装解决方案，特别适用于不规则地形和受限空间。

本文介绍了Ollama平台上线的新编码模型及其与开发工具的集成方法。

新模型发布

• GLM-4.6 和 Qwen3-Coder-480B 现已在Ollama云服务上可用。
• Qwen3-Coder-30B 在Ollama新引擎中得到更新，工具调用更快速、更可靠。
• 对于本地运行，若显存超过300GB，可使用 qwen3-coder:480b。

使用示例 提供了命令行启动命令 (ollama run ...)。文章通过一个创建单页HTML游戏的提示示例，展示了模型的编码能力。

与开发工具集成 介绍了如何在以下工具中配置并使用这些模型：

1. VS Code：通过Copilot聊天边栏的模型管理界面选择Ollama提供商及模型。
2. Zed：在代理面板中配置LLM提供商为Ollama，并连接到本地主机 (localhost:11434)。
3. Droid：通过安装CLI并在配置文件 (~/.factory/config.json) 中添加自定义模型条目来设置。 此外，Ollama文档新增了与 Codex、Cline、Roo code 等更多编码工具集成的章节。

云API访问 云模型（如 glm-4.6）也可通过 ollama.com 的云API直接访问。用户需创建API密钥并通过环境变量设置，然后使用curl命令调用API。

Windows 11 2025年10月累积更新（KB5066835）导致本地主机应用故障

问题概述 Windows 11 2025年10月的累积更新（KB5066835）引入了一个回归错误，该错误影响了特定的HTTP/2和环回流量场景。

影响范围 当使用依赖于默认启用HTTP/2的本地托管服务（例如IIS、Kestrel或其他Web服务器）时，此问题可能导致请求失败或连接意外中断。

临时解决方案 目前有两种安全的临时解决方法：

1. 禁用HTTP/2：在受影响的系统上临时禁用HTTP/2协议，直到微软发布修复更新。

   • 操作步骤：设置以下注册表项并重启计算机。
     • 路径：[HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\IIS\Parameters]
     • 值：
       • "EnableHttp2"=dword:00000000
       • "EnableHttp2OverTls"=dword:00000000

2. 卸载更新：直接卸载KB5066835累积更新，即可恢复本地主机应用的正常功能。

硬盘是否正在变得更好？

核心结论

硬盘正在变得更好，使用寿命更长。基于Backblaze长达13年、涵盖超过30万块硬盘的数据分析显示，硬盘的故障模式已偏离传统的“浴缸曲线”，其可靠性和耐久性得到显著提升。

传统“浴缸曲线”理论及其挑战

• 传统模型：可靠性工程中的经典模型认为硬盘故障率随时间呈U型曲线，即早期故障率高、中期稳定、后期因磨损故障率再次上升。
• 实际数据：Backblaze的数据表明，实际故障模式与传统模型不符，早期数据（2013年）最接近该曲线，但后续数据显示出差异。

数据演进分析（2013、2021、2025年对比）

数据解读与趋势

1. 整体改善：硬盘在整个生命周期内的故障率（特别是早期和峰值）大幅降低。
2. 故障模式变化：2025年的数据显示，硬盘在大部分使用寿命内保持非常低的故障率，仅在极长时间使用后出现一个较平缓的峰值。
3. 持续趋势：从2021年到2025年，故障曲线的形状相似，表明故障峰值的出现时间可能在进一步推迟，需待2029年数据验证。

影响数据解读的上下文因素

• 样本规模：更大的硬盘池提供了更稳定、可靠的统计结果。
• 硬盘采购与使用模式变化：
  • 批量采购可能导致同型号硬盘同时出现故障（如遇不良批次）。
  • 硬盘退役策略更注重风险管理，可能在性能下降前主动退役，避免了统计中的故障率高峰。
• 环境与技术进步：数据中心环境更稳定，硬盘技术（容量、固件）持续改进。

关于“浴缸曲线”的结论

该模型本身并非错误，而是不完整。它仅考虑了时间维度，忽略了工作负载、制造差异、固件更新和运维变化等因素。在理想一致的数据中心环境中，其假设更接近现实，但实际数据仍显示了更复杂的可靠性模式。

意义与展望

• Backblaze庞大的数据集增强了其分析的可靠性。
• 结论表明，用于数据中心的硬盘耐久性和可靠性已取得实质进步。
• 更多详情和持续数据可访问Backblaze Drive Stats项目获取。

YouTube 平台概述

YouTube 是一个在线平台，主要功能是让用户享受视频和音乐内容，上传原创作品，并与朋友、家人及全球观众分享。页面提供了一系列导航链接，涵盖以下方面：

• 关于 YouTube：介绍平台的基本信息。
• 新闻：相关更新和公告。
• 版权：内容版权相关条款。
• 联系我们：用户支持渠道。
• 创作者：针对内容创作者的资源和工具。
• 广告：广告服务信息。
• 开发者：开发者接口和资源。
• 条款：使用条款和条件。
• 隐私：隐私政策详情。
• 政策与安全：社区准则和安全措施。
• YouTube 工作原理：平台运作机制说明。
• 测试新功能：参与新功能测试的机会。
• NFL Sunday Ticket：体育赛事直播服务链接。

页面底部版权信息表明，该内容属于 Google LLC，日期为 2026 年。整体上，这些元素构成了 YouTube 主页的页脚部分，为用户提供平台相关资源和法律信息的访问入口。

Chronic wounds are a major health problem for diabetic patients and the elderly – in extreme cases they can even lead to amputation. Using electric stimulation, researchers in a project at Chalmers University of Technology, Sweden, and the University of Freiburg, Germany, have developed a method that speeds up the healing process, making wounds heal three times faster.

根据亨利护照指数2025年的最新排名，美国护照实力跌至历史低点，20年来首次跌出全球前十，位列第12位。

核心事实：

• 美国护照排名下滑：美国护照从2014年的全球第一，下滑至第12位（与马来西亚并列），免签入境目的地仅180个。
• 排名下跌主因：一系列免签政策的丧失导致评分下降，包括被排除在巴西、中国、越南等国的免签名单之外。
• 全球排名对比：亚洲国家占据前三，分别为新加坡、韩国和日本。英国护照也降至历史最低的第8位。
• “开放度”差距显著：美国护照的免签入境能力与美国对外的开放度（仅对46个国家免签）存在巨大差距，其开放度在亨利开放度指数中排第77位。这种高流动性与低开放度的反差被认为是其排名下滑的关键因素之一。
• 地缘政治背景：分析指出美国政策的内向转变影响了其护照实力，而中国则通过大幅增加免签国（过去十年增加37个）提升了排名和全球影响力。
• 民众反应：美国护照实力的下降促使寻求第二公民身份和居留权的美国人数量激增，成为2025年投资移民项目的最大申请群体。

https://www.nytimes.com/2025/10/16/science/kryptos-cia-solution-sanborn-auction.html

https://news.ycombinator.com/item?id=45595807

七年AI实施经验总结

当前AI应用误区

当前AI热潮过于侧重于构建类似ChatGPT的聊天机器人和执行单一API调用的“✨”按钮。许多公司（如Notion、Slack、Airtable）将“AI”作为核心营销标签，但其产品价值并非由此驱动。真正的AI应用应在底层赋能用户，而非作为显性功能。例如，亚马逊早在2016年就已将AI用于需求预测、搜索排名、推荐系统等后台流程，而非作为首页聊天机器人。

LLM的实际价值与案例

大型语言模型的优势在于大幅降低复杂问题的解决成本。作者曾参与一个为失语者开发上下文感知交流卡的项目，团队耗时一年将建议准确率提升至55%。而使用ChatGPT 3.5后，仅用一个周末便在相同测试数据库上达到了82%的准确率。这表明LLM能快速优化传统上需大量研发资源才能解决的问题。

AI促进内部工具开发

AI工具（如Claude、Cursor）正推动“内部工具”的繁荣。许多原本因工程资源不足而搁置的“锦上添花”项目，如今可通过AI辅助在会议间隙快速构建。这种生产力提升使得大量此前不可行的有用工具得以实现。

LLM的当前局限

• 技术瓶颈：LLM依赖训练数据，在全新或未覆盖领域表现不佳（如为最新游戏开发模组时可能完全失败）。
• 准确性不足：远未达到99%以上的可靠性，可能给出表面修复而非根本解决方案。
• 影响初级工程师成长：过度依赖AI会阻碍问题解决能力和代码审查技能的发展，导致部分公司减少初级工程师招聘。

AI的发展阶段与使用建议

• 技术接近S曲线顶端：近期模型更新（如ChatGPT 5）相比前代（如o3）未展现突破性进展，但现有工具已足够满足多数需求。
• 应用门槛降低：实施AI无需深入理解神经网络原理，可直接使用现有工具（如Scikit-learn、Claude Code）。
• 学习路径：从简单任务入手即可获得约70%的收益，后续通过实践逐步掌握提示优化和链式思考等技巧。

总结与类比

AI类似“敏捷开发”——是一种提升效率的工具，但存在边界。它无法解决所有问题，尤其在前沿探索中受限于训练数据。当前AI工具仍能显著提升生产力，但其宣传常被过度神化。未来的方向将聚焦于更便宜、更快、更开放的模型（如可在移动设备运行的模型），而AI研究远未结束。

Scientists have repaired a natural gateway into the brains of mice, allowing the clumps and tangles associated with Alzheimer's disease to be swept away.

LACE：一种关注链接的新型细胞自动机

本文介绍了一种名为LACE（Link Automata Computing Engine，链接自动机计算引擎）的新平台及其运行的“LACE规则”，这是一种强调连接（links） 作用的新型细胞自动机。与传统细胞自动机（如康威生命游戏）仅依赖细胞状态不同，LACE的规则同时考虑细胞状态和细胞之间的连接状态，使网格的整体状态成为两者共同作用的结果。这导致系统能展现出复杂的拓扑演化行为和丰富的涌现现象，如新类型的振荡器、滑翔机、以及类似“人工生命”的稳定结构。

背景与动机

作者深受数字物理学和细胞自动机启发，曾在MIT的Fredkin实验室参与相关研究。他意识到，传统模型缺少对时空拓扑结构的刻画——空间与物质应是相互影响的（类似爱因斯坦的观点）。因此，他探索开发一种细胞自动机，其中细胞之间的连接（链接）可以演化，并与细胞状态互动，从而模拟更接近自然世界的复杂系统。

LACE平台的核心特点

• 状态双维度：LACE中，规则同时根据细胞状态和链接状态（如连接的存在、强度或类型）进行计算，两者相互影响。
• 拓扑特性利用：规则可使用细胞和邻域的拓扑属性，如连接数、邻居的度数等。
• 可调影响力：链接对规则行为的影响程度可调节，从无作用（仅装饰）到强烈影响。
• 实验性平台：用Python编写，支持GPU加速（通过Taichi），适合大规模模拟。

与传统细胞自动机的区别

传统规则（如生命游戏）中，链接通常仅作展示，不影响细胞演化。而在LACE的“Realm of LACE (ROL)”规则中，拓扑是规则的核心驱动力：

• 链接状态影响细胞状态。
• 细胞状态反过来修改链接状态。
• 系统能自发演化出动态的几何和拓扑结构。

展示规则示例

文章通过多个视频展示了LACE规则的多样性：

1. 生命游戏的链接版本：链接可见但不影响规则，展示基础兼容性。
2. 链接影响生命游戏：调整链接对规则的作用，产生变化。
3. “Amazing Dragons”等ROL规则：完全利用拓扑，涌现出复杂模式、滑翔机和“人工生命”行为。
4. 其他ROL规则：产生新周期结构、稳定图案等丰富现象。

意义与展望

LACE拓展了细胞自动机的计算空间，在Wolfram的“Ruliad”中开辟了新维度。它不仅模拟传统CA行为，还能生成更接近自然复杂系统的动态。作者认为，这类规则甚至可能用于模拟神经网络。平台代码已开源，鼓励社区探索和发现新的规则与现象。

递归语言模型 (RLMs) 摘要

核心思想 递归语言模型 (RLMs) 是一种通用的推理策略，其核心是让语言模型（LM）在提供最终答案前，能够递归地调用自身或其他LM作为子过程。其主要目标是：1) 处理理论上无限长度的输入上下文和输出；2) 缓解长上下文中出现的性能退化现象——“上下文腐化”。

机制与实现

• RLM 本质上是封装在LM外的一层轻量级脚手架，对用户而言，其调用方式与普通LM API（如 rlm.completion(messages)）无异。
• 核心设计是让根LM与一个环境交互，该环境存储了可能极其庞大的原始上下文。
• 文章具体提出了一种以Python REPL（类似Jupyter Notebook） 作为环境的实例。用户提示被存储为环境中的一个变量。根LM可以通过输出代码块来与环境交互（查看、分区、变换数据），并能递归调用其他LM（称为深度1的LM）来处理上下文的子部分，最终输出答案。

主要优势

1. 避免上下文拥塞：根LM的上下文窗口不会直接被原始海量上下文填满，其输入增长缓慢。
2. 灵活的上下文处理：根LM可以自主决定如何查看上下文子集、使用正则表达式进行搜索或分块，并递归查询子LM，特别适合处理任意长度的上下文，无需预先构建索引。
3. 模态通用性：理论上，环境可以加载任何能存入内存的数据模态，由根LM控制查看和转换。
4. 新的缩放维度：RLM为测试时计算提供了一个新的缩放轴。模型与上下文交互的整个轨迹是可学习的，可通过强化学习进行训练，且无需模型本身具备处理超长上下文的能力。

实验结果

1. 克服“上下文腐化” (OOLONG基准)：

   • 在OOLONG基准的 trec_coarse 分割（需对长文本进行细粒度推理）上，RLM(GPT-5-mini) 在约128k和263k token的上下文长度下，其正确答案数量比直接使用 GPT-5 高出超过100%（132k下提升114%）。
   • 重要的是，RLM的平均查询成本与GPT-5相当甚至更低。消融实验证明，移除递归调用（仅保留REPL环境）会导致性能下降约10%。

2. 处理超大规模上下文 (BrowseComp-Plus基准)：

   • 在需要跨文档多跳推理的BrowseComp-Plus任务上，当文档数量从10增加到1000（相当于数千万token）时，直接使用GPT-5（即使截断或BM25预检索）的方法性能显著下降。
   • RLM(GPT-5) 在1000个文档规模下仍能保持**100%**的准确率，而其成本随上下文长度合理增长。即使是不使用递归的消融版本也达到了90%的准确率，表现优于ReAct+GPT-5+BM25等迭代方法。

RLM的典型行为模式 分析显示，RLM的根LM会采用多种策略与环境交互，包括：

• 窥视：初步查看上下文的结构。
• Grep：使用关键词或正则表达式缩小搜索范围。
• 分区+映射：将上下文分块，并启动多个递归LM调用以并行处理或进行语义映射（如标签）。
• 总结：对上下文子集进行概括。
• 长输入长输出的程序化处理：对于如追踪长Git diff历史等任务，RLM可选择用代码程序化地一次性处理，避免了LM本身处理超长序列的困难。

与现有工作的区别及局限性

• 区别于以任务/问题分解为导向的智能体或上下文管理框架（如MemGPT, LADDER），RLM将上下文本身视为一个待理解的对象，并将分解上下文的决策权完全交给LM。
• 当前实现未优化速度，递归调用是阻塞式的，且缺乏异步处理和前缀缓存，存在大量系统优化空间。

未来展望 作者认为，RLM的性能直接与基础模型的能力挂钩。随着基础LM的进步，RLM能够处理的上下文规模也将相应增长。RLM代表了继思维链推理模型和ReAct式智能体之后，通用推理时缩放的潜在下一个里程碑，其核心在于让LM自身决定如何分解问题以消化上下文。

抗生素耐药性问题比预想更严峻

世界卫生组织最新报告显示，抗生素耐药性的发展速度超出预期。2023年全球实验室检测的感染中，约1/6对抗生素治疗产生耐药性，过去五年近40%用于治疗常见尿路、肠道、血液和性传播感染的抗生素已失效。

主要影响与数据

• 抗生素耐药性每年直接导致约120万人死亡，并间接促成近500万人死亡。
• 问题在低收入和中等收入国家尤为突出，这些地区感染耐药率高达50%-60%。

原因分析

1. 医疗系统薄弱：感染防控、疫苗接种、水和卫生设施不足，易滋生耐药菌。
2. 抗生素滥用：部分国家无需处方即可获得抗生素，导致非必要使用（如用抗生素治疗病毒感染）。
3. 有效药物短缺：低收入国家患者常难以获得一线药物失效后的二线或三线抗生素，导致治疗不足。

前沿挑战

• 监测缺口：2023年48%的国家未向世卫组织报告任何耐药数据，已报告国家中近半缺乏稳健监测系统。
• 新药研发缓慢：全球新型抗生素研发管道不足以应对日益增长的需求。

未来风险

若趋势持续，外科手术安全、化疗等依赖抗生素的现代医疗手段可能面临威胁。专家强调需加强全球监测、合理使用现有抗生素并加速新疗法研发。

Derek Sivers 的数据库与 Web 应用

作者与代码

• 作者为 Derek Sivers。
• 其数据为私有，但代码公开，并在私有服务器上维护主代码库，镜像至 codeberg.org、gitlab.com 和 github.com。
• 代码仓库仅为镜像，作者不监控这些平台，也不接受拉取请求。

数据库核心

• tables.sql 是整个系统的核心，定义了数据库表结构。
• 外键约束可在数据加载后通过 awk 脚本添加。
• reset.sh 脚本用于重新加载所有数据库函数（这些函数存储在“模式”中），而不会丢失表中的数据。该脚本还会创建一个用于测试的数据库副本。

函数与测试

• 通用函数存放在 o/ 目录下的 o 模式中，每个函数通常一个文件（触发器除外）。
• 为每个函数编写了对应的测试文件，存放于 test/ 目录。
• 测试使用 pgTAP 框架，并在与生产库结构相同的测试数据库 (siverstest) 上运行。
• 测试时仅插入最小必要数据，便于隔离理解函数行为。
• 提供了 tap 脚本用于便捷地运行单个或全部测试用例。

核心设计理念：在 PostgreSQL 中处理 HTML 和 HTTP 头

• 与传统方式不同，作者选择直接在 PostgreSQL 函数内部 生成完整的 HTML 响应体，以减少耦合和追求简洁。
• Web 路由器调用这些 PostgreSQL 函数，并直接获得完整的 HTML 响应用于输出。
• HTTP 头也由数据库函数处理。当需要设置状态码（如 404）、Cookie 或重定向（303）时，函数会生成 HTTP 头文本。
• 统一的返回格式：所有 Web 函数返回两列值：head (HTTP 头文本) 和 body (HTML 正文)。
• head 为 null 时使用默认头；head 首行为三位数则用作 HTTP 状态码覆盖。

Web 应用架构

• 存在两个“糖”函数（handler 和 response）用于简化调用和处理 PostgreSQL 返回的 head/body 行。
• Go 语言 用于编写 HTTP 服务器，负责解析请求、调用 PostgreSQL 函数并返回响应。通用的 Go 模块存放在 internal/xx/ 目录。
• 不同的 Web 应用拥有独立的 模式（schema）目录，用于存放各自相关的函数和测试：
  • ding/：社交监听
  • me/：sive.rs 个人站点
  • mynow/：my.nownownow.com
  • nnn/：nownownow.com
  • peep/：联系人/邮件
  • storm/：商店管理

其他

• 作者欢迎就编程问题进行交流。

文章摘要

本文探讨了美国社会对超加工食品形成普遍依赖现象背后的复杂原因，综合了来自营养学、食品政策、心理学、历史学及食品工业等多领域专家的观点。

核心内容与视角

• 定义与范围：文章明确研究对象为超加工食品（如含大量添加剂、经过多重工业加工的即食食品、含糖饮料等），并分析了其在美国饮食中日益增长的主导地位。
• 成瘾机制：探讨了食品工业如何通过精心设计配方（如特定的糖、脂肪、盐和添加剂组合）来增强食品的成瘾性，影响消费者的饮食习惯和依赖。
• 商业与营销策略：分析了食品公司的营销手段，包括针对儿童的广告、产品可及性的提升以及价格策略，如何塑造了美国人的食品选择。
• 历史与社会文化因素：从历史和社会角度审视了美国饮食结构的变迁，包括食品加工技术的进步、生活方式改变（如快节奏生活）、以及这些因素如何共同促成了超加工食品的流行。
• 政策与监管环境：讨论了美国食品和药物管理局（FDA） 等监管机构在食品添加剂审批和标识方面的作用，以及相关政策环境对食品供应的影响。
• 健康与社会影响：关联了超加工食品的过度消费与肥胖、糖尿病等慢性疾病发病率上升等公共健康问题。
• 解决方案探讨：文章隐含或提及了专家们可能提出的建议，例如加强监管、改进食品标签、开展公众教育、以及推动更健康的食品选择等。

涉及的专家与领域

本文采访和援引了广泛的权威人士，其专业背景覆盖了问题的各个层面：

• 营养与公共卫生：如Marion Nestle、Barry Popkin等教授，从科学角度分析超加工食品的健康影响。
• 食品政策与监管：如前FDA局长David Kessler、营养学家Michael Jacobson等，从政策与监管角度进行分析。
• 心理学与行为科学：如Tera Fazzino教授，从心理成瘾机制层面解读。
• 食品工业与科学：如前食品公司高管John Ruff，提供行业内部视角。
• 历史与文化研究：如烹饪历史学家Laura Shapiro、历史学家Helen Zoe Veit，提供历史变迁脉络。
• 调查与报道：如调查记者Michael Moss，揭露食品工业内部实践。

文章通过整合这些多元视角，系统地揭示了美国深度依赖超加工食品是商业利益驱动、技术发展、政策导向、社会文化变迁及个体心理机制共同作用的结果，并指出了其带来的严峻公共健康挑战。

Caddy 项目宣布了其维护者团队的下一步计划。核心变化是，项目创始人将不再亲自处理所有评论、问题或PR，而是将标签（tag）和发布（release）权限正式授予维护者团队。同时，社区将在项目领导中扮演更积极的角色。这些举措旨在提高项目的“巴士因子”（Bus Factor），即降低对单一关键人物的依赖，从而进一步推动项目的发展。

核心概念

传统浏览器代理在执行任务时通常是无状态的，缺乏记忆与适应能力，操作失败或页面微调就容易中断。本文提出了一种有状态浏览器代理，它通过引入“自我修复的DOM地图”来记忆操作历史、适应界面变化，从而更可靠地执行复杂任务。

关键问题与方案

传统代理的缺陷：

• 无记忆：每次操作独立，无法借鉴历史经验。
• 脆弱性：依赖固定的元素定位器（如XPath、CSS选择器），网页结构稍有变化就会失效。
• 效率低：遇到错误需从头开始，无法从中间状态恢复。

新方案的核心组件：

1. 持久化状态记忆：代理会保存完整的操作历史记录（包括所有交互的上下文和结果），形成可查询的“任务记忆”。
2. DOM地图：创建一个动态映射图，将用户可理解的语义描述（如“登录按钮”）与网页的DOM元素标识符（如XPath）关联起来。
3. 自我修复机制：当DOM地图中的映射因页面更新而失效时，代理不会报错，而是利用记忆和DOM分析能力，自动推断并更新映射关系。

工作原理

1. 初始化：用户下达任务指令（例如：“在某个网站上购物”）。代理将其分解为子步骤。
2. 状态感知：代理在执行每个步骤前，先回顾其状态记忆，判断任务进度，避免重复操作。
3. 语义定位：使用语义化的DOM地图查找要交互的元素，而非脆弱的原始选择器。
4. 执行与记忆：执行操作（如点击、输入），并将该操作的成功上下文和结果存入记忆。
5. 自我修复：如果执行时发现元素定位失败（如按钮ID改变），代理会：
   • 分析页面当前结构。
   • 结合记忆中的相似操作和页面上下文，推测出新元素的位置。
   • 更新DOM地图中的映射，完成修复。
   • 然后继续执行任务，而非终止。

优势与意义

• 鲁棒性增强：能够应对网页的动态变化和细微调整，任务完成率显著提高。
• 任务连续性：支持跨会话的长周期复杂任务，代理能“记住”自己做到哪一步。
• 效率提升：减少了因页面变化导致的人工干预和重启次数。
• 更接近人类交互方式：人类会记得“上次登录按钮在哪”，即使它换了位置也能快速找到；该代理模拟了这种能力。

总结

该研究将浏览器代理从一次性的“命令执行器”转变为具备记忆和适应能力的“有状态协作者”。通过状态记忆与可自我修复的DOM地图的结合，它重新定义了AI代理与网页交互的可靠性，为自动化处理更复杂、多变的网络任务奠定了基础。

Coral NPU: 面向边缘AI的全栈平台

核心理念与挑战

生成式AI的进步推动着将智能嵌入个人设备的需求。为实现主动辅助的全天候、隐私优先的边缘AI体验，必须解决三大核心挑战：

1. 性能差距：复杂ML模型的计算需求远超边缘设备的功耗、散热和内存限制。
2. 生态碎片化：为多样化的专有处理器编译和优化ML模型成本高且困难。
3. 用户信任缺失：个人AI需优先保障数据和上下文的隐私与安全。

Coral NPU：AI优先的架构

Coral NPU旨在通过软硬件协同设计，解决传统计算单元（通用CPU与专用加速器）之间的权衡问题以及软件生态的碎片化。

• 架构核心：它是一种颠覆性的AI优先硬件架构，将机器学习矩阵引擎置于首位，而非标量计算，从而为更高效的端侧推理进行从硅片开始的优化。
• 设计基础：基于一组符合RISC-V指令集（ISA）的架构IP构建块，专为最小化功耗设计，适用于始终在线的环境感知应用。基础设计可在仅消耗几毫瓦功耗的条件下，提供约512 GOPS（每秒千兆次操作）的性能。
• 开源与灵活：基于RISC-V的开放可扩展架构，允许片上系统（SoC）设计者修改基础设计或将其用作预配置的NPU。
• 关键组件：
  • 标量核心：轻量、可C语言编程的RISC-V前端，管理数据流，采用“运行至完成”模型实现超低功耗。
  • 矢量执行单元：符合RISC-V矢量指令集（RVV）v1.0的单指令多数据（SIMD）协处理器，可同时处理大型数据集。
  • 矩阵执行单元：专为加速基础神经网络操作（如量化外积乘积累加）而设计的高效引擎（仍在开发中，计划于今年晚些时候发布）。

统一的开发者体验

Coral NPU提供简洁的、可C语言编程的目标平台，旨在简化ML模型的编程并实现跨硬件的一致体验。

• 软件工具链：包括TFLM编译器、通用MLIR编译器、C编译器、自定义内核和模拟器。
• 工作流程示例：来自JAX等框架的模型，首先通过StableHLO方言导入MLIR格式。然后通过IREE编译器进行处理，该编译器使用硬件特定插件识别Coral NPU架构。随后进行渐进式降低（progressive lowering）优化，最终生成可在边缘设备上高效执行的紧凑二进制文件。
• 框架支持：无缝集成现代编译器（如IREE和TFLM），从而轻松支持TensorFlow、JAX和PyTorch等ML框架。
• 协同设计重点：1) 高效加速当前设备端视觉和音频应用的编码器架构；2) 与Gemma团队紧密合作，为小型Transformer模型优化，旨在成为首个支持将大型语言模型（LLM）带入可穿戴设备的开源、基于标准的低功耗NPU。

目标应用

专注于实现超低功耗、始终在线的边缘AI应用，核心目标是为可穿戴设备、手机和物联网（IoT）设备启用全天候AI体验，同时最大限度地降低电池使用。

• 上下文感知：检测用户活动、邻近度或环境。
• 音频处理：语音检测、关键词识别、实时翻译、转录等。
• 图像处理：人/物体检测、人脸识别、手势识别等。
• 用户交互：通过手势、音频提示或其他传感器输入进行控制。

硬件强制隐私

Coral NPU的核心原则是通过硬件强制安全性建立用户信任。架构设计支持CHERI等新兴技术，提供细粒度的内存级安全性和可扩展的软件分区，旨在将敏感的AI模型和个人数据隔离在硬件强制的沙箱中，以抵御基于内存的攻击。

生态系统建设与合作

开源硬件项目的成功依赖于强大的合作伙伴关系。

• 首个战略硅合作伙伴：与Synaptics合作。在今天的Tech Day上，Synaptics宣布推出全新的Astra™ SL2610系列AI原生物联网处理器，其产品线搭载了采用Coral NPU架构的Torq™ NPU子系统——这是业界首个Coral NPU架构的量产实现。该NPU设计支持Transformer和动态算子，助力开发者构建面向未来的消费和工业物联网边缘AI系统。
• 统一开发体验：Synaptics的Torq™边缘AI平台建立在基于IREE和MLIR的开源编译器和运行时之上，体现了双方对统一开发者体验的承诺，是推动建立共享开放标准的重要一步。

总结

Coral NPU旨在为个人AI的未来构建基础层。其目标是通过提供一个通用、开源且安全的平台，培养一个充满活力的生态系统，赋能开发者和硅片供应商超越当前的碎片化格局，在边缘计算领域围绕共享标准进行协作，从而加速创新。

数学家发现了一种通用的“隐藏复位按钮”，可以撤销几乎任何物体的旋转，无需逐步进行相反动作。瑞士日内瓦大学的Jean-Pierre Eckmann和韩国蔚山科学技术院的Tsvi Tlusty提出，通过缩放初始旋转角度并重复两次，即可将物体恢复到原始位置。

方法原理
直观上，撤销复杂旋转序列需要精确执行逆序操作，但研究人员发现，对于任意旋转序列，只需将所有旋转角度乘以一个公共缩放因子，然后重复该序列两次，物体就能返回起点。例如，如果初始旋转为四分之三圈，缩放到八分之一圈后重复两次，相当于额外旋转四分之一圈，从而抵消初始旋转。该方法适用于多种旋转物体，如陀螺、量子比特、陀螺仪或机械臂。

数学基础
证明基于三维旋转空间SO(3)，这是一个抽象数学空间，结构类似于一个球体。在SO(3)中，任何旋转序列对应于从球心到球内某点的路径；撤销旋转意味着找到返回球心的路径。研究者意识到，将旋转“撤销一半”等价于找到到达球面的路径，这比直达球心更易实现，因为球面包含多个点。

证明细节
Eckmann和Tlusty结合了19世纪的罗德里格斯公式（用于组合两个旋转）和1889年的数论定理，证明所需的缩放因子几乎总是存在。这一过程涉及对SO(3)空间结构的深入分析，确保了在大多数情况下复位方案的可行性。

潜在应用
该发现可能在多个领域产生实际影响：

• 核磁共振（NMR）与磁共振成像（MRI）：在NMR中，外部磁场会旋转量子自旋；新方法有助于开发程序，撤销干扰成像过程的无用自旋旋转。
• 机器人技术：例如，滚动机器人可通过“滚动-重置-滚动”的重复运动实现持续路径执行；形态可变的机器人能通过形状变化跟随任意路径。

这一成果展示了经典旋转研究的数学丰富性，并为旋转控制提供了新工具。

ImapGoose 概述

ImapGoose 是一款小型程序，用于将本地邮箱与 IMAP 服务器持续保持同步。它以守护进程形式运行，同时监控 IMAP 服务器和本地文件系统，并在检测到变更时立即进行同步。当服务器收到新邮件或在其他客户端删除邮件时，本地文件系统通常会在一秒内反映这些变化。

核心特性与优化

ImapGoose 针对减少网络流量和任务处理进行了高度优化，但仅支持 2005 至 2009 年间标准化的现代 IMAP 扩展的服务器。主要依赖的扩展包括：

• CONDSTORE (2006)：允许增量同步，仅请求自上次状态（HIGHESTMODSEQ）以来的变更，避免下载完整邮件列表。
• QRESYNC (2008)：提供已删除邮件列表（VANISHED），实现高效删除同步。
• NOTIFY (2009)：允许客户端请求服务器主动通知指定邮箱的变更，实现近乎实时的同步，且支持单连接监控多个邮箱。

工作模式

1. 启动与监控：启动后，程序会列出服务器和本地文件系统中的所有邮箱，并立即开始通过 NOTIFY 监控服务器、通过 inotify/kqueue 监控本地文件系统，确保任何后续变更都能被捕获。
2. 同步策略：
   • 首次同步时，下载整个邮箱的邮件并存储 HIGHESTMODSEQ。
   • 后续同步时，仅使用 HIGHESTMODSEQ 请求增量变更，极大提升效率。
   • 对于本地文件系统的单个文件变更，触发“定向同步”，仅同步该特定邮件。
3. 任务队列与去重：内部使用任务队列管理同步任务。通过一个“分发器”避免对同一邮箱的并发同步，并对多个变更通知进行去重，确保同一邮箱在最终变更后只进行一次同步。
4. 断线重连：在网络中断（如笔记本休眠、断网）时，采用指数退避策略（从1秒逐步增加至最多17分钟）自动尝试重连，无需用户干预。

技术实现

• 状态数据库：维护一个小型数据库，记录服务器 UID 与本地文件名之间的映射关系以及最后同步状态。
• 连接管理：监控连接通过定期发送 NOOP 保持活跃，而工作连接在空闲时会超时断开，需要时重新建立，以避免不必要的资源消耗。
• 底层库：基于 Go 语言的 go-imap 库构建。作者为此库贡献了 NOTIFY 和 VANISHED 命令的支持补丁。

设计哲学与开发背景

ImapGoose 的设计灵感来源于 OfflineIMAP 等现有工具，但其目标是解决现有工具在实时同步、依赖现代扩展、处理网络超时方面的不足。作者采用严格限制使用场景（单一用途、不兼容旧服务器）的策略，以换取开发速度和代码简洁性。配置采用简洁的 scfg 格式。

开源信息

ImapGoose 是开源软件，采用 ISC 许可证，源代码通过 Git 分发。

本文分析了YouTube网络动画《Skibidi Toilet》如何成为阿尔法一代的文化现象，并解读其作为“怪物数字”产物所反映的社会政治焦虑。

作品概述

《Skibidi Toilet》是一部由格鲁吉亚动画师Alexey Gerasimov（DaFuq?!Boom!）使用Source Filmmaker工具制作的系列动画。作品从2023年初的短视频发展而来，讲述了以人头马桶（由G-Toilet领导）为反派的势力，与拥有摄像头、电视和扬声器头部的机械人形联盟（联盟军/摄像头头）之间不断升级的战争。场景设定在缺乏自然植被的灰色都市“大都会”，主题曲融合了《Give It to Me》和《Dom Dom Yes Yes》。随着人气增长，剧集格式从竖屏短视频转变为更精致的宽屏长片。

“怪物数字”与监控焦虑

文章提出“怪物数字”概念，指该作品及其内容都深植于数字空间，其怪物形象模糊了有机体、机械与数字的界限。联盟军（摄像头头）被解读为人类创造的监控技术拟人化产物，它们体现了：

1. 技术融合的不安：人类可能已与监控媒体技术深度融合，这些技术既是保护工具也是威胁，反映了“媒体生活”中自我成为永恒数字档案一部分的困境。
2. 监控资本主义与生态危机：灰色无自然的景观暗示了全球监控装置和企业对自然世界的摧毁。监控技术的权力与环境破坏相联系，作品也触及了后9/11政治、气候变化和疫情风险等塑造阿尔法一代意识的背景。
3. 后人类模糊性：怪物并非全然外在，而是人类潜在的演变方向。观众对联盟军是“拯救者”还是“压迫者”的不同解读，体现了文本的多义性。

时代精神与文化表征

《Skibidi Toilet》被视为阿尔法一代（21世纪出生、成长于数字环境的一代）的独特表达：

• 无对话的暴力叙事：其“爆炸性、暴力且无对白”的特质吸引了全球年轻受众。
• 对文明的隐喻：人头马桶象征着对现代卫生文明的怪诞颠覆，可能反映疫情带来的社会崩溃焦虑。
• 建筑与废墟：高楼大厦的景观，包括对世贸中心的暗示，与文明傲慢、衰落及“反恐战争”后遗症相联系。
• 玩家/观众的共谋：作为参与式文化的极端案例，观众同时是生产者和消费者，共同塑造了这一数字叙事。

结论认为，《Skibidi Toilet》以其荒诞的怪物形象，成为阿尔法一代对新兴人工智能生命形式及潜在反乌托邦未来进行创意表达的载体，是承载其文化焦虑与恐惧的、充满活力的文化产物。

Ruth Selman shares an exciting update to her previous blog post about a 17th-century letter written in cipher.

Modshim：Python 模块增强新方案

Modshim 是一个 Python 库，提供了一种无需修改源代码即可增强现有模块的“干净”方案，是猴子补丁、代码复刻和代码复制的替代选择。

核心功能

该库通过创建一个融合了原始模块与自定义增强功能的“垫片”模块来工作。其主要应用场景包括：

• 为第三方库修复错误。
• 修改现有函数的行为。
• 为现有类添加新功能或选项。
• 以隔离方式测试替代实现。

关键优势在于，原始模块始终保持不变，避免了全局污染。

基本用法

1. 创建增强模块：编写一个 Python 模块，其结构镜像要增强的原始模块，并仅重新定义需要修改的部分。通常通过子类化原始类来实现。
2. 应用垫片：使用 modshim.shim() 函数，指定原始模块（lower）、增强模块（upper）和新合并模块的挂载点（mount）。
3. 使用增强模块：从新创建的模块名导入，即可使用增强功能。原始模块的导入不受影响。

高级应用

1. 创建增强包：可以在一个独立的包内直接调用 shim()，将包自身作为 mount 点。用户只需导入该包，即可自动获得增强功能。
2. 覆盖原始模块名：通过将 mount 参数设置为与 lower 相同的模块名，可以透明地替换原始模块。所有后续对该模块的导入（包括第三方库内部）都会使用增强版本。此功能适用于需要全局应用安全补丁等场景，但需谨慎使用以确保完全向后兼容。
3. 重写第三方包的导入：使用 extras 参数指定需要重写导入的第三方包列表。这使得这些包在内部导入被垫片化的模块时，也会使用增强版本。

工作原理

Modshim 通过扩展 Python 的导入系统实现，在 sys.meta_path 中安装了一个自定义的导入查找器。

• AST 重写：加载模块源代码时，Modshim 会解析并转换导入语句和模块引用，使其指向挂载点，从而确保内部引用的一致性。
• 工作模块机制：当增强模块需要导入原始类（如用于子类化）时，Modshim 会提供原始类的“工作”副本，避免循环引用。
• 性能：增强模块首次导入时，AST 重写会带来轻微性能开销，但重写后的代码会作为字节码缓存，后续导入无此开销。整个过程线程安全且不修改磁盘上的源代码。

与其他方法的对比

• ** vs 猴子补丁**：猴子补丁全局污染模块，影响所有代码，且脆弱易坏。Modshim 创建隔离的新模块，清晰且可维护。
• ** vs 代码复刻**：复刻需要承担整个库的维护和更新合并负担，且易导致分歧。Modshim 提供轻量级替代方案，保持更改隔离，并易于跟进上游更新。
• ** vs 代码复制**：复制（供应商化）需要维护依赖副本。Modshim 无需维护副本，更易更新底层库，分离更清晰。

european.cloud: 欧洲云服务提供商目录

网站定位与核心内容

european.cloud 是一个私人独立项目，旨在提供一份经过筛选的、基于欧盟的云服务提供商目录。网站关注的重点是，在提供基础 IaaS 服务（如虚拟机、托管数据库）的欧洲云提供商生态中，各提供商在 PaaS、人工智能和无服务器服务方面的差异。

主要栏目

网站设有 “欧洲云与AI头条新闻” 板块，汇集关于欧洲云、AI和科技领域最新动态的新闻与观点文章。

近期重要新闻概览

以下是该网站展示的部分近期重要新闻与分析：

1. 欧盟云主权框架：欧洲委员会于2025年10月引入了一项具有约束力的云主权框架，用于定义和评估云服务的数字主权。
2. STACKIT发展看好：由施瓦茨数字集团推出的STACKIT，凭借其规模、愿景和创新能力，被认为将在欧洲云市场中扮演重要角色。
3. 德国AI初创公司估值飙升：柏林AI专家Parloa成功融资3.5亿欧元，估值在八个月内翻了三倍，达到30亿欧元，使柏林的独角兽企业数量增至23家。
4. 施瓦茨集团整合AI资源：施瓦茨集团计划收购博世创投在德国AI公司Aleph Alpha的股份，进一步巩固其对该公司的影响。
5. 法国弃用海外会议软件：出于安全考虑，法国计划到2027年用本国开发的视频会议服务Visio替代Microsoft Teams和Zoom。
6. 欧盟对Grok启动调查：欧洲委员会已根据《数字服务法案》对xAI的Grok功能启动正式程序，以评估其在生成色情图像方面的合规性。

https://znetwork.org/znetarticle/andre-gorz-was-the-theorist-who-predicted-the-revolt-against-meaningless-work/

本文介绍了在Clojure中编写智能调试宏的进阶技巧，重点是如何让通用的调试标签#p在线程宏（-> 和 ->>）中正确工作。

作者最初使用hashp（一个类似#p的调试工具）来打印变量值和原始表达式，提高调试效率。其底层实现是一个简单的宏，通过reader标签进行替换。

然而，当尝试将#p标签应用于->（线程优先）宏时，会引发语法错误。原因是reader标签在宏展开之前被替换，导致宏结构被破坏。为了解决这个问题，作者首先为->宏专门设计了一个#p->标签，并可以通过类似的逻辑为->>创建另一个标签。但这意味着需要为不同的线程宏维护多个调试标签，不够通用。

文章的核心创新点在于提出了一种通用解决方案。其关键思路是使用一个“探测函数”来检测调试标签所处的宏上下文：

1. 定义一个匿名函数，它接受两个参数。
2. 在宏中，用一个特殊值（如::undef）立即调用该函数，使其只接收一个参数。
3. 函数内部检查特殊值出现在哪个参数位置：
   • 如果出现在第一个参数位置，说明代码处于->>（线程后）宏中。
   • 如果出现在第二个参数位置，说明代码处于->（线程优先）宏中。
   • 如果函数只接收到一个参数（即特殊值），则说明没有处于任何线程宏中，按普通模式工作。

通过这种方法，作者成功实现了一个单一的、通用的#p标签。它现在可以无缝地在普通表达式、->宏和->>宏中工作，正确打印调试信息而不会破坏代码结构。该功能现已作为**Clojure+**工具包的一部分提供。