112 Cent

A deep dive into the text mode editors we had and how they compare to today's

"The problems are tractable, but they're still difficult”

Anthropic 推出了 Claude Skills，这是一种让其模型能够加载特定技能以提升任务表现的新模式。技能本质上是一个文件夹，包含指令、脚本和相关资源，Claude 仅在需要时访问相关技能。例如，可创建针对Excel操作或遵循品牌指南的专用技能。

技能概念非常简单：核心是一个描述如何执行任务的Markdown文件，可选地附带额外文档和预写脚本。Claude的代码解释器新功能（支持PDF、DOCX等文件创建）正是通过技能实现的，并已在Anthropic的GitHub仓库中开源。

在技术实现上，Claude会话开始时，系统会扫描所有可用技能文件，并从Markdown文件的YAML前置元数据中读取简短说明。这非常节省token：每个技能仅占用少量token，仅当用户请求相关任务时才会加载完整技能详情。

技能演示了强大的自动化潜力。例如，使用slack-gif-creator技能，用户只需描述需求，Claude即可生成符合Slack尺寸限制的GIF动画。这体现了技能易于迭代和改进的特性。

然而，技能功能的实现完全依赖模型具备文件系统访问、导航以及执行命令的能力。这是与MCP（模型上下文协议）和ChatGPT插件等其他方案的关键区别，也是其强大能力的基础。作者认为，这进一步证明了为LLM提供安全编码环境的必要性，尽管如何有效沙箱化以限制安全风险仍需探索。

与MCP的比较是关键点。MCP协议自发布以来备受关注，但其主要缺点在于token消耗巨大（如GitHub官方MCP占用过多上下文空间）。相比之下，技能更轻量高效，且实现简单——本质上只是描述任务的Markdown文件加可选脚本。此外，技能与编码环境工具（如CLI工具）结合良好，后者已被证明能有效扩展LLM能力。

技能的设计优势在于其极致的简单性。它将复杂任务外包给LLM运行环境和模型本身，无需像MCP那样定义复杂的协议规范（涵盖客户端、服务器、传输等）。这种“提供文本，让模型自行处理”的方式更贴近LLM的运作精神。

技能还具有出色的可共享性和跨模型兼容性。只需一个技能文件夹，即可与Codex CLI、Gemini CLI等其他模型和工具无缝协作。作者预测，技能的易创建和共享特性将引发比当前MCP热潮更广泛的创新与应用。

最终，作者重申，技能的核心优势在于其简单、轻量，并充分利用了现有LLM的工具使用和环境交互能力，为构建各类专用“智能体”（如数据新闻智能体）提供了一条便捷路径。

Ripgrep 15.0 版本摘要

ripgrep 15 是一个主要版本发布，主要包含错误修复、少量性能改进和次要新功能。ripgrep 是一个面向行的搜索工具，可递归搜索当前目录以查找正则表达式模式，默认遵守 gitignore 规则并自动跳过隐藏文件/目录和二进制文件。

版本亮点

• 修复了多个与 gitignore 匹配相关的错误，包括一个常见报告的关于父目录 gitignore 规则应用的问题。
• 修复了处理非常大的 gitignore 文件时的内存使用回归问题。
• 现在 rg -vf file（其中 file 为空）会匹配所有内容。
• -r/--replace 标志现在可与 --json 配合使用。
• 部分 Jujutsu (jj) 仓库现在被视为 git 仓库，ripgrep 将遵守 jj 的 gitignore 规则。
• Glob 模式现在支持嵌套花括号。

平台支持

• 新增：Windows 平台的 aarch64 架构现在有发布产物。
• 移除：不再为 powerpc64 架构生成发布产物（CI 发布工作流停止工作，且维护者认为不值得调试）。
• ripgrep 二进制文件现已启用完整 LTO 编译，可能带来小幅性能提升和二进制文件大小的适度减小。

性能改进

• PERF #2111：在未使用 -z/--search-zip 时，不解析 Windows 上的辅助二进制文件。
• PERF #2865：在输出超链接时避免在 Windows 上使用路径规范化。
• PERF #3184：改进了使用 -A/--after-context 时处理大值的性能。

错误修复

主要修复涵盖以下领域：

• Gitignore 规则处理：修复了来自父目录的 gitignore 规则应用问题、大文件内存使用回归、UTF-8 BOM 标记处理、绝对路径下的全局 gitignore 问题、白名单隐藏文件的祖先忽略过滤器错误等。
• 命令行行为：使 rg -vf file（空文件）匹配所有内容；修复了 -m/--max-count 和 -U/--multiline 显示过多匹配的问题；修正了 -q --files-with-match 导致退出代码反转的错误；解决了 -U/--multiline 与 -r/--replace 组合使用时可能引发的 panic。
• 输出与统计：修复了 --stats 输出中“已搜索字节数”可能不正确的问题；解决了使用 -r/--replace 时行终止符未保留的问题；修正了 --json 标志下不正确的汇总统计信息。
• 其他：修复了以 . 结尾的 glob 处理错误；在 roff 文本（man 页面）中转义了标志名称中的连字符；在 macOS aarch64 发布产物中静态编译了 PCRE2；解决了大型正则表达式在大型输入数据上可能引发的罕见 panic。

功能增强

• 文件类型与过滤：更新了默认的文件类型过滤列表。
• 标志与选项：
  • -r/--replace 现在可与 --json 一起使用。
  • --color 样式属性新增了斜体（italic）选项。
  • 添加了高亮颜色类型，用于在匹配行中样式化非匹配文本。
• Glob 模式增强：Glob 模式（及 globset crate）现在支持嵌套交替（nested alternates）。
• 仓库支持：包含 .jj 目录的目录现在被视为 git 仓库。
• 多线程行为：使用多线程时，将按照命令行给出的顺序安排文件搜索。
• 平台支持：为 Windows 添加了 aarch64 发布产物。
• Shell 补全：
  • fish shell 的补全现在会考虑 ripgrep 的配置文件。
  • 改进了 bash 和 fish 中 --hyperlink-format 的补全。
  • 改进了 zsh 中 --hyperlink-format 的补全。

加里·拉森（Gary Larson）澄清，“新作品”栏目并非《The Far Side》日常漫画的回归，而是他个人进入数字艺术领域的探索成果。他在漫画联合发布生涯结束十五年后，因一次钢笔堵笔的烦恼，尝试使用数字绘图板，意外重拾了绘画的乐趣。这些作品源于他对数字工具的实验与学习，过程充满冒险感，且没有截稿压力。他感谢那支堵住的钢笔，促成了这次新的创作旅程。

根系绘图概述

根系绘图是植物学、农业和生态学研究中用于记录、分析和展示植物根系形态结构的重要方法。它通过可视化手段，帮助研究人员理解根系的生长模式、空间分布及其与环境因素的相互作用。

主要目的

• 科学研究：量化根系特征（如长度、密度、分支模式），用于比较不同物种、品种或环境条件下的根系发育。
• 农业生产：优化作物种植和灌溉策略，评估根系对土壤养分和水分的吸收效率。
• 生态评估：分析植物在生态系统中的稳定性、土壤固持能力以及对气候变化的响应。

常见绘图类型

• 二维（2D）绘图：通过手绘或软件生成平面图，适用于展示根系在土壤剖面中的分布。常用工具包括绘图软件（如Adobe Illustrator、Rootfly）或传统手绘方法。
• 三维（3D）建模：利用计算机断层扫描（CT）、磁共振成像（MRI）或专用软件（如Rhinoceros 3D）构建根系立体模型，提供更详细的空间结构信息。
• 示意与分析图：突出关键特征，如根尖位置、菌根共生区域或损伤部位，常用于教育和报告。

绘图技术与工具

• 田间与实验室方法：包括挖掘法（直接观察）、土壤切片法和透明容器栽培法（如根窗）。
• 软件辅助：使用ImageJ、WinRHIZO等图像分析工具测量根系参数；GIS软件可整合地理空间数据。
• 标准化绘图：遵循科学绘图规范，如标注比例尺、使用统一符号和颜色编码以表示不同根类型或状态。

关键考虑因素

• 准确性：确保绘图真实反映根系自然形态，避免夸大或忽略细微结构。
• 可重复性：记录绘图方法、采样条件和分析参数，便于其他研究者验证。
• 应用场景：根据研究目标选择合适的绘图维度和详细程度，例如教学用途可能简化示意图，而研究论文需提供高分辨率原图。

根系绘图作为基础研究与应用科学的桥梁，持续推动着对植物地下部结构与功能的理解。

https://datamethods.substack.com/p/sql-anti-patterns-you-should-avoid

OpenAI未来12个月需要4000亿美元：关键要点与批判分析

OpenAI的承诺与规模

• OpenAI宣布计划到2033年建设250吉瓦的数据中心容量，预计耗资10万亿美元，相当于美国2024年GDP的三分之一。
• 当前全球数据中心总容量约55吉瓦，OpenAI计划在8年内单独新增相当于全球现有容量5倍的规模。
• 具体承诺包括：与Broadcom、AMD、NVIDIA合作，在2026年底前完成至少10吉瓦的定制芯片和数据中心部署，其中部分项目明确在2026年下半年启动。

资金需求与现实缺口

• 短期资金需求：作者估算OpenAI未来12个月至少需要4000亿美元，用于：
  • 建设1吉瓦数据中心（约500亿美元/吉瓦）给Broadcom、NVIDIA、AMD；
  • 支付2026年计算成本（400亿美元）；
  • 覆盖销售、营销、薪酬等其他开支。
• 收入与成本失衡：OpenAI 2025年上半年研发支出67亿美元，营销支出20亿美元，但同期收入仅约53亿美元，且全年收入目标130亿美元尚未实现。
• 融资挑战：4000亿美元超过2024年全球风险投资总额（3680亿美元），需要连续多次完成史上最大规模的数据中心融资，对金融市场构成巨大压力。

技术、时间与供应链障碍

• 建设周期：1吉瓦数据中心至少需2.5年建设，但OpenAI承诺在2026年底完成多个项目，时间严重不足。
• 供应链限制：所需变压器、电工钢、专业人才短缺，无法支持快速扩张。
• 能源需求：实际运营需预留冷却等额外电力，1吉瓦IT负载可能需1.2-1.3吉瓦总电力，而许多项目地点尚未确定或已开工。

批判性论点

• 不可行的承诺：作者认为OpenAI、NVIDIA、Broadcom、AMD的承诺纯属“市场操纵”，所有时间节点和资金安排均不现实。
• 需求与回报不匹配：ChatGPT周活用户达8亿，但增长无法支撑如此庞大的基础设施投资；GPT-4.5、Sora 2等产品表现未达预期，研发投入产出比低。
• 财务风险：OpenAI若未能在2026年10月前转为营利性结构，2024年66亿美元融资将转为债务；同时面临与Oracle、CoreWeave等公司的巨额支付压力。
• 系统性风险：OpenAI的扩张计划可能吸收全球大量资本，影响金融市场稳定，且无法持续。

结论

• OpenAI的扩张计划在资金、时间、技术上均不现实，依赖不断增长的市场信心维持，一旦信心动摇可能崩溃。
• 作者强调这是“巨大的、自私的资金与时间浪费”，最终可能损害散户投资者利益，并呼吁公众和媒体更严肃地审视这些承诺的可行性。

总结基于原文内容，聚焦OpenAI的资金需求、承诺规模、现实障碍及作者批判观点，未添加个人判断或外部信息。

芯片晶圆照片收藏项目摘要

这是一个由 Pauli Rautakorpi 创建的 CPU 及其他芯片的晶圆照片 公共收藏项目。其主要目标是尽可能多地拍摄并展示各类芯片的晶圆结构。该项目以清晰、有组织的方式呈现照片，方便查看者按芯片类别和家族浏览。

主要内容与结构

该收藏按 芯片架构、制造商和功能 进行分类，涵盖了从早期经典型号到较新型号的广泛范围。主要类别包括：

1. x86 架构及其兼容芯片

   • 8086/8088 系列：包括来自三菱、西门子、AMD、富士通、NEC、OKI 等制造商的版本，以及 8087 协处理器。
   • 80186/80188 系列：Intel 和 AMD 的型号。
   • NEC V30/V50/V53：NEC 的 x86 兼容处理器。
   • 80286 系列：Intel 的早期、标准和晚期版本，以及 AMD、Harris 的兼容型号，还有 80287 协处理器。
   • 80386 系列：包括 DX、SX 及 AMD 的兼容型号，以及 80387 及其兼容型号。
   • 80486 系列：Intel 的 DX2、DX4、SX、SX2 型号，以及 AMD、Cyrix、TI、ST、UMC 的众多兼容产品。
   • Pentium 及后续系列：Intel Pentium (P54C/P54CS)、Pentium MMX (P55C)，AMD K5，Cyrix 5x86/6x86/MediaGX，IDT WinChip，以及 Athlon XP (Thoroughbred/Barton)。

2. 其他 CPU 与浮点处理器 (FPU)

   • AMD Am29000 系列。
   • Intel i860 和 i960 系列。
   • DEC PDP-11 兼容芯片（包括美制和苏联制型号）和 DEC VAX 系列。
   • DEC Alpha 处理器（21064、21164 等）。
   • HP PA-RISC 处理器（PA-7000 至 PA-7300LC）及其他 HP 专用处理器。
   • Motorola 68000 家族（从 68000 到 68060），包括 68881/68882 FPU。
   • Motorola 683xx 系列：集成处理器单元。
   • Motorola 88000 (88k) 和 PowerPC 603。
   • MIPS 架构：R3000、R4000、R5000、R10000 系列处理器及 FPU。
   • SPARC 架构：来自 Cypress/Sun、Fujitsu、TI、Weitek、LSI Logic 等公司的型号。
   • ARM 架构：如 GPS ARM610。
   • 其他：包括 Bull、DGC、Fairchild、Inmos Transputer、Clipper、Intersil、MOS 6502、National Semiconductor NS32k 系列、nCUBE、NEC V60、Pyramid、RCA、Signetics、Unisys、Zilog Z8002 等。

3. 特定功能处理器

   • 位片处理器：如 AMD Am2901 系列。
   • 通用浮点单元 (FPU)：如 AMD Am9511A、TI SN74ACT8847。
   • 浮点算术逻辑单元 (ALU) 与乘法器：如 AD 和 BIT 系列。
   • 数字信号处理器 (DSP)：包括 AD (ADSP-21xx 系列)、AT&T (DSP16/32)、Butterfly、Motorola (DSP56001/96002)、NEC 和 TI (TMS320 系列，覆盖多个代次) 的众多产品。
   • 微控制器：包括 Intel (MCS-48/51)、AMD、Fujitsu、NEC、Microchip (PIC)、Motorola (6803/701/705 系列)、Rockwell、TI (TMS1000) 和 AT&T BELLMAC-4。
   • 图形与显示处理器：包括 DEC、HP、Intel、SGI、Trident 的 GPU 及相关芯片，以及 C-Cube 的 JPEG/MPEG 编解码器和 IIT 的视觉处理器。

4. 系统支持芯片

   • 缓存控制器：用于 DEC、Intel、Motorola、Ross、TI 处理器。
   • 存储器管理单元 (MMU)：用于 Bull、Motorola、National Semiconductor、Pyramid 处理器。
   • DMA 控制器：如 Intel 8089、Motorola 68440/450。
   • 总线/接口控制器：包括 SCSI、HP-IB、并行接口等。
   • 中断控制器：如 NS32202。
   • 网络控制器：如 AMD LANCE (以太网)、Intel 82586/82596 (以太网)、Motorola 68605 (X.25)。
   • 存储器芯片：如 Intel 27256 EPROM。
   • 加密处理器：如 WE 229G。
   • 其他系统支持芯片。

该项目是一个 持续更新的资源，作者会随着获得新的芯片和晶圆而添加更多照片。所有照片均可在维基共享资源的文件列表中找到。

该内容是一个YouTube页面的页脚部分，主要展示了网站的基础导航链接和信息入口。核心内容包括：

导航与信息链接：

• 提供了关于YouTube、新闻中心、版权、联系方式、创作者资源、广告、开发者平台等页面的链接。
• 包含法律与政策相关链接，如使用条款、隐私政策、安全政策。
• 有专门页面介绍YouTube的运作方式。

功能性入口：

• 包含一个用于测试新功能的入口链接。

版权声明：

• 页面底部标注了© 2026 Google LLC的版权声明。

文章摘要

文章探讨了游戏平台GOG在进行经典游戏保存工作时面临的巨大挑战。GOG致力于让老游戏能在新硬件上运行，但其工作难度远超预期，主要体现在以下方面：

1. 技术兼容性问题：老游戏不仅可能无法启动，还会出现不支持现代控制器、宽屏分辨率、甚至无法最小化等“细微”问题，需要大量技术调整。
2. 知识产权获取困难：追溯并获得老游戏的知识产权（IP）是最大障碍之一。例如，GOG曾雇佣私家侦探，只为找到一位隐居在英国、无意中继承了多款游戏版权的个人。类似地，Nightdive工作室的创立也源于其创始人为了能玩到《网络奇兵》而主动追溯并购买了其版权。
3. 数字版权管理（DRM）阻碍：许多游戏内置的DRM（如早年的“Games for Windows Live”登录系统）使游戏难以运行，成为保存工作的主要难点。GOG建议大型开发商在几年后移除DRM以方便未来的保存工作，但认为这很难实现。

文章通过采访GOG高级业务开发经理Marcin Paczynski，揭示了游戏媒体在诞生约七十年后，其保存工作的紧迫性与复杂性。

AMD Strix Halo APU概述

核心定位与设计

AMD Strix Halo是面向高端移动平台的chiplet架构APU，旨在提供无需独立显卡的全能计算体验。其功耗范围55W至120W，显著高于主流APU，专为需要同时处理高强度CPU和GPU负载的设备设计。它是AMD在消费市场推出的首款chiplet APU，展示了大型集成处理器的性能潜力。

架构与规格

• CPU部分：采用双8核Zen 5 CCD，总计16核，支持512位浮点单元，最高加速频率5.1GHz。CPU核心无法访问IO Die上的32MB无限缓存。
• GPU部分：集成RDNA 3.5架构核显，拥有40个计算单元、32MB无限缓存，加速频率达2.9GHz，理论算力介于RX 7600 XT和RX 7700之间。
• 内存子系统：配备256位LPDDR5X-8000总线，提供256GB/s的共享带宽，超越其他APU但略低于RX 7600 XT的288GB/s。

性能表现

CPU性能

• 内存延迟约123ns，略优于Strix Point，但高于桌面处理器。
• 整数与浮点性能接近上一代桌面旗舰Ryzen 9 7950X，在浮点测试中甚至可比肩当前旗舰Ryzen 9 9950X。
• SPEC CPU 2017测试中，在多数子项接近桌面级9950X，部分浮点测试实现反超。

GPU性能

• 带宽与缓存：内存带宽远超其他移动SoC；无限缓存带宽比RTX 5070 Mobile高40%，容量多33%；4MB L2缓存提供2.5TB/s带宽。
• 延迟：GPU内存延迟比RTX 5070 Mobile低35%，缓存结构复杂性带来延迟优势。
• 算力：浮点吞吐量约为Strix Point的2.5倍，可匹配或略超RTX 5070 Mobile；整数吞吐量则弱于后者。
• 游戏与计算：在《赛博朋克2077》等游戏中，1080p低画质下性能可比肩或小幅领先RTX 5070 Mobile；计算负载如Fluid X3D中表现远超其他核显，但仍落后于RTX 5070 Mobile。

总结与局限性

Strix Halo实现了CPU性能逼近桌面端、GPU性能对标中端独显的突破，为小尺寸设备提供了高集成度解决方案。其设计开放了未来APU性能扩展的可能性。主要局限包括：

• ML性能因ROCm 7.0.2支持延迟尚未完全评估。
• 内存带宽和绝对性能仍低于顶级独立显卡。
• 较高的功耗限制使其更适合移动工作站或高性能轻薄本，而非超低功耗设备。

https://www.antipope.org/charlie/blog-static/2025/10/the-pivot-1.html

https://www.ft.com/content/f2025ac7-a71f-464f-a3a6-1e39c98612c7

Flowistry：专注于相关代码的 Rust IDE 插件

Flowistry 是一款用于分析 Rust 程序信息流的工具。它能够判断一段代码是否可能影响另一段代码，并集成到 IDE 中，提供“聚焦模式”，帮助开发者专注于与当前任务相关的代码。

核心功能

• 聚焦模式：在阅读代码时，用户点击某个变量或表达式后，Flowistry 会淡化所有不影响该代码且不被该代码影响的代码。例如，在合并两个集合的函数中，orig_len 不会受循环影响，而 set.len() 会。
• 分析原理：基于 PLDI 2022 论文《通过所有权的模块化信息流》中提出的算法。
• 适用场景：特别适用于阅读大量代码的函数，可以快速过滤无关部分，例如在 Rust 编译器中理解某个参数的作用。

安装方式

1. VSCode 插件：在 Visual Studio Marketplace 或 Open VSX Registry 中搜索“Flowistry”安装。
   • 支持平台有限制：不支持 NixOS；ARM 目标（如 M1 Mac）需从源码编译。
   • 从源码安装需克隆仓库并运行 cargo install。
2. Rustc 插件：可通过 crates.io 上的 flowistry crate 使用底层分析功能。

使用方法

• 启动：在 VSCode 中打开 Rust 工作区后，Flowistry 会进行类型检查（可能耗时较长，结果缓存于 target/flowistry 目录）。
• 进入聚焦模式：通过命令（默认快捷键 Ctrl+R Ctrl+A）或上下文菜单激活。将光标置于函数内，Flowistry 会自动分析并显示信息流。
• 设置标记：使用 Ctrl+R Ctrl+S 设置标记以保持当前焦点区域，避免点击其他代码时改变焦点。
• 选择焦点区域：使用 Ctrl+R Ctrl+T 可将整个焦点区域加入编辑器选择，便于批量操作。

主要限制

• 内部可变性处理不完全：例如 Arc<Mutex<T>> 等结构可能无法正确关联跨指针的修改。
• 焦点区域可能过大：由于基于类型签名近似分析，某些函数调用可能被误判为相关。
• 并非所有代码可选：从源码到 MIR（中间表示）的信息丢失可能导致某些表达式无法精确映射。
• 不支持嵌套函数分析：包括闭包和异步函数，仅分析包含光标的最内层函数体。

常见问题

• rustup 安装失败：可能是与其他工具并发执行导致，可手动安装指定工具链。
• 与 Rust Analyzer 的区别：Rust Analyzer 不支持 MIR 和借用检查，而 Flowistry 依赖这些功能进行分析。
• 代码高亮疑问：可参考“限制”部分或社区讨论。

Flowistry 是一个持续演进的研究项目，虽不如成熟工具完善，但为 Rust 代码理解提供了独特的信息流视角。

文章标题：Free Programing Books

文章内容摘要：

本文介绍了“Free Programing Books”项目，这是一个汇集了大量免费学习资源的列表，涵盖多种语言。项目最初源于StackOverflow的相关列表，后由Victor Felder迁移至GitHub，现由非营利组织“Free Ebook Foundation”维护，该组织致力于推广免费电子书的创建、分发和存续。

项目提供了一个专门的搜索网站，方便用户查找资源。资源按类别和语言进行组织，主要包括：

1. 书籍：分为英文（可按编程语言或主题筛选）和其它多种语言（如中文、法语、德语、日语、西班牙语等数十种语言）。
2. 速查表：包含所有语言的速查资料。
3. 免费在线课程：覆盖多种语言。
4. 互动编程资源与编程练习场：允许用户在浏览器中编写、编译和运行代码。
5. 播客与视频教程：提供多种语言的免费音频和视频资源。
6. 问题集与竞赛编程：提供编程练习和问题集。

项目是一个开放协作的社区，鼓励用户按照贡献指南参与贡献，并遵守行为准则。项目中的所有文件均采用CC BY知识共享许可协议。部分文档（如行为准则、贡献指南等）已有多种语言翻译，但仍有部分缺失，欢迎志愿者协助翻译。

文章将注意力比喻为奢侈品，强调其稀缺性和象征意义。奢侈品并非追求实用功能或高效性能，而是体现一种“浪费”的能力——即人们愿意为某些事物付出超出必要的时间、金钱或精力，从而获得身份认同。

作者指出，奢侈的核心在于它彰显了对“优化”或“生存必需”之外的价值的追求。例如，购买铂金包、完整阅读一本非虚构著作、收听广播节目或现场聆听音乐会（而非免费在家收听），都是注意力奢侈品的体现。这些行为代表了一种主动的选择：将注意力投入到细节、叙事、体验之中，而非仅仅追求最直接的结论。

最后，文章提醒，如果一方旨在提供某种注意力奢侈品，却同时试图使其变得快速便捷，这实际上会削弱其奢侈属性。

文章内容摘要

该网页是一个讽刺性作品，通过模仿和夸大由AI（如Claude）自动生成的网站的典型特征与缺陷，对当前泛滥的、同质化的“氛围编码”网站进行了尖锐批评。其核心目的是揭露此类网站普遍存在的问题，而非展示一个真实的产品。

主要讽刺点与结构

1. 典型布局与模板化内容：网站采用了极为常见的导航栏（About, Resources, DM Me等）和页面结构。其“关于我们”部分充满了诸如 {{COMPANY_NAME}}、{{CEO_NAME}} 等未经替换的占位符，揭示了代码的直接复制粘贴和缺乏定制。

2. 对AI生成代码的批评：

   • 技术债与质量低劣：标语明确指出“$0 REVENUE • ∞ TECHNICAL DEBT • ZERO TESTS”。
   • 缺乏理解与规划：功能介绍部分（如“Copy-Paste Excellence”）讽刺开发者不理解代码，仅依赖AI重生成，并认为测试、文档和架构规划是不必要的。
   • 安全隐患：以幽默方式虚构了一个“安全通知”，显示因让AI处理认证而导致密码（hunter2）泄露。

3. 荒谬的数据与评价：

   • 客户评价：评价内容荒诞可笑（如“best undefined solution I've ever NaN”），并注明均由GPT-3.5生成。
   • 业绩指标：展示的指标均为讽刺性数据，如“$0 Revenue”、“NaN Customer Satisfaction”、“1 Developer (Claude doesn't count)”。

4. 功能缺陷作为“特性”：

   • 链接失效：“重要资源”部分的导航链接全部无法点击，以此讽刺AI生成的导航栏常出此问题。
   • 响应式设计不足：通过一张“风中尾巴”的图片调侃对Tailwind CSS等框架的肤浅应用。
   • 代码管理混乱：展示了一个混乱的项目目录结构（包含多个备份版本、调试日志），来描绘随意开发的后果。

总结

该网页并非一个商业网站，而是一份针对当前“用AI快速生成网站”风潮的讽刺评论。它系统地解构了此类网站的常见组成部分，并通过夸张的手法揭露了其背后的技术债务、安全风险、内容空洞以及对开发者技能的误导性宣传。其最终指向是：许多AI生成的网站仅仅是结构雷同、内容可笑的模板堆砌，并不具备真正的价值。

世界著名物理学家、诺贝尔奖得主杨振宁于2023年在北京逝世，享年103岁。他是中国科学院院士、清华大学教授及高等研究院名誉院长。

杨振宁与李政道于1957年共同提出弱相互作用中宇称不守恒理论，荣获诺贝尔物理学奖，成为首位华人诺贝尔奖得主。他常与阿尔伯特·爱因斯坦并称为20世纪最伟大的物理学家之一。

杨振宁1922年生于安徽合肥，早年求学于西南联合大学与清华大学，1945年赴美深造，于芝加哥大学获博士学位。他长期在普林斯顿高等研究院、纽约州立大学石溪分校等机构从事研究与教学工作，1999年正式加入清华大学。

他与罗伯特·米尔斯共同创立的“杨-米尔斯理论”，奠定了粒子物理标准模型的基础，被视为现代物理学的基石之一，其重要性可与麦克斯韦方程组和爱因斯坦的广义相对论相媲美。

杨振宁心系祖国，为中国的科学与教育发展做出了卓越贡献。1971年他首次访问新中国，开启了海外华裔学者回国访问的先河，被誉为中美学术交流的开拓者。他曾向中国领导人建言加强基础科学研究，并亲自筹资成立教育交流委员会，资助众多中国学者赴美深造，其中许多人后来成为中国科技发展的骨干力量。

返回清华后，他全身心投入高等研究院的建设，为物理学等基础学科的发展和人才培养倾注了大量心血，对中国高等教育改革与发展产生了深远影响。

本文探讨了通过将Unix可执行文件（executable）等同于Smalltalk方法（method），从而实现Unix与Smalltalk编程系统概念统一的思路，并分析了其意义与挑战。

背景与动机 Unix和Smalltalk是两种截然不同但又在高层面上有相似之处的系统。Unix因其实用性和普适性而成为主流，而Smalltalk则以其统一性、持久性和即时的编程体验闻名。尽管Smalltalk通常以虚拟机（VM）的形式运行在Unix中，但其核心优势（如持久性、动态更新、对象统一性、GUI组件可访问性）在Unix原生环境中却未能完全实现。因此，作者探讨如何将这些优势集成到Unix中，而不是让用户局限于一个密封的VM镜像里。

核心类比

• Unix可执行文件 ↔ Smalltalk方法：作者主张，应将Unix中的可执行文件（包括脚本和二进制程序）视为Smalltalk方法。Unix的程序加载器可被看作是Smalltalk VM中启动方法激活的组件。
• Unix目录 ↔ Smalltalk对象：在Kell提出的“文件即对象”基础上，作者更倾向于将目录视为Smalltalk对象。目录的结构（内含子文件/子目录）天然对应了对象的实例变量（槽），而符号链接（symlink）则类似于对象引用。
• Unix进程 ↔ Smalltalk方法激活（上下文）：一个进程的执行，可以看作是其对应可执行文件（方法）的一次激活。进程的易失性内存被用作对局部临时变量的一种优化。

“Smalltix”概念 基于上述类比，作者提出了一个名为“Smalltix”的理想化系统。在这个系统中，应用程序由无数细小的可执行文件（方法）和目录（对象）构成，完全通过Unix的进程间通信机制（如文件系统、标准输入输出、命令行参数）进行交互。这被认为能够自然实现Smalltalk的四大优势：

1. 持久性：对象（目录）自然存在于文件系统中，不会因进程终止而消失。
2. 动态软件更新：替换单个可执行文件（方法）即可更新程序行为，无需重启整个进程。
3. 统一性：所有数据都以目录（对象）和文件（槽值/引用）的形式存在，避免了为不同数据格式发明各种解析/序列化代码。
4. GUI开放性：GUI组件作为持久、可寻址的目录（对象）存在，可以从外部访问和操控。

与标准Unix实践的对比 标准Unix实践与“Smalltix”模式相反。Unix倾向于将大量方法（函数）合并到一个大的可执行文件（进程）中，并将大量对象（数据结构）序列化到少数几个大型数据文件里。这导致了“碎片化”——不同的语言和社区使用不同的内部数据格式，并需要额外的加载/保存代码。从Smalltalk的视角看，Unix程序就像一个“庞大的方法”和几个“巨大的对象”，内部却又模拟了一套私有的、临时的对象系统。

实现挑战与前景

• 核心障碍——性能：Unix进程相对于Smalltalk方法激活来说，其创建和上下文切换开销巨大，使得创建海量小进程的做法不切实际。
• 可能的解决方案：
  • 使用用户空间文件系统（FUSE） 来高效模拟细粒度的对象（目录），使其性能接近原生对象。
  • 开发一种优化的解释器/Shell，能够在一个进程内高效执行以“Smalltix”风格编写的脚本，避免为每个方法激活都启动新进程。
  • 利用线程或其他技术将多个激活“漏斗”进一个进程。
• 未来方向：作者计划实现一个具体示例（如SBECrossMorph图形组件）来验证可行性，并探索与现有项目（如旨在统一进程内存模型的liballocs）结合的可能性。

结论 通过将Unix可执行文件视为Smalltalk方法，可以在理论上无缝地将Smalltalk的核心优势带入Unix编程环境，同时保持Unix的语言多样性和实用性。尽管当前面临严重的性能挑战，但这一视角揭示了Unix中尚未被充分利用的、潜在的Smalltalk式编程模型，并为未来的系统优化指明了方向。

美国汽车贷款违约与车辆收回激增引发市场担忧

华尔街近期拉响警报，汽车贷款市场压力显现。二手车销售及次级汽车贷款机构Tricolor、汽车零部件供应商First Brands的相继破产，使金融行业神经紧绷，令人联想到近二十年前次贷危机引发的全球金融危机。摩根大通首席执行官杰米·戴蒙在披露与Tricolor破产相关的1.7亿美元损失后警告称：“当你看到一只蟑螂时，很可能还有更多。” 汽车贷款市场的紧张态势，推动了车辆收回业务的繁荣。中西部收回与调整公司的乔治·巴丁表示，他们现在“工作应接不暇”，尤其是次级汽车贷款领域的收回活动在上升。他指出，一些次级贷款机构正在收缩业务，表明它们可能面临问题。

尽管很少人预计此次危机会达到2008年那样的规模——次级汽车贷款只是1.7万亿美元整体汽车贷款市场的一小部分——但两家公司的倒闭将汽车行业推至聚光灯下，引发了人们对低收入家庭信贷压力以及汽车债务相关信贷市场问题的担忧。哥伦比亚商学院经济学教授布雷特·豪斯指出，汽车贷款市场的压力通常被视为美国经济状况变化的风向标，因为汽车对于就业至关重要，当汽车融资市场出现压力时，通常意味着家庭财务状况正在收紧。

市场背景与问题根源：

• 美国约1亿人持有汽车贷款，85%的新车和55%的二手车购买依赖融资。汽车贷款是美国第三大消费信贷市场，仅次于抵押贷款和学生贷款。
• 近年来，汽车贷款行业问题逐渐显现：新冠疫情期间汽车价格飙升，随后通胀高企，利率上升。2023年，购买一辆新车所需的收入从疫情前的约33周上升至42周。
• 高价格导致贷款金额增大，目前平均月供超过750美元。
• 据Cox Automotive数据，去年车辆收回量升至2009年以来最高水平，达173万辆，同比增长16%，较2022年增长43%。
• 今年1月，菲奇评级监测次级汽车借款人逾期60天以上的指数达到6.5%，为30多年来最高水平。

消费者困境与连锁反应：

• 汽车贷款历史著作《收回之血》的作者凯文·阿姆斯特朗认为，汽车贷款违约率常被视为更广泛经济健康的“煤矿中的金丝雀”之一。
• 贷款机构目前正提供大量贷款修改方案以避免收回，但这可能只是拖延时间，违约复发率很高。
• 阿姆斯特朗将收回量上升追溯至疫情期间，当时刺激支票和额外失业补助使消费者能够购买价格高昂的汽车，但随着利率和生活成本上升，许多消费者现在无力承担贷款。
• 车辆收回工作也变得更具挑战性，消费者权利意识增强，对抗可能性增加，导致收回人员需接受冲突缓解培训，并通常结对行动。

未来展望与风险：

• 若美国国会未能就新冠时期医疗保健补贴延续达成协议（这正是当前联邦政府停摆的政治核心），可能会进一步加剧汽车借款人的财务压力。
• 如果大型次级贷款机构（如全国最大的桑坦德消费金融公司，去年曾因消费者保护法违规被罚5.55亿美元）因此次压力而陷入困境，可能会引发更广泛的市场动荡。
• 虽然Tricolor的破产涉及欺诈指控等特殊因素，但专家仍将其视为经济警示信号。阿姆斯特朗表示，尽管他不愿将公司失败和收回量上升称为一种趋势，但“它正处于边缘”。

汽车贷款市场的阴云可能继续聚集，其压力不仅关乎行业本身，更被视为反映更广泛经济压力和低收入家庭财务状况的重要指标。

StageConnect 开源库总结

概述

• 项目性质：Arduino库，用于基于Analog Devices AD242x芯片（如AD2428）创建StageConnect设备。
• 技术基础：StageConnect基于汽车A²B音频总线技术，通过XLR连接器在设备间传输32通道未压缩48kHz/32bit音频。
• 应用示例：连接Behringer WING与Midas DP48等设备。

核心功能

库支持在A²B链路上扮演两种角色：

1. 从属节点（Subordinate Node）

• 配置：isMaster = false，Arduino作为AD242x的I2C从设备。
• 工作流程：主设备（如Behringer WING）通过A²B链路发现从属节点，并通过AD242x读写StageConnect寄存器映射。
• 关键设置：
  • 包含头文件 StageConnect.h 和 ci2c_com.h。
  • 初始化Wire库，设置I2C地址（如0x3D）及接收/发送回调函数。
  • 定期调用 stageConnect.update()（建议每100ms）。
• 示例：参考 examples/SimpleSlave，展示回调函数和邮箱系统使用。

2. 主控设备（Main / Controlling Device）

• 配置：isMaster = true，Arduino作为AD242x的I2C主设备。
• 工作流程：AD242x芯片配置为A²B主设备，运行发现流程以检测通过XLR/CAT线连接的从属设备。
• 关键设置：
  • 初始化Wire库（Arduino作为I2C主设备）。
  • 调用 stageConnect.config() 配置参数（如音频格式、通道数）。
  • 定期调用 stageConnect.update() 以维持发现流程和链路活性。
• 功能接口：通过 stageConnect.master() 访问Csc_master接口，用于发送/接收消息、查询发现节点数、读取通道分配等。
• 示例：参考 examples/SimpleMaster 获取完整示例代码。

技术细节

• 连接参考：可使用AD2428MINI评估板原理图作为硬件连接参考。
• 电缆长度：Analog Devices建议最长15米，但Behringer允许更长线缆。
• 注意事项：AD242x芯片的滤波网络设计复杂，需谨慎调整硬件参数。
• 文档与ID：
  • 详细配置选项和技术细节见项目"Documentation"文件夹。
  • 使用品牌ID时建议值高于0x80，以避免与其他产品冲突。
• 邮箱系统：用于特定命令和通道名称接收，详见示例代码。

致谢

感谢MusicTribe/Behringer提供详细的协议信息并允许公开分享代码。

该项目旨在数字化并整理1986年MIT《计算机程序的构造和解释》视频讲座中展示的代码。由于原始视频画质较差（240p/360p）且镜头不稳定，难以看清幻灯片内容，因此创建者将讲座中的代码以文本形式提取并整理成可读的文件。

主要内容包括：

• 所有幻灯片、终端或黑板内容均按时间戳标记（如 ;# SLIDE 0:00:00）。
• 文件以 .scm 为扩展名，但内容仅为幻灯片的文本转录，部分并非实际代码，无法在Scheme解释器中编译。
• 创建者添加了注释以辅助理解，并在极少数情况下修正了错误，修正处以冒号和感叹号（:!）标注。
• 部分可读性强、非代码或无法文本化的内容可能未被收录。
• 未来计划包括统一转录文件的语法和风格。

相关链接提供了SICP官方网站、讲座视频（含文字记录）及2005年课程笔记等资源。用户可通过提交issue反馈转录错误。

亚马逊旗下的Ring智能摄像头通过与监控技术公司Flock Safety合作，显著扩大了执法机构获取其用户监控录像的途径，此举重新点燃了围绕该设备持续多年的隐私担忧。

合作核心： 约5000个地方执法机构将能通过Flock的软件平台，向Ring用户发送“社区请求”，自愿索取特定时间、地点内可能与调查相关的视频片段。用户提交的视频将通过Flock的平台安全地传送至请求机构。

主要争议点：

1. 隐私与监控扩展： Flock公司本身因其车牌识别摄像头网络而被隐私倡导者视为构建“全国性大规模监控基础设施”的工具。美国参议员罗恩·怀登指出，国土安全部下属的移民与海关执法局等联邦机构已能访问Flock的数据。批评者认为，此合作将Ring这一消费产品更深地嵌入了存在滥用风险的监控体系。
2. 数据流向联邦机构的风险： 尽管合作声明仅限地方执法机构，但有报道称地方警察曾多次代表联邦机构或出于移民相关目的搜索Flock的摄像头数据。这使得民众担忧，Ring用户自愿提交的视频可能最终流向联邦机构。
3. 人脸识别功能： Ring摄像头正逐步搭载人脸识别功能，而通过此合作，使用Flock的地方执法机构将能获取这些视频。隐私倡导者批评该功能具有侵入性，因为未经路人同意。
4. 用户反弹与信任危机： 部分用户对Ring加强与执法部门的联系表示强烈不满，并在社交媒体上威胁更换其他注重本地存储的品牌。Ring过去曾因员工非法窥视用户视频而支付高额和解金，其隐私记录本就存疑。

各方回应：

• 亚马逊与Flock： 声称整个过程基于用户自愿参与，请求仅限于具体、活跃的调查项目，并强调有审计追踪机制。Flock表示其目前未与国土安全部签订合同。
• 隐私倡导者与用户： 认为公司更关注迎合监控需求，而非服务用户隐私，此合作加剧了社会监控风险。

结论： Ring与Flock的此次合作，是在亚马逊已通过另一家公司Axon恢复类似警方访问途径的背景下，进一步将Ring摄像头定位为执法工具的关键一步。尽管双方强调自愿原则，但结合Flock平台被联邦机构使用的历史、Ring新增的人脸识别技术及其过往隐私丑闻，引发了外界对消费者隐私保护和大规模监控扩张的深切忧虑。

这篇文章探讨了在GPU上快速计算到三次贝塞尔曲线距离的数学方法与实现。贝塞尔曲线是文本和二维形状渲染的核心，而计算到曲线的距离（形成距离场）是其中一个在数学和技术上都极具挑战性的问题。文章提供了基于WebGL/GLSL的实时演示和自包含的片段着色器代码。

核心数学原理：

1. 问题定义：给定二维空间中的点p，目标是找到三次贝塞尔曲线B(t)上使距离d(t) = ||B(t) - p||最小的参数t（取值范围[0,1]）。
2. 多项式表示：三次贝塞尔曲线可以表示为三次多项式：B(t) = a*t³ + b*t² + c*t + d，其中系数a, b, c, d由起点、终点和两个控制点推导得出。
3. 距离最小化：为简化计算，使用距离的平方D(t) = d(t)²。求D(t)的最小值等价于求其导数D'(t) = 0的根。D'(t)是一个五次多项式。
4. 临界点评估：求解D'(t)=0可得到最多5个临界点t值。最终距离是p到这些临界点以及曲线端点（t=0, t=1）的距离中的最小值。

GPU实现与求根算法： 文中将数学公式转化为GLSL函数bezier_distance。核心挑战在于实现一个稳定、高效的五次多项式求根函数root_find5。文章对比并实现了几种方法：

1. 二次方程求解器 (root_find2)：作为更高次求解器的基础。文中展示了两种实现思路（3Blue1Brown公式与Numerical Recipes公式），并讨论了处理浮点精度、NaN/无穷大等边缘情况的代码实践。

2. 尝试一：Aberth-Ehrlich方法：

   • 一种在复数域内迭代求根的算法，收敛速度快。
   • 需要在复平面初始化猜测根（使用Cauchy界），并处理复数运算。
   • 缺点：需要过滤复数根（依赖不可靠的阈值），初始化可能影响性能，存在一些病态情况。

3. 最终方案：基于Cem Yuksel算法的实现：

   • 这是一种2022年提出的现代算法，专为在GPU上高效求解高次多项式根而设计。
   • 核心思想是通过计算多项式的导数级联，将求根区间逐步细分为单调区间，然后在每个区间内使用牛顿二分法 (bisect5) 进行快速收敛。
   • 文章针对五次多项式手动推导了导数级联，并实现了整个求解流程root_find5_cy。
   • 该方法迭代次数更少，速度更快（作者观察到约3倍加速），代码更简洁，也更可靠。

4. 探索：ITP方法：

   • 作者尝试用ITP算法替代牛顿二分法。ITP被设计为性能至少不逊于二分法。
   • 但在当前上下文中，由于bisect5利用了导数信息，收敛更快，因此ITP方法并没有带来性能提升。

结论与展望：

• 在对比的几种方法中，展开实现的Cem Yuksel算法是目前解决该问题的最佳选择，它在GPU上实现了良好的性能与可靠性平衡。
• 作者对二次方程求解器的数值稳定性以及各种边缘情况仍有改进的思考。
• 下一步工作将聚焦于处理贝塞尔曲线链以构建复杂形状（如字体字形），并最终生成有符号距离场，这将是另一个复杂的主题。

文章提供了完整的数学推导、代码实现片段以及可视化热图来比较不同算法的迭代行为。

WebMCP 概述
WebMCP 是一个早期提案与实现，旨在让网站能够向客户端的大型语言模型（LLM）提供工具、资源和提示等功能。通过这种方式，网站可充当 MCP 服务器，无需共享 API 密钥，用户可自由选用任何模型。

主要功能

• 网站可通过嵌入 webmcp.js 脚本，自动加载 MCP 组件，供用户连接 LLM 并使用网站提供的工具。
• 支持同时连接多个网站，工具按域名“作用域”管理，避免冲突。
• 提供内置工具：令牌生成器（用于连接网站）和 MCP 工具定义器（简化工具架构创建）。

使用方式

• 用户端：通过命令安装 MCP 客户端（如 Claude、Cursor 等），生成令牌并粘贴至网站输入框以完成连接。
• 网站端：在页面中引入 webmcp.js 脚本，即可启用 MCP 功能。

技术实现

• 通过本地 WebSocket 服务器（仅限本机访问）作为 MCP 客户端与网站之间的桥梁。
• 连接流程：MCP 客户端使用服务器令牌连接 → 生成注册令牌 → 网站通过令牌注册并获取会话 → 工具/资源请求通过 WebSocket 转发。
• 安全措施：需令牌认证以防止恶意网站滥用，未来计划加强安全防护。

注意事项

• 本文档描述的是早期提案，目前 WebMCP 已由 W3C 接手并制定官方规范（详见 W3C 仓库）。
• 当前实现不符合 W3C 规范，但仍可体验 WebMCP 的核心理念。
• 支持 Docker 部署 WebSocket 服务器。

更多资源

• 完整演示与详细流程可参考文中的视频和序列图。
• 配置文件存储在 ~/.webmcp 目录，可通过 npx @jason.today/webmcp -q 停止服务。

核心论点： 文章认为，通用人工智能（AGI）并非迫在眉睫，而当前以大型语言模型（LLM）为主流的技术路径并非通向AGI的正确道路。近期的一系列事件表明，此前对LLM将很快引领AGI的乐观预期正在破灭。

关键证据与时间线（2025年）：

1. 6月：苹果公司的推理论文证实，即使具备“推理”能力，LLM仍无法解决分布偏移问题，这被作者视为神经网络数十年来的核心弱点。亚利桑那州立大学的“Mirage”论文迅速佐证了这一发现。
2. 8月：备受期待的GPT-5发布延迟且表现令人失望，未达预期。
3. 9月：强化学习领域的权威、图灵奖得主Rich Sutton公开感谢并认同作者对LLM的批评，这一事件被视为重大转折。
4. 10月：
   • 前特斯拉AI总监、OpenAI前员工、知名机器学习专家Andrej Karpathy表示，AI代理离实用还很遥远，且AGI的实现至少还需要十年。
   • 诺贝尔奖得主、谷歌DeepMind负责人Demis Hassabis驳斥了OpenAI研究人员关于数学能力的过度炒作，使相关声明陷入尴尬。

结论与观点：

• LLM有其应用价值，但指望当前这一技术范式能够很快催生AGI是一种错觉。
• 作者Gary Marcus长期对此发出的警告如今被一系列来自学术界和工业界的权威声音所印证。
• 文章建议读者参考作者2020年发表的文章《Next Decade in AI》，其中提出的替代性策略在当下看来颇具预见性。

./watch 通常指在当前目录下执行名为 watch 的可执行文件或脚本。在技术上下文中，watch 是一个常见的命令行工具，主要用于定期执行一个命令，并全屏显示其输出。其核心功能是监控命令输出的变化。

核心功能与用途

• 定期执行与显示：watch 会周期性地（默认每2秒）运行指定的命令，并将结果清晰地展示在终端上。
• 变化高亮：新版本的 watch 通常能够高亮显示两次输出之间发生变化的部分，便于快速识别状态更新。
• 典型应用场景：
  • 监控系统状态：例如 watch df -h（监控磁盘使用率）、watch -n 1 uptime（每秒刷新系统负载）。
  • 观察命令输出变化：例如 watch -d ls -l（监控目录文件列表变化）。
  • 调试与测试：持续观察某个进程或服务的状态输出。

基本语法与常用选项

watch [选项] 命令

• -n <秒>：指定刷新间隔时间。
• -d：高亮显示输出中两次更新之间的差异。
• -t：关闭 watch 命令在顶部显示的时间戳和标题。
• -b：当命令执行失败（返回非零退出码）时发出蜂鸣声提醒。
• -e：当命令执行失败时，watch 会立即退出。

执行方式说明

• ./watch：这表示运行当前工作目录下的 watch 程序或脚本。这可能是一个自定义的、经过修改的 watch 工具，或者是一个与标准 watch 命令同名的其他程序。
• 系统 watch：大多数Linux发行版预装了标准的 watch 命令，通常位于 /usr/bin/watch。直接运行 watch 即可调用它。

总结来说，./watch 最可能指的是用于定期执行命令并监控其输出变化的工具，常用于系统管理和调试。如果它是一个自定义脚本，其具体行为取决于脚本内部的定义。

Skyvern：让AI自动编写与维护爬虫代码

核心更新：Skyvern已具备自动生成和维护Playwright代码的能力，实现自动化任务成本降低2.7倍、速度提升2.3倍，同时提升运行确定性。

背景挑战：让AI直接编写爬虫代码并不简单，主要难题包括：

1. 需求模糊：自动化需求常难以清晰定义。
2. 网站复杂性：网络页面元素混乱（如下拉框伪装成文本框），且动态变化。

解决方案：探索-重播模式 Skyvern将其任务分为两个阶段：

1. 探索模式：AI通过提示学习如何导航网站流程，记录操作轨迹并生成基础脚本。同时，AI会记录每个操作的意图元数据，用于后续恢复。
2. 重播模式：将探索阶段的学习成果编译成确定性的Playwright代码。后续运行主要执行此代码，仅在遇到新问题或异常时回退至AI进行决策。

关键技术突破：推理模型的使用提升了AI准确性，并能基于操作轨迹编写更可靠的脚本。

实际应用示例：在Delaware.gov填写EIN表格时，静态脚本容易因字段关联性或网站不可用等问题失败。新模式下，AI在探索阶段理解流程并记录意图，在重播阶段用编译好的代码执行，仅在必要时（如页面结构变化、系统宕机）利用意图元数据智能恢复。

实际效果：

• 效率提升：平均运行时间从278.95秒降至119.92秒（快2.3倍）。
• 成本降低：平均单次运行成本从0.11美元降至0.04美元（便宜2.7倍）。
• 可靠性增强：运行过程更确定。

当前应用场景：

• 发票下载：自动登录各平台获取账单。
• 采购自动化：处理重复购买流程。
• 遗留系统数据提取：从认证仪表盘抓取结构化数据。
• 政府表格填写：处理多步骤、易出错的在线表单。

未来改进方向：

1. 分析多次运行数据以生成更通用、健壮的代码。
2. 缓存数据提取逻辑，大幅降低相关任务成本。
3. 通过SDK开放自动生成脚本功能，使其成为默认行为。

体验方式：可通过Skyvern开源版或Skyvern云版试用。

PostgreSQL 是读密集型还是写密集型？

判断 PostgreSQL 数据库是读密集型还是写密集型，对于有效的性能调优和架构决策至关重要。不同负载类型的数据库需要不同的优化策略。

核心差异：读与写的成本不等

• 读操作：通常成本较低。PostgreSQL 以 8KB 的块为单位读取数据，频繁访问的数据通常存在于共享缓冲区或操作系统缓存中，许多查询可以直接从内存返回结果。
• 写操作：成本更复杂。一次修改不仅需要将数据页的变更写入预写式日志（WAL），还可能涉及索引更新、TOAST 表变更等。每个写操作本身也可能伴随读取开销。此外，还有后台写入脏页缓冲区的 I/O 成本。

如何确定负载类型？

除了从业务逻辑（如社交媒体应用偏读，IoT 日志偏写）推断外，可以通过 PostgreSQL 内部统计信息进行量化评估。

方法一：使用系统目录统计信息查询

文章提供了一个查询，通过 pg_stat_user_tables 和 pg_statio_user_tables 等视图估算读写页面数的比例。其核心逻辑是：

1. 定义比例阈值（默认为 5:1，即约 20% 写操作）。
2. 计算读取的块数（堆和索引块的物理读取）。
3. 估算写入影响的块数：利用表的元数据（relpages， reltuples）和写入的元组数（插入、更新、删除）来推断。
4. 分类比较：将读取块数与估算的写入块数乘以阈值比率进行比较，从而将表分类为“读密集型”、“写密集型”、“仅读”、“仅写”或“均衡”。

方法二：使用 pg_stat_statements 扩展

该扩展聚合了数据库中每个唯一查询的执行统计信息，包括读取和写入的行数。通过简单汇总 SELECT、INSERT、UPDATE、DELETE 操作影响的行数，可以快速了解整体流量概况。

针对不同负载的优化策略

写密集型系统的优化重点

写密集型的瓶颈通常在 I/O 吞吐量和事务处理能力。

• 使用更快的存储（如 NVMe SSD）并配置足够的 IOPS。
• 增加 RAM，扩大 shared_buffers 池以容纳更多脏页。
• 最小化索引，因为每个写操作都需要更新索引。
• 利用 HOT 更新，通过调整 fill_factor 来优化频繁更新的行。
• 调优 WAL，调整 wal_buffers 等参数以减少磁盘刷新。
• 优化检查点，调整 checkpoint_timeout 和 checkpoint_completion_target 以平滑 I/O 峰值。

读密集型系统的优化重点

读密集型的主要目标是 尽可能快速地返回数据。

• 有效缓存：合理配置 shared_buffers 和 effective_cache_size，利用可用 RAM 缓存热点数据。
• 优化查询与索引：使用 EXPLAIN ANALYZE 分析慢查询，并在 WHERE、JOIN、ORDER BY 等子句使用的列上创建索引。
• 使用读副本进行水平扩展：将读查询分发到异步同步的副本，分担主服务器负载，提升整体读取吞吐量。升级到 PostgreSQL 18 可以利用其异步 I/O 能进一步提升读取性能。

结论

根据经验，大多数 PostgreSQL 数据库是读密集型的。当读写比例降至约 10:1 时，可能开始呈现写密集型特征。正确的扩展策略完全取决于实际工作负载。通过主动监控 PostgreSQL 的内部统计信息，可以做出明智的决策，确保数据库健康和应用高效。

一项针对50多种癌症的血液检测研究结果

根据一项新研究，一种能检测50多种癌症的血液测试有望加速癌症诊断。

核心发现

• 高效识别与早期发现：北美的一项试验显示，该测试能够识别多种癌症，其中超过一半在早期阶段被检出，此时更易于治疗且可能治愈。
• 覆盖范围广：约四分之三被检测出的癌症目前没有常规筛查项目，如卵巢癌、肝癌、胃癌、膀胱癌和胰腺癌。
• 高准确性：测试正确排除癌症的比例超过99%。在检测呈阳性的人群中，62%后来确认患癌。测试还能在90%的病例中正确判断癌症的起源部位。
• 与现有筛查互补：当与乳腺癌、肠癌、肺癌和宫颈癌筛查结合使用时，总体癌症检出率提高了七倍。

测试原理与背景

• 该测试名为“Galleri”，由美国制药公司Grail开发，通过检测血液中从肿瘤脱落并循环的癌性DNA片段来工作。
• 试验跟踪了美国和加拿大的25,000名成年人，历时一年，近百分之一的人结果呈阳性。

潜在影响与反响

• 研究人员称，该测试可能“从根本上改变”癌症筛查方法，有助于在治疗成功率最高的早期阶段发现癌症。
• 公司总裁表示，大多数癌症死亡是因为发现过晚，此测试旨在实现早期检测。

待解问题与后续研究

• 独立科学家指出，需要更多证据（特别是来自以死亡率为终点的随机研究）来证明早期检测是否真能降低癌症死亡率。
• 需要避免过度诊断可能不会造成危害的癌症。
• 决定性的证据将来自英国NHS对14万患者进行的三年期试验，结果预计明年公布。若结果成功，NHS计划将测试扩展至100万人。
• 当前发布的仅为初步结果，完整数据尚未经过同行评审。英国国家筛查委员会将在证据审查中发挥关键作用。

作者对低技术数学的偏好 作者倾向于依赖纸笔等低技术工具进行数学思考，强调亲自验证的重要性，但同时承认计算机在可视化抽象概念方面的必要性。

“数学图解”研讨会及其社区 2016年，ICERM举办了“数学图解”研讨会，旨在汇集通过视觉手段呈现数学抽象的研究者。该研讨会形成了一个持续活动的社区，并自2023年起举办网络研讨会系列。

作者在研讨会中的活动与项目 作者曾两次在网络研讨会中发言：2024年缅怀数学家罗杰·安托森；2025年进行了五分钟的展示，介绍了一个尚未被完美可视化的数学对象——福特球体（Ford spheres） 的演化横截面。此举旨在激发擅长计算机辅助图解的合作者将其实现，并成功吸引了包括罗伊斯·纳尔逊在内的合作者共同推进该项目。

福特球体：一个87年前的分形

• 数学背景：福特球体是三维分形结构，由莱斯特·福特于1938年描述，比“分形”一词的出现早37年。它与著名的二维福特圆（Ford circles） 相关，后者是表示有理数的几何形式，其嵌套方式反映了数论中的重要事实。
• 直观特性：福特球体体现了可数稠密集的反直观性质——有理数在实数轴上“无处不在”又“几乎不在”。对应的几何表现为：有理数的分子分母越大，对应的福特圆越小。
• 构建过程：福特圆可通过在一条直线上不断添加相切圆来生成，最终所有切点恰好对应全体有理数。三维的福特球体则以平面为基准，其切点对应所有有理点对。

通过横截面进行可视化 作者希望通过三维福特球体的二维横截面来理解其结构。合作者罗伊斯·纳尔逊提供了一段动画，展示了一个移动平面接近（但不接触）所有球体相切的极限平面时，横截面形成的圆盘变化。动画呈现出越来越复杂的“泡沫”状图案，并出现了意想不到的视觉特征（如光晕和太阳拱）。

研究动机与更广泛的联系 作者进行此项探索不仅因为福特球体本身有趣，还出于以下原因：

1. 技能与认知挑战：作者过去在研究“转子路由斑块”时，难以从像素层面解读视觉上显现的幽灵般的圆形图案。他希望在福特球体的研究中学习如何“质询”图像，以理解这些视觉特征背后的精确数学结构。
2. 传播数学之美：作者认为，此类动画能以一种超越语言和符号的方式，向非数学家展示数学的吸引力。
3. 潜在研究关联：作者意识到，探索福特球体可能与他二十年前关于“转子路由斑块”的研究存在潜意识的联系。

参考资料 文中列出了福特原始论文、以及关于福特圆与球体的后续研究文献和可视化作品。

Forgejo v13.0 发布摘要

发布概要

Forgejo v13.0 于 2025年10月16日 发布。本次更新引入了多项新功能与改进，重点包括内容审核工具、安全增强、Forgejo Actions 可用性提升等。升级前建议完整备份并查阅发布说明中的破坏性变更。

主要更新内容

1. 内容审核与举报

• 新增 举报功能：用户可举报用户、组织、仓库、议题、拉取请求或评论。
• 举报需附加类别与问题说明，在管理员界面中查看。
• 多个相同内容的举报会自动分组，便于集中处理。

2. 安全增强

• Forgejo Actions 密钥 现已使用更安全的加密模块（自 v10 起用于 TOTP 密钥）。
• 支持 全局双因素认证（2FA）：可通过配置强制要求所有用户或管理员启用 2FA。
• 头像图片隐私保护：上传头像时自动移除 EXIF 元数据（如位置信息）。新增命令行子命令 forgejo doctor avatar-strip-exif 可清理现有头像的 EXIF 数据。

3. Forgejo Actions 改进

• 查看历史运行记录：支持查看重试的工作流历史日志。
• 工作流文件静态检查：在网页界面中提前检测常见错误（如错误上下文 {{ badcontext.XXX }} 或关键字拼写错误）。
• 强制推送时显示 CI 状态：在拉取请求的强制推送对话中直接显示提交的 CI 状态。

4. 其他功能更新

• 从 Pagure 迁移仓库：支持将 Pagure 仓库迁移至 Forgejo（例如 Fedora 项目迁移场景）。
• Markdown 编辑器快捷键：新增粗体与斜体格式的键盘快捷键。
• 发布附件显示时间戳：附件现在会显示上传时间。
• 提交列表中显示标签：在仓库提交历史中显示关联的标签。
• 日志配置简化：日志设置项重命名为 LOGGER_<NAME>_MODE，便于通过环境变量配置。

发布计划与支持

• 定期发布：每三个月发布一个版本，安全与漏洞修复会发布补丁版本。
• 长期支持（LTS）：
  • v11.0（LTS）：支持至 2026年7月16日
  • v13.0：支持至 2026年1月15日
  • v14.0：计划于 2026年1月15日发布

获取与升级

• 测试实例：可访问专用测试实例体验。
• 升级建议：仔细阅读发布说明中的破坏性变更，升级前完成完整备份。
• 容器镜像：使用 13.0 标签可自动更新至最新补丁版本。
• 每日构建：v13.0 分支每日构建用于提前验证关键修复。

参与与支持

• 反馈渠道：可通过问题跟踪器、Fediverse 或 Matrix 聊天室提交建议或报告。
• 捐赠方式：支持通过 Liberapay 或 Codeberg e.V. 捐赠，资金分配透明化。

摘要

本文档展示了一组关于 NeXT Computer 公司办公室 的图片集合。核心内容是一个在线图片预览页面，包含 13张照片，主要记录了公司位于 加利福尼亚州雷德伍德城切萨皮克大道900号 的办公空间内部景象。

主要内容

1. 图片集合：页面呈现了一个包含13张图片的缩略图列表。这些图片为用户提供了办公室内部环境的视觉概览，可能包括工作区、会议室、公共区域等。
2. 具体地点：其中多张图片的标题明确指向了公司的具体办公地址，即 "900 Chesapeake Dr., Redwood City"。
3. 元数据：该图片集由用户 parkerthompson 于 2017年2月20日 上传，并记录了 17,281次浏览 和 16次收藏。

总结

此页面本质上是一个历史影像资料的存档与展示，它为访问者提供了对 NeXT Computer 公司特定时期办公环境的直接视觉参考，是关于该公司实体运营空间的一份视觉记录。

Jeep Wrangler 4xe 软件更新故障事件概述

事件经过

Jeep 近期向 Wrangler 4xe 混合动力车型推送了一次空中软件更新，该更新旨在修补车辆的远程信息处理系统。然而，此更新存在严重缺陷，导致大量车辆出现动力系统故障，具体表现为车辆无法启动或在行驶中突然失去全部动力。有车主报告，在驾驶过程中车辆多次在街区范围内熄火，造成重大安全隐患。

影响与车主反应

许多车主的车辆因此无法正常使用，需拖车至经销商处维修。车主批评 Jeep 未提前告知风险，且在问题发生后处理效率低下，未能及时提供解决方案。目前，在线论坛和社交媒体上仍有大量车主表示车辆未修复，无法使用。

Jeep 官方回应

Jeep 的客户支持团队“Jeep Cares”确认该更新存在漏洞，并已推送第二个更新以将软件回滚至旧版本。但官方提醒，由于故障更新未改变信息娱乐系统的版本号，车主无法通过车机界面判断当前软件版本。

给车主的建议

根据当前情况，Jeep 和相关论坛建议车主采取以下步骤：

• 已安装故障更新且车辆异常：尝试禁用混合动力或纯电模式驾驶；若收到新更新通知，请立即安装以回滚软件。
• 未安装更新或车辆正常：暂时拒绝所有软件更新，直至另行通知。

目前，Jeep 未对事件提供更多细节，车主仍在等待后续解决方案。

项目简介

该项目名为 ASCII Automata，是一个技术演示项目，其核心内容以“GROWTH STYLE”（增长样式）为主题。它可能是一个使用ASCII字符来可视化呈现某种自动机或生成艺术的程序。

核心内容

• 主题：项目聚焦于“增长样式”，这表明其核心功能是模拟和展示某种生长或进化的过程。
• 表现形式：使用ASCII字符作为基本元素来构建和显示图形或动画。
• 技术类型：属于生成艺术、算法可视化或细胞自动机领域的范畴。

关键特点

该项目旨在通过简单的文字符号，直观地展示程序化、系统性的生长模式演变过程。其重点在于视觉呈现效果和样式多样性。