2026-02-25

Momo 的游戏开发之旅：用狗狗的敲击创造游戏

引言

作者分享了他利用 Claude Code 和一只名叫 Momo 的 9 磅小猎犬 (cavapoo) 开发游戏的经历。最初的灵感源于一次偶然的事件，Momo 在作者的键盘上敲击，并意外地输入了一些内容。作者决定探索如何利用这些随机输入，并最终创造出一个完整的游戏。

项目概览

整个系统由以下几个部分组成：

• 输入设备： Momo 使用蓝牙键盘，键盘通过 Raspberry Pi 5 连接到 DogKeyboard 应用。
• DogKeyboard 应用： 一个用 Rust 编写的小程序，负责过滤掉特殊按键 (如 Esc、Tab、Windows 键) 并将剩余的按键事件转发给 Claude Code。
• Claude Code： AI 模型，负责根据 Momo 的输入生成游戏代码。
• 奖励机制： 当 Momo 输入足够多的字符时，DogKeyboard 会触发智能宠物喂食器，给予 Momo 奖励。
• 游戏引擎： 所有游戏均使用 Godot 4.6 引擎，并使用 C# 语言编写游戏逻辑。

提示词设计

为了让 Claude Code 理解 Momo 的输入，作者设计了一个特殊的提示词，将 Claude 设定为一个能够理解神秘指令的“古怪的视频游戏设计师”。该提示词强调即使输入看起来是无意义的，也应该将其视为有意义的游戏设计指令。

工具和技术栈

• Godot 4.6： 游戏引擎，选择 Godot 的原因在于其文本格式的场景文件，方便 Claude Code 直接读取和编辑。
• Raspberry Pi 5： 用于路由键盘输入和控制宠物喂食器。
• DogKeyboard (Rust)： 负责过滤按键和触发奖励。
• Claude Code： AI 模型，负责游戏开发。
• Aqara C1 智能宠物喂食器： 用于自动奖励 Momo。
• 自动化反馈工具： 包括截图工具和输入模拟器，帮助 Claude Code 测试和改进游戏。

训练 Momo

作者花费了两周时间训练 Momo，通过奖励的方式让她学会用爪子敲击键盘。最初，Momo 对键盘感到困惑，但通过持续的奖励和引导，她逐渐学会了攻击键盘并产生输入。

游戏示例

Momo 创造了许多游戏，包括：

• DJ Smirk： 一个通过敲击键盘产生不同音调的体验游戏。
• Munch： 一个收集食材的竞争游戏。
• Zaaz： 一个解谜游戏，需要引导画笔在网格中移动。
• The Oracle Frog of Rome： 一个避免巨型章鱼并收集金链子的游戏。
• Octogroove： 一个需要配合节奏敲击鼓点的音乐游戏。
• Ewe Heard Me!： 一个牧羊游戏，需要将羊赶入围栏。
• Quasar Saz： Momo 最近创作的游戏，玩家扮演角色使用宇宙萨兹 (一种乐器) 对抗腐败的声音。

结论

作者认为，Momo 的游戏开发项目证明了，AI 辅助开发的瓶颈不在于创意，而在于反馈循环的质量。通过构建完善的反馈机制，即使是随机的输入也能转化为可玩的游戏。作者鼓励大家尝试利用类似的工具和技术，来探索 AI 辅助开发的可能性。

链接

• YouTube 视频： https://youtu.be/8BbPlPou3Bg
• 游戏下载： https://github.com/cleak/quasar-saz/releases/tag/v1.1 (推荐版本) 和 https://github.com/cleak/quasar-saz/releases/tag/v1.0 (Momo 版本)
• 代码仓库： https://github.com/cleak/tea-leaves
• DogKeyboard： https://github.com/cleak/DogKeyboard

好的，这是对提供的内容的总结，用中文写成，并符合您的要求：

总结：Persona身份验证系统背后的真相

这份报告揭露了Persona（withpersona.com）身份验证服务与OpenAI、美国政府之间存在的一个复杂且令人担忧的合作关系。报告作者通过被动侦察（例如，Shodan搜索、证书透明度日志分析、HTTP响应头检查和未经过身份验证的文件访问）发现，Persona为OpenAI提供身份验证服务，并与美国政府机构共享数据，构建了一个庞大的监控系统。

核心发现：

• “watchlistdb”数据库： Persona 运营一个名为“openai-watchlistdb”的数据库，用于存储和筛选用户数据。该数据库由专门的 Google Cloud 实例托管，且不使用 Cloudflare 保护，这表明其具有高度的敏感性。
• 政府平台： Persona 拥有一个名为“withpersona-gov.com”的政府平台，用于与联邦机构合作，该平台通过 FedRAMP 认证。
• ONYX部署： 报告发现了一个新的子域名“onyx.withpersona-gov.com”，与美国移民和海关执法局（ICE）的 Fivecast ONYX AI 监控工具相关联。虽然代码中没有直接提及 Fivecast，但基础设施的关联性令人担忧。
• 数据保留与使用： Persona 收集了大量的用户数据，包括政府身份证明文件、自拍照、IP 地址、浏览器指纹等。报告指出，这些数据可能被用于 SAR（可疑活动报告）和 STR（可疑交易报告）的申报，并可能与其他政府机构共享。自拍照的保留期限最长为3年。
• OpenAI 集成： Persona 为操作员提供了一个基于 OpenAI 的 AI 助手，用于辅助操作员处理身份验证和监控任务。
• 安全漏洞： 报告还指出，Persona 的政府平台存在严重的安全漏洞，例如在生产环境中公开了 53 MB 的未经过保护的源代码映射文件 (source maps)。

技术细节：

• 报告详细分析了 Persona 的基础设施、证书透明度时间线、API 文档以及源代码，以支持其发现。
• Persona 的身份验证流程涉及 269 个不同的检查，包括人脸识别、反欺诈检测和数据分析。
• Persona 使用 Chainalysis 等工具进行加密货币地址的监控和筛选。

法律和伦理问题：

• 报告作者强调，他们的行为符合新闻自由、安全研究以及法律保障的范围，没有违反任何法律。
• 报告提出了多个法律和伦理问题，例如：
  • 是否符合《伊利诺伊州生物识别信息隐私法》(BIPA) 的要求？
  • 用户是否有知情权和选择权？
  • 数据被用于何种目的，以及是否被滥用？

总结：

这份报告揭示了一个涉及商业 AI 公司、政府机构和用户隐私的复杂问题。Persona 身份验证系统收集了大量的用户数据，并将其用于监控和分析，这引发了对隐私、透明度和问责制的担忧。报告作者呼吁 OpenAI 和 Persona 的法律团队对其合规性进行审计，并公开回答报告中提出的问题。

声明：

报告作者声明，他们没有与任何政府机构、情报机构或竞争对手有任何关联，也没有任何财务利益。该研究是为了公众利益而进行的，并在多个司法管辖区发布。

希望这份总结能满足您的要求。

Anthropic 调整其安全政策：总结

以下是对 Anthropic 公司近期调整其安全政策的总结：

背景:

Anthropic，一家以安全为重点的人工智能公司，此前承诺在其训练人工智能系统之前，必须保证其安全措施的充分性。这一承诺是其“负责任的扩展政策”（RSP）的核心，旨在证明其在人工智能发展中的谨慎态度。

主要变化:

Anthropic 已经放弃了此前承诺，即如果无法保证适当的风险缓解措施，则不再发布人工智能模型。新的 RSP 政策不再包含这一限制。

新政策内容:

• 更透明的风险披露: Anthropic 将更加透明地披露人工智能的潜在安全风险，包括公开安全测试结果。
• 匹配或超越竞争对手的安全措施: 公司承诺在安全方面与竞争对手持平或超越。
• 风险评估与延迟发展: 如果 Anthropic 认为自身处于人工智能竞赛领先地位，并且认为灾难性风险显著，将“延迟”人工智能发展。
• “前沿安全路线图”: 定期发布详细的安全措施目标清单，以推动内部合作和资源分配。
• “风险报告”: 每三到六个月发布更详细的风险报告，评估能力、威胁模型和风险缓解措施之间的关系。

原因:

Anthropic 认为，在人工智能技术快速发展的情况下，单方面承诺停止训练 AI 模型不再有效。公司认为，如果只有 Anthropic 暂停发展，而竞争对手继续前进，可能会导致一个更不安全的世界。此外，人工智能风险评估的复杂性超出了最初 RSP 的预期，使得简单地设定“红线”变得困难。

批评与 Anthropic 的回应:

一些专家认为，Anthropic 的政策调整表明社会在应对人工智能潜在风险方面准备不足，可能导致“青蛙在开水里被煮沸”的情况，即风险逐渐增加而没有明确的警报。Anthropic 则辩称，其调整是对市场压力的回应，但同时也承诺将致力于安全地发展人工智能，并力争在安全方面超越竞争对手。

总而言之，Anthropic 在商业成功和市场压力下，调整了其安全政策，更强调透明度、竞争和风险管理，但同时也引发了对人工智能安全风险的担忧。

Vinext: 一個用 Vite 重建 Next.js 的框架 (Vinext: A Reimplementation of Next.js on Vite)

Cloudflare 推出 Vinext (发音为 "vee-next")，这是一个 drop-in replacement (即插即用替代品) for Next.js，旨在解决 Next.js 在 serverless 环境中的部署问题。Vinext 基于 Vite 构建，并可使用单个命令部署到 Cloudflare Workers。

主要问题：Next.js 的部署难题

Next.js 是最流行的 React 框架，但将其部署到 Cloudflare, Netlify 或 AWS Lambda 等 serverless 平台需要额外的工具和工作，因为 Next.js 的工具链是定制的。OpenNext 试图解决这个问题，但由于需要逆向工程 Next.js 的构建输出，因此存在局限性和维护问题。

Vinext 的解决方案

Vinext 采用不同的方法：它直接在 Vite 上重新实现了 Next.js 的 API 表面。Vite 是一个流行的构建工具，支持 Astro、SvelteKit、Nuxt 和 Remix 等框架。这种方法消除了对 Next.js 输出的依赖，并简化了部署。

关键特性和性能

• 兼容性： 替换 next 命令为 vinext 即可，现有 app/, pages/ 和 next.config.js 文件无需更改。
• 部署： 使用 vinext deploy 命令即可将应用部署到 Cloudflare Workers。
• 性能：
  • 生产构建时间可比 Next.js 快 1.6x 到 4.4x (使用 Vite 7 和 8)。
  • 客户端 bundle 大小可小 56% 到 57% (gzip 压缩)。
• 缓存： 提供 Cloudflare KV 缓存处理程序，支持 ISR (Incremental Static Regeneration)。
• 平台无关性： 基于 Vite Environment API，可以在任何平台运行。

构建方式：AI 的力量

令人惊讶的是，Vinext 由一个 Cloudflare 工程师和 AI 模型共同完成，成本仅为 1100 美元 tokens。 这得益于：

• Next.js 的良好文档和广泛的社区支持。
• Next.js 完善的测试套件。
• Vite 强大的构建基础。
• AI 模型能力的提升。

当前状态和未来展望

Vinext 仍处于实验阶段，但早期结果令人鼓舞。它已经支持了 Next.js API 表面的 94%。 未来计划包括：

• 支持静态预渲染。
• 通过 Traffic-aware Pre-Rendering (TPR) 实现基于流量的预渲染，只预渲染实际访问的页面。
• 与更多 hosting provider 合作，扩大 Vinext 的部署范围。

总结

Vinext 代表了软件开发中 AI 驱动工具的潜力。 这是一个快速构建高性能、可部署的框架的案例，它简化了 Next.js 的部署，并为未来的开发工作提供了新的可能性。该项目代码已开源，欢迎社区参与。

链接:

• GitHub 仓库
• 基准测试

苹果公司扩大在美国的生产和供应链投资 (Apple Expands Production and Supply Chain Investments in the U.S.)

苹果公司近日宣布了在美国进行大规模生产和供应链扩张的举措，旨在增加美国制造产品的比例，并支持国内就业。以下是主要内容：

1. 扩大休斯顿工厂运营 (Expanding Houston Factory Operations):

• 苹果公司将首次在美国本土生产Mac mini，并将进一步扩大休斯顿工厂的先进人工智能服务器制造业务。
• 新的生产线和培训计划将为休斯顿创造数千个就业岗位。
• 苹果公司将开设新的先进制造中心，提供实践性培训。

2. 芯片采购与供应链合作 (Chip Procurement and Supply Chain Collaboration):

• 苹果公司已超额完成目标，从12个州24家工厂（包括TSMC、Broadcom 和德州仪器等合作伙伴）采购了超过200亿颗美国制造的芯片。

3. 全球晶圆公司在德克萨斯州新建晶圆厂 (GlobalWafers New Wafer Facility in Texas):

• 全球晶圆公司（GlobalWafers）在德克萨斯州雪曼（Sherman）新建了一家价值40亿美元的裸硅晶圆厂。
• 苹果公司指示该厂生产的晶圆将用于苹果在美国的芯片制造合作伙伴（如TSMC和德州仪器）的生产。

4. 安科尔在亚利桑那州新建先进封装和测试工厂 (Amkor New Advanced Packaging and Test Facility in Arizona):

• 在苹果公司的投资支持下，安科尔（Amkor）在亚利桑那州皮奥里亚（Peoria）破土动工建设一家价值70亿美元的半导体先进封装和测试工厂。
• 苹果公司将成为该工厂的首家也是最大的客户。

5. 科宁在肯塔基州生产iPhone和Apple Watch玻璃 (Corning iPhone and Apple Watch Glass Production in Kentucky):

• 科宁（Corning）在肯塔基州哈罗兹堡（Harrodsburg）的工厂已完全致力于为全球发售的iPhone和Apple Watch生产盖板玻璃。
• 到今年年底，所有新款iPhone和Apple Watch都将使用肯塔基州制造的盖板玻璃。

6. TSMC在亚利桑那州工厂的芯片采购 (TSMC Chip Procurement in Arizona):

• 预计到2026年，苹果公司将从TSMC在亚利桑那州的新工厂采购超过1亿颗先进芯片，相比2025年有显著增长。

7. 苹果制造学院 (Apple Manufacturing Academy):

• 苹果公司在底特律开设了苹果制造学院，已为130多家美国小型和中型制造商提供人工智能、自动化和智能制造方面的实践性培训。
• 学院最近扩展了新的虚拟编程，使全国各地的企业可以随时访问由苹果专家和密歇根州立大学教职工开发的课程。

总而言之，苹果公司正在积极投资于美国本土的生产和供应链，旨在支持美国就业，并增加美国制造产品的比例。 这些投资涵盖了芯片制造、晶圆生产、先进封装测试、玻璃制造以及人才培养等多个关键领域。

谷歌安卓开发者强制注册政策的公开反对信 - 摘要 (Summary of Open Letter Regarding Mandatory Android Developer Registration)

日期： 2026年2月24日

收件人： 谷歌首席执行官桑达尔·皮查伊 (Sundar Pichai)、谷歌创始人兼董事会成员谢尔盖·布林 (Sergey Brin) 和拉里·佩奇 (Larry Page)；谷歌应用与生态系统信任总监 Vijaya Kaza

抄送： 监管机构、政策制定者和安卓开发者社区

主题： 关于安卓应用分发强制开发者注册的公开反对信

这份公开信由代表民间社会、非营利机构和科技公司的组织联合签署，强烈反对谷歌即将生效的政策，该政策要求所有安卓应用开发者必须向谷歌进行中心化注册才能在谷歌Play商店之外的分发应用。

尽管信中承认平台安全和用户安全的重要性，但指出安卓平台已经具备多种无需中心化注册的安全机制。强制实施一种与安卓历史开放特性相悖的安全模式，威胁着创新、竞争、隐私和用户自由。信中敦促谷歌撤回该政策，并与开源和安全社区合作，寻找更宽松的替代方案。

主要担忧包括：

• 扩大谷歌的“守门人”权力： 该政策将谷歌的权力延伸到其Play商店之外的应用分发渠道，开发者通过自身网站、第三方应用商店、企业分发系统或直接传输分发应用时，需要获得谷歌的许可，这违背了安卓平台一贯的开放特性。
• 增加进入壁垒和阻碍创新： 强制注册对小型开发者、开源项目、资源有限地区的开发者、注重隐私的开发者、人道主义组织、互联网自由倡导者、因制裁无法注册的开发者、研究人员和企业内部应用等群体构成障碍，降低了软件生态系统的多样性。
• 隐私和监控风险： 强制注册将创建包含所有安卓开发者的全面数据库，引发对个人信息存储、使用、政府请求以及开发者活动跟踪等方面的担忧。
• 执行随意性和账户终止风险： 谷歌现有的应用审核流程存在不透明、不一致和缺乏申诉机制的问题，扩展至所有设备可能导致随意拒绝或账户终止。
• 反竞争影响： 谷歌可收集所有安卓开发活动情报，包括应用开发情况、替代分发策略、竞争威胁、市场趋势等，从而获得竞争优势，并可能采取不正当竞争行为。
• 监管担忧： 监管机构日益关注平台垄断行为，要求更开放和互操作性，而强制注册政策与这些趋势背道而驰。

信中强调，安卓平台已经具备足够的现有安全机制，如操作系统安全特性、应用沙箱、用户警告、Google Play Protect等，无需强制注册。

信中提出的诉求如下：

1. 立即撤销强制开发者注册的要求。
2. 与民间社会、开发者和监管机构就安卓安全改进进行公开对话。
3. 承诺平台中立，确保谷歌的角色不与商业利益冲突。

信中总结认为，安卓是重要的技术基础设施，将权力集中在一家公司手中威胁着言论自由、自由软件、竞争和数字主权。呼吁谷歌反思，结束开发者验证计划，并与社区合作，在不牺牲开放原则的前提下，推进安全目标。

丹麦政府部门转向开源软件以减少对美国科技公司的依赖

总结： 丹麦正在积极推动数字化自主，多个政府部门和地方政府计划逐步淘汰微软产品，转而使用开源软件。

主要内容：

• 丹麦数字化部率先行动： 丹麦数字化部（Digitaliseringsministeriet）计划下个月起将超过一半的员工从微软办公套件迁移到LibreOffice，并计划在年底前完成全面过渡到开源软件。此举旨在避免因Windows 10系统即将结束官方支持而产生的费用。
• LibreOffice的特点： LibreOffice是由柏林非盈利组织文档基金会开发的开源办公套件，支持Windows、macOS和Linux系统，包含文字处理、电子表格、演示文稿、矢量图形、数据库和公式编辑等工具。
• 地方政府的跟进： 此举并非丹麦数字化部单独的行动，此前丹麦最大的两个城市——哥本哈根和奥胡斯已经宣布计划放弃微软软件，原因包括成本考量、微软的市场主导地位以及与美国之间的政治紧张关系。
• 历史背景： 哥本哈根审计委员会主席Henrik Appel Espersen指出，特朗普总统时期美丹关系紧张，引发了对数据保护和减少对外国技术依赖的担忧，这也是推动这一转变的原因之一。
• 更广泛的欧洲趋势： 丹麦的行动是欧洲范围内追求数字化自主趋势的一部分。德国的石勒苏格里茨-荷尔斯泰因州也宣布将放弃微软Office工具，并用Open-Xchange替换微软Outlook，计划在未来几年内迁移到Linux操作系统。该州的目标是成为“数字化自主的先驱地区”。
• 可能的倒退： 丹麦数字化部表示，如果过渡过程过于复杂，可能会重新考虑并返回使用微软产品。
• 微软的回应： 截至目前，微软尚未对Recorded Future News的评论请求做出回应。

关键词: 丹麦, 开源软件, 数字化自主, Microsoft, LibreOffice, Windows 10.

Mercury 2：基于扩散技术的快速推理语言模型

本文介绍了Inception公司推出的Mercury 2，一款旨在实现生产级AI即时体验的、速度最快的推理语言模型。

核心问题与解决方案：

当前生产级AI应用不再是简单的单轮问答，而是涉及代理、检索管道和提取任务等循环流程。 传统的自回归（autoregressive）语言模型因其逐个token解码的特性，导致延迟问题在循环流程中会累积，影响用户体验。 Mercury 2 采用了基于扩散（diffusion）技术的全新架构，通过并行化token生成和逐步优化，大幅提升了推理速度。

Mercury 2 主要特点：

• 速度： 在NVIDIA Blackwell GPU上，Mercury 2的token生成速度高达每秒1009个token，是现有模型的5倍以上。
• 价格： 输入token每100万个0.25美元，输出token每100万个0.75美元。
• 质量： 质量与同类速度优化模型相当。
• 功能：
  • 可调的推理能力
  • 128K上下文窗口
  • 原生工具使用
  • 与模式对齐的JSON输出

优势与应用场景：

Mercury 2 旨在打破质量和速度之间的权衡，在保证推理质量的同时，实现实时低延迟。其应用场景包括：

• 编码与编辑： 代码自动补全、代码建议、重构、交互式代码代理等，提升开发者效率。
• 代理循环： 优化代理流程中的推理调用，提升最终输出质量。
• 实时语音交互： 适用于对延迟要求极高的语音交互应用，例如AI视频化身、语音助手等。
• 搜索和RAG管道： 在搜索流程中加入推理能力，提升搜索质量，同时控制延迟。

用户反馈：

• NVIDIA 资深产品经理 Shruti Koparkar 表示，Mercury 2 的性能、可扩展性和多功能性使其能够支持各种AI工作负载。
• Viant 的 Adrian Witas 表示，Mercury 2 有助于优化营销活动执行，提高效率和韧性。
• Wispr Flow 的 Sahaj Garg 认为 Mercury 2 速度远超其他模型，特别适合实时转录和交互式 HCI 应用。
• Skyvern 的 Suchintan Singh 称 Mercury 2 的速度是 GPT-5.2 的至少两倍。
• Happyverse AI 的 Max Sapo 认为 Mercury 2 显著提升了 AI 视频化身在实时对话中的表现。

部署与获取：

Mercury 2 现已发布，并与 OpenAI API 兼容，用户可以直接集成到现有系统中，无需重新编写代码。Inception 提供企业评估支持，协助用户进行工作负载适配、评估设计和性能验证。

yj_nearbyglasses：附近眼镜检测应用

该项目旨在检测附近的可穿戴智能眼镜并发出警告。

⚠ 警告 ⚠

请注意，基于猜测骚扰他人，认为其佩戴秘密监控设备可能构成犯罪。使用此类设备可能比骚扰行为本身更严重。请咨询当地法律法规。

⚠ 请勿骚扰任何人 ⚠

应用功能

Nearby Glasses 应用的主要功能是检测附近的可穿戴智能眼镜并发出警告。

该应用通过检测这些设备发出的蓝牙数据中的公司标识符来工作。因此，可能会出现误报（例如来自VR头显）。用户在使用时应谨慎，因为佩戴眼镜的人可能只是戴着普通的眼镜。

作者 Yves Jeanrenaud 不对该应用及其功能承担任何责任。用户需自行承担风险使用。由于蓝牙LE设备的检测有时可能无法按预期工作，该应用并非专业开发，而是作者在业余时间使用自学知识编写。

误报的可能性很高，即该应用可能会在实际上存在VR头显或其他公司产品时，报告检测到附近有智能眼镜。应用也可能错过附近的智能眼镜。

该应用不存储任何关于用户或手机的详细信息，不收集任何信息，没有遥测数据、广告或其他干扰。如果用户通过Google Play商店安装该应用，Google可能会收集一些统计数据，但应用本身不会。

用户可以选择导出日志文件，但需自行承担责任。日志仅记录在本地，不会自动与任何人共享。日志包含的敏感数据有限，仅包括BLE设备遇到的制造商ID代码。

使用时请务必谨慎！ 检测到的智能眼镜可能并非真实存在的。

应用原理

• 应用采用一种简单的启发式方法。由于蓝牙MAC地址随机化和OSSID不稳定，UUID服务公告也不稳定，因此无法仅扫描蓝牙信标。
• 目前可行的方案是参考蓝牙SIG分配的编号仓库。该仓库显示，公司名称以数字代码的形式出现在BLE信标广告头（ADV）中。
• 应用扫描的BLE设备制造商ID包括：
  • 0x01AB (Meta Platforms, Inc.，前身为Facebook)
  • 0x058E (Meta Platforms Technologies, LLC)
  • 0x0D53 (Luxottica Group S.p.A.，制造Meta Ray-Ban)
  • 0x03C2 (Snapchat, Inc.，制造SNAP Spectacles)
• 当应用检测到具有足够信号强度（RSSI）的蓝牙低功耗（BLE）设备时，会推送警报消息。
• 应用显示可选的调试日志，允许用户导出（为txt文件）。
• 用户可以在“设置”中指定日志长度、调试显示（显示所有扫描项目或仅显示ADV帧）以及自定义公司ID。
• 应用使用Android的“前台服务”以提高持久性。
• 用户可以在“设置”中配置警告冷却时间，默认为10秒。
• 应用支持多种语言：英语、德语、瑞士德语和法语。

使用方法

1. 安装应用（从Releases 或 Google Play 下载）。
2. 点击“开始扫描”按钮。
3. 授予蓝牙激活权限，以及访问附近设备权限。
4. 如果扫描未启动，可能需要在设备的“设置”菜单中启用“前台服务”。
5. 设置完成！检测到附近智能眼镜时，会显示通知。
6. 通过右上角的齿轮图标进入“设置”菜单：
   • 启用“前台服务”以防止应用被Android暂停。

欧洲电动汽车市场分析：特斯拉销量下滑，比亚迪崛起 (European Electric Vehicle Market Analysis: Tesla Sales Decline, BYD Rises)

根据欧洲汽车制造商协会 (ACEA) 的最新数据，2026 年 1 月，特斯拉在欧盟、欧洲自由贸易联盟 (EFTA) 和英国的总注册车辆数量仅为 8,075 辆，同比下降 17%。

整体电动汽车市场增长，特斯拉表现拖累

尽管特斯拉销量下滑，但整个电池电动汽车 (BEV) 市场却持续增长。2026 年 1 月，欧盟、EFTA 和英国的 BEV 注册量达到 189,062 辆，同比增长 13.9%。BEV 市场份额达到 19.3%，较 2025 年 1 月的 14.9% 有显著提升。 法国 (+52.1%)、德国 (+23.8%) 和丹麦 (+52.7%) 是增长的主要驱动力，而整体汽车市场则收缩了 3.5%。

如果剔除特斯拉的数据，BEV 注册量同比增长高达 15.9%。

比亚迪销量激增，超越特斯拉

与特斯拉不同，比亚迪在 2026 年 1 月注册了 18,242 辆汽车，同比增长 165%，销量超过特斯拉的两倍。比亚迪目前在欧盟+EFTA+UK 市场中占有 1.9% 的份额，而特斯拉仅为 0.8%。

特斯拉销量下滑原因

2025 年第一季度，特斯拉欧洲销量已暴跌 37%。当时，公司将其归咎于对翻新的 Model Y “Juniper” 的生产调整。然而，2026 年 1 月的销量下降发生在 Model Y 翻新版全面上市并量产一年之后，这表明问题并非简单的生产过渡问题。

尤其是在挪威市场，由于税收优惠政策的结束，新车注册量大幅下降 76.3%，而特斯拉作为挪威电动汽车市场的传统领导者，受到的影响尤为严重。

其他汽车市场的变化

与此同时，欧洲汽车市场正在迅速向电动化转型。汽油车注册量大幅下降 28.2%，法国下降 48.9%，德国下降 29.9%。柴油车销量也持续下降 (-22.3%)。汽油和柴油车的总份额下降至 30.1%，较 2025 年 1 月的 39.5% 下降。

插电式混合动力汽车 (PHEV) 销量也大幅增长 32.2%，达到 99,654 辆。意大利 (+134.2%) 和西班牙 (+66.7%) 表现突出。混合动力电动汽车仍然是最受欢迎的动力选择，市场份额为 38.6%。

其他制造商中，Stellantis 增长 6.7%，达到 164,436 辆，Fiat 上涨 24.6%，Opel/Vauxhall 上涨 12.7%。大众集团销量下降 3.8%，但仍保持 26.7% 的主导市场份额。梅赛德斯-奔驰小幅增长 2.8%，宝马集团则下降 5.7%。

总结

欧洲电动汽车市场正在加速发展，但特斯拉未能从中受益。比亚迪的销量已经超过特斯拉，并且差距还在不断扩大。 2025 年开始出现的抵制特斯拉的运动，以及部分市场补贴政策的结束，都加剧了特斯拉的需求下滑。 特斯拉需要在欧洲市场尽快找到发展方向，否则它可能会在世界上最大的电动汽车市场中变得不重要，而比亚迪、大众和 Stellantis 等竞争对手将填补由此产生的空缺。

关西机场荣膺“世界最佳行李服务机场”称号，面临人员短缺挑战

主要内容：

关西国际机场自1994年开航以来，从未发生过行李丢失事件，因其卓越的行李服务，被誉为全球最佳行李服务机场。

关键细节：

• 奖项获得： 关西机场荣获2024年世界机场奖（World Airport Awards）的“行李交付最佳机场”称号，这是其第八次获得该奖项。该奖项由位于英国的国际航空评级机构评选。
• 行李处理量： 机场高峰期每日处理高达3万件托运行李。
• 行李管理流程： 行李通过传送带分拣，并根据目的地进行运输。除了使用传感器监控行李外，员工还会巡逻区域，检查是否有掉落的行李，以降低行李丢失的风险。
• 海外旅客评价： 关西机场在海外旅客中享有良好的行李服务声誉。一位来自坦桑尼亚的乘客注意到，行李传送带上的行李手柄都朝向旅客，这体现了机场工作人员的细致服务。
• 人工处理： 抵达后，地面服务人员会手动调整行李手柄方向，并将行李放置在传送带上。
• 未来挑战： 随着2025年大阪关西世博会的临近，预计机场客流量将增加，目前正面临人员短缺问题。机场方面表示将通过升级系统来提高效率。

总结：

关西机场凭借其严格的行李管理流程和细致的服务，长期保持着世界领先的行李服务水平。然而，随着世博会的临近，机场面临着人员短缺的挑战，正在积极寻求通过技术升级来提高效率，以维持其卓越的服务质量。

OpenAI 的投资计划及关键数据总结 (Summary of OpenAI's Investment Plan and Key Data)

以下是对 OpenAI 最新投资计划及相关数据的总结：

投资与营收预测:

• OpenAI 现在预计到 2030 年，全球人工智能计算支出将达到约 6000 亿美元，此前 CEO Sam Altman 曾预测为 1.4 万亿美元。
• 该公司预计到 2030 年的营收将超过 2800 亿美元，消费者业务和企业业务的贡献将大致相等。
• OpenAI 正在进行一轮总额超过 100 亿美元的融资，其中约 90% 来自战略投资者。
• 英伟达 (Nvidia) 正在讨论投资高达 30 亿美元，公司估值可能达到 7300 亿美元（融资前）。其他战略投资者包括软银 (SoftBank) 和亚马逊 (Amazon)。

运营数据:

• 2025 年，OpenAI 的营收达到 131 亿美元，高于最初的 100 亿美元目标。
• 该公司当年亏损 80 亿美元，低于 90 亿美元的目标。
• ChatGPT 目前拥有超过 9 亿的每周活跃用户，比 2023 年 10 月的 8 亿用户数量有所增长。
• OpenAI 的代码产品 Codex 的每周活跃用户已超过 150 万，与竞争对手 Anthropic 的 Claude Code 展开竞争。

其他信息:

• OpenAI 于 2015 年成立，最初是一个非营利研究实验室。
• 2022 年 ChatGPT 的发布使 OpenAI 迅速走入主流。
• 去年底，OpenAI 宣布进入“红色代码”状态，以应对来自 Google 和 Anthropic 等竞争对手的压力，重点改进 ChatGPT。 尽管秋季曾出现增长放缓，但 ChatGPT 的每周和每日活跃用户数量已恢复到历史新高。

将旧 Kindle 改造成实时公交到站信息显示屏

本文介绍了如何将旧 Kindle（Kindle Touch 4th Generation/K5/KT）改造为实时公交到站信息显示屏，信息每分钟刷新一次，并可通过菜单键退出仪表盘模式。该项目相当于价格为 140 美元的 TRMNL，但成本更低。

改造步骤：

1. 越狱 Kindle： 参考 Kindle 越狱圣经 进行越狱操作，需根据 Kindle 型号和固件版本选择正确的 tar 文件。
2. 安装 KUAL & MRPI： KUAL 是自定义 Kindle 应用启动器，MRPI 用于安装自定义应用（部分较新 Kindle 可能不需要 MRPI）。安装过程可能较为复杂，建议参考 Kindle Modding Wiki，注意“下一步”按钮通常位于页面底部。
3. 设置 SSH： 使用 KUAL 扩展 USBNetwork（可从越狱圣经下载）在 Kindle 上启用 SSH 功能，以便远程访问。
4. 运行服务器： 在互联网或本地搭建服务器，用于生成 Kindle 显示的图像。
5. 创建 KUAL 应用： 使用 KUAL 创建一个应用，用于显示公交到站信息并提供退出仪表盘模式的选项。

具体实现细节：

• 公交数据获取： 作者使用 NJ Transit 公交的 GraphQL 服务器获取实时公交信息，包括发车时间、目的地、车次、路线、容量等。
• 服务器搭建： 作者使用 Node.js 构建服务器，利用 wkhtmltoimage 将公交数据格式化为 HTML，然后生成 PNG 图像，并在指定时间间隔自动刷新。服务器提供两个端点：一个用于生成 HTML，另一个用于提供 PNG 图像。
• 图像生成： 图像需要符合 Kindle 屏幕分辨率，作者通过 eips -i 命令获取 Kindle 屏幕分辨率。由于旋转问题，作者使用 transform: rotate(90deg) translateX(-100px) translateY(-100px); 调整图像，以适应垂直方向的显示。
• KUAL 应用开发： KUAL 应用包含 menu.json（控制菜单）和 config.xml（配置）。start.sh 脚本负责刷新屏幕，显示公交信息、日期、时间、Wi-Fi 状态和电池电量。按下菜单键会执行 stop.sh 脚本，停止仪表盘并重启 Kindle UI。

作者遇到的问题及解决方案：

• 安装 KUAL & MRPI 困难： 仔细阅读 Kindle Modding Wiki，注意“下一步”按钮的位置。
• Puppeteer 性能问题： 放弃使用 Puppeteer，改用 wkhtmltoimage 生成 PNG 图像。
• SSH 连接问题： 使用 USBNetwork 扩展并按照博客文章的步骤进行配置。
• 图像旋转问题： 使用 transform 属性调整图像旋转和位置。
• 颜色溢出问题： 考虑在夜间闪烁黑色和白色屏幕来解决。
• 电池续航问题： 考虑增加屏幕刷新间隔来延长电池续航时间。

总而言之，该项目将旧 Kindle 改造为实用的公交到站信息显示屏，展示了利用定制应用程序和服务器技术实现个性化功能的可能性。

pi 编码代理：概述

pi 是一个极简的终端编码助手，旨在适应您的工作流程，而不是反之。它通过 TypeScript 扩展、技能、提示模板和主题等方式进行扩展，并将这些打包成 pi 包，可以通过 npm 或 git 共享。

核心特点：

• 安装： 使用 npm install -g @mariozechner/pi-coding-agent 安装。
• 模式： 提供四种模式：
  • 交互式： 完整的 TUI 体验。
  • 打印/JSON： 适用于脚本和事件流。
  • RPC： 通过 stdin/stdout 进行 JSON 协议通信。
  • SDK： 嵌入到应用程序中。
• 模型支持： 支持 Anthropic, OpenAI, Google, Azure, Bedrock, Mistral, Groq 等 15 多个提供商和数百个模型，通过 API 密钥或 OAuth 进行身份验证。
• 会话管理： 会话以树状结构存储，允许用户导航到任何之前的状态并继续操作。支持导出为 HTML (/export) 或分享为 GitHub gist (/share)。
• 上下文工程： 通过精简的系统提示和可扩展性进行上下文工程。支持 AGENTS.md (项目指令), SYSTEM.md (项目特定系统提示), 以及自动消息压缩。
• 技能与提示模板： 技能是包含指令和工具的包，可以按需加载。 提示模板是可重用的 Markdown 文件。
• 队列管理： 允许提交消息并在代理工作时进行转向或跟进。
• 扩展性： pi 强调通过扩展来添加功能，而不是内置各种功能。
  • 支持构建子代理、计划模式、权限门、路径保护、SSH 执行、沙箱等。
  • 提供 50 多个示例扩展。
• 包管理： 允许将扩展、技能、提示和主题打包成包，并从 npm 或 git 安装。

设计哲学：

pi 避免内置一些常见功能，例如 MCP、子代理、权限提示、计划模式等，而是鼓励用户通过扩展或第三方包来定制这些功能。 这种设计理念保持了核心的简洁性，并允许用户根据自己的工作方式来塑造 pi。

资源：

• 文档
• 包

美国国防部与 Anthropic AI 公司就 AI 模型使用权产生争议 (美国国防部与 Anthropic AI 公司就 AI 模型使用权产生争议)

摘要:

美国国防部（DoD）与人工智能公司 Anthropic 就其大型语言模型 Claude 的使用条款发生争端。国防部长 Pete Hegseth 设定了 Friday 截止日期，要求 Anthropic 首席执行官 Dario Amodei 同意国防部的条款，否则将面临处罚。

主要内容:

• 争议焦点: DoD 希望获得对 Claude 模型不受限制的访问权限，以便用于军事用途，包括可能涉及大规模监控和自主武器系统。Anthropic 则坚持认为其产品不应用于此类目的，强调安全和伦理考量。
• 背景: DoD 去年 7 月与 Anthropic、Google 和 OpenAI 等多家 AI 公司签署了价值高达 2 亿美元的合同，将 Claude 允许用于军事的分类系统。然而，Anthropic 对使用条款的抵制导致了当前危机。
• 威胁与协议: DoD 已经威胁要取消与 Anthropic 的合同，并将其列为“供应链风险”。与此形成对比的是，xAI (Elon Musk 公司) 和 OpenAI 已同意 DoD 的使用条款，OpenAI 表示其模型可用于“所有合法用途”。
• 政治因素: Anthropic 的创始人 Amodei 反对特朗普，并聘请了多名前拜登工作人员，这被《华尔街日报》报道为促使一家亲特朗普风险投资公司退出对 Anthropic 投资的一个因素。
• 军事 AI 的发展: 美国政府，特别是特朗普政府，正积极推动将 AI 集成到军事行动中，并希望在 AI 领域取得领先地位。DoD 近年来已投入数十亿美元用于开发 AI 技术，包括无人机和自动目标系统。
• 伦理问题: 随着 AI 技术在军事领域的应用越来越广泛，关于在致命决策中应赋予 AI 多少自主权的伦理问题也日益凸显。乌克兰的冲突中出现的半自主无人机也加剧了对这些问题的关注。
• 事件背景: 在争端发生前不久，美国军方 reportedly 使用 Claude 协助逮捕了委内瑞拉领导人 Nicolás Maduro。

总结:

这场与 Anthropic 的争端突显了 AI 公司与政府之间在军事 AI 应用的伦理边界和控制权问题上的冲突。它也反映了美国政府对 AI 军事应用的渴望，以及由此引发的关于安全、伦理和潜在风险的担忧。

Steel Bank Common Lisp (SBCL) 概要

Steel Bank Common Lisp (SBCL) 是一款高性能的 Common Lisp 编译器。它是一个开源/自由软件，采用宽松的许可协议。 除了 ANSI Common Lisp 的编译器和运行时系统外，SBCL 还提供了一个交互式环境，包括调试器、统计分析器、代码覆盖工具以及许多其他扩展。

主要特点：

• 高性能: SBCL 专注于提供高性能的 Common Lisp 实现。
• 开源与自由: 采用宽松的许可协议，允许自由使用、修改和分发。
• 完整环境: 除了编译器和运行时，还包含调试器、性能分析器和代码覆盖工具等。
• 跨平台支持: 支持 Linux、各种 BSD 操作系统、macOS、Solaris 和 Windows 等平台。详细的平台支持列表可在下载页面查看。
• 最新版本: 当前最新版本为 SBCL 2.6.1 (2026年1月26日发布)，相关发布说明可参考。

文档：

SBCL 的手册可在以下格式获取：

• HTML
• PDF
• 源代码中的 doc/manual 目录，以 TeXInfo 源代码形式提供。

问题报告：

发现 bug 可以通过以下方式报告：

• 直接提交到 SBCL Launchpad bug 数据库。
• 发送电子邮件至 sbcl-bugs@lists.sourceforge.net 邮件列表（无需订阅）。

总结：优化 Claude Code 环境，减少 LLM 上下文污染

这篇文章讨论了在使用 Claude Code 等 AI 编码代理时，如何优化环境以减少上下文污染，从而提高效率和降低成本。

核心问题： AI 编码代理（类似于训练有素的狗）在处理任务时，容易受到环境干扰，导致上下文窗口快速填充，影响性能。特别是在使用 Turbo 构建管理工具时，大量无关的构建输出会污染上下文。

解决方案：

• Turbo 优化： 通过修改 turbo.json 文件，设置 outputLogs: "errors-only" 可以避免将构建输出写入标准输出。 使用 TURBO_NO_UPDATE_NOTIFIER=1 环境变量可以消除更新提示信息。
• 环境配置： 使用 .claude/settings.json 文件设置环境变量，例如 TURBO_NO_UPDATE_NOTIFIER 和 NO_COLOR，以抑制不必要的输出。
• CI=true 环境变量： 利用 CI/CD 环境中常用的 CI=true 环境变量，它能禁用旋转动画、去除 ANSI 颜色代码，并调整日志详细程度。
• 提出 LLM=true 环境变量： 作者建议引入 LLM=true 环境变量，作为一种默认配置，以提示工具针对 LLM 环境进行优化，减少 token 消耗。

优势：

• 经济效益： 减少 token 消耗，降低成本。
• 性能提升： 清理上下文，提高输出质量。
• 环保效益： 减少 token 消耗，降低能源消耗。

作者的观点： 随着 AI 编码代理的普及，未来应该将 LLM=true 作为默认设置，并在代码编写中优先考虑 LLM 环境的优化。作者鼓励 Claude Code 的开发者考虑默认设置 LLM=true 环境变量。

Moonshine Voice 概述 (Moonshine Voice Overview)

Moonshine Voice 是一个开源的 AI 工具包，专为开发者构建实时语音应用程序设计。它强调在设备上运行，保障速度和隐私，无需账户、信用卡或 API 密钥。该框架和模型针对实时流式应用进行了优化，通过在用户说话时进行大量工作，实现低延迟响应。

核心特点：

• 实时性： 针对实时语音交互进行优化，提供低延迟响应。
• 隐私性： 在本地运行，保护用户数据隐私。
• 跨平台： 支持 Python、iOS、Android、MacOS、Linux、Windows、Raspberry Pi 和物联网设备等多种平台。
• 功能丰富： 提供转录、说话人识别（对话分离）和命令识别等高阶 API。
• 多语言支持： 支持英语、西班牙语、普通话、日语、韩语、越南语、乌克兰语和阿拉伯语等多种语言。
• 模型精度： 基于最新的研究成果，模型训练自新数据，在某些情况下，在相同参数量下，精度优于 Whisper Large V3。 提供从 26MB 到更大尺寸的多种模型选择，以适应不同的部署需求。

快速入门：

• Python: pip install moonshine-voice，然后运行 python -m moonshine_voice.mic_transcriber --language en。
• iOS/Android/Linux/MacOS/Windows: 下载相应的示例项目并使用各自的 IDE (Xcode, Android Studio, Visual Studio) 打开。
• Raspberry Pi: 使用 sudo pip install --break-system-packages moonshine-voice 安装，然后运行 python -m moonshine_voice.mic_transcriber --language en。

Moonshine Voice 与 Whisper 的区别：

Moonshine Voice 的优势：

• 灵活的输入窗口： 不像 Whisper 的 30 秒固定窗口，Moonshine 允许任意长度的音频输入。
• 缓存机制： 缓存音频输入，减少重复计算，提高响应速度。
• 语言特定模型： 针对特定语言训练的模型，提高精度。
• 跨平台统一库： 简化了跨平台应用开发。

使用方法：

• 转录： 使用 Transcriber 类和 TranscriptEventListener 接口进行语音转录。
• 命令识别： 使用 IntentRecognizer 类和 register_intent 方法识别预定义的命令。

模型下载：

使用 python -m moonshine_voice.download --language en 下载模型。

未来计划：

• 进一步减小模型尺寸，优化移动端部署。
• 支持更多语言。
• 改进说话人识别功能。
• 提供轻量级的领域定制功能。

Hugging Face Skills 概述

Hugging Face Skills 是一组定义，用于 AI/ML 任务，例如数据集创建、模型训练和评估。 它们与 OpenAI Codex、Anthropic Claude Code、Google DeepMind Gemini CLI 和 Cursor 等主要的编码代理工具兼容。 Skills 遵循 Agent Skill 标准格式。

工作原理：

Skills 实际上是自包含的文件夹，其中包含指令、脚本和资源，用于 AI 代理在特定用例中执行任务。 每个文件夹都包含一个 SKILL.md 文件，其中包含 YAML 前置信息（名称和描述），以及代理在 Skill 激活时遵循的指导。

兼容性说明：

虽然 "Skills" 最初是 Anthropic Claude AI 和 Claude Code 使用的术语，但 Hugging Face Skills 仓库与 OpenAI Codex (使用 Agent Skills 规范)、Google Gemini (使用扩展) 和 Cursor 兼容。 如果代理不支持 Skills，可以使用 agents/AGENTS.md 文件作为备用方案。

安装：

根据使用的代理工具，安装方法如下：

• Claude Code: 使用 /plugin marketplace add huggingface/skills 注册仓库，然后使用 /plugin install <skill-name>@huggingface/skills 安装 Skill。
• Codex: 将所需的 Skills 文件夹从仓库的 skills/ 目录复制或创建符号链接到 Codex 的标准 .agents/skills 目录。
• Gemini CLI: 使用 gemini extensions install . --consent 或 gemini extensions install https://github.com/huggingface/skills.git --consent 安装。
• Cursor: 安装来自仓库 URL 或本地检出的 Cursor 插件。

可用 Skills：

该仓库包含多个 Skills，例如：

• gradio: 构建 Gradio Web UI 和演示。
• hugging-face-cli: 执行 Hugging Face Hub 操作。
• hugging-face-datasets: 创建和管理 Hugging Face Hub 上的数据集。
• hugging-face-evaluation: 添加和管理 Hugging Face 模型卡的评估结果。
• hugging-face-jobs: 在 Hugging Face 基础设施上运行计算任务。
• hugging-face-model-trainer: 使用 TRL 在 Hugging Face Jobs 基础设施上训练或微调语言模型。
• hugging-face-paper-publisher: 在 Hugging Face Hub 上发布和管理研究论文。
• hugging-face-tool-builder: 构建可重用的脚本，用于 Hugging Face API 操作。
• hugging-face-trackio: 使用 Trackio 跟踪和可视化 ML 训练实验。

使用 Skills：

在向编码代理下达指令时，直接提及 Skills，例如：“使用 HF LLM trainer skill 估算 70B 模型运行所需的 GPU 内存。” 代理会自动加载相应的 SKILL.md 指令和辅助脚本。

贡献与自定义：

可以复制现有 Skills 文件夹、更新 SKILL.md 文件中的前置信息、添加或编辑支持脚本，以及在 .claude-plugin/marketplace.json 文件中添加条目，最后运行 ./scripts/publish.sh 脚本进行验证和重新生成。

市场 (Marketplace):

.claude-plugin/marketplace.json 文件列出了 Skills，并提供了人类可读的描述，用于浏览插件市场。

加州总检察长起诉亚马逊涉嫌操纵价格 (加州总检察长起诉亚马逊涉嫌价格操纵)

加州总检察长罗布·本塔 (Rob Bonta) 指控美国最大的在线零售商亚马逊实施了广泛的价格操纵计划，并寻求法院立即停止该计划。本塔表示，亚马逊要求供应商提高价格以维持自身盈利能力，并与其它主要在线零售商合作进行价格操纵。

具体而言，本塔指控亚马逊迫使在平台上和平台外销售的供应商提高价格，并与竞争对手合作。供应商为了避免亚马逊的惩罚，通常会同意提高竞争对手网站的价格，甚至从竞争对手的网站上移除产品。

尽管亚马逊计划于2027年1月进行一系列诉讼，但本塔的行动意义重大，因为他要求法院提前一年立即介入。法院只有在认定亚马逊很可能败诉的情况下才会这样做，这意味着本塔相信其证据表明亚马逊推动严重损害消费者利益的行为。

亚马逊2025年北美在线购物业务收入高达4260亿美元，相当于美国每个家庭3000美元的收入。第三方商品在平台上的价格上涨速度高达7%，超过了通货膨胀率的两倍。 由于该计划影响了亚马逊网站以外的商品价格，因此很可能对美国整体价格水平产生了影响。 类似先锋集团与沃尔玛涉嫌合谋的事件也表明，整合和价格操纵与通货膨胀有关。

本塔指控亚马逊通过以下三种主要方式操纵价格：在价格战中，指示竞争对手的供应商提高价格；要求竞争对手停止打折；以及阻止供应商在亚马逊之外以更低的价格销售产品，然后提高亚马逊的价格。

本塔提出的诉求包括禁止亚马逊通过供应商协议设定在线零售价格，并禁止其就非亚马逊零售商的价格和条款进行沟通。他还在寻求指定一名监督员，以确保亚马逊停止不良行为。

本塔的诉讼具有重要意义，因为他寻求立即禁令，旨在阻止亚马逊在诉讼结束后继续其行为。 此外，联邦贸易委员会 (FTC) 也指控亚马逊通过“Project Nessie”算法鼓励其他在线零售商提高价格。

这些案件都已进入审理阶段，但实际的补救措施可能需要数年时间。

内容摘要：arXiv hep-th 投稿数量分析及对 AI 影响的讨论

本文主要讨论了 arXiv hep-th（理论物理高能物理）投稿数量的异常增长现象，以及由此引发的关于 AI 影响的思考。

主要观察与数据：

作者通过 arXiv 高级搜索功能，对不同时间段的 hep-th 投稿数量进行了统计，发现近期投稿数量呈现显著增长趋势：

• 2022年12月1日-12月31日： 634 篇
• 2023年12月1日-12月31日： 684 篇
• 2024年12月1日-12月31日： 780 篇
• 2025年12月1日-12月31日： 1192 篇
• 2022年1月1日-2月1日： 583 篇
• 2023年1月1日-2月1日： 531 篇
• 2024年1月1日-2月1日： 626 篇
• 2025年1月1日-2月1日： 659 篇
• 2026年1月1日-2月1日： 1137 篇
• 2022年2月1日-2月15日： 299 篇
• 2023年2月1日-2月15日： 266 篇
• 2024年2月1日-2月15日： 271 篇
• 2025年2月1日-2月15日： 333 篇
• 2026年2月1日-2月15日： 581 篇

数据显示，尤其是 2025 年和 2026 年的投稿数量在过去几年中几乎翻了一番。作者承认，之前的数据（使用不同时间段的统计）显示增长幅度没有这么大，可能存在统计方法上的差异。

对 AI 的思考：

作者结合 Sabine Hossenfelder 的观点，认为 AI 能够生成质量与当前 hep-th 领域许多论文相当的论文，可能会改变学术发表的格局。传统模式下，PI（项目负责人）利用研究生和博士后进行论文发表，AI 可能会取代这些人力，使得更多人能够快速生成论文，导致论文数量的激增。

未来展望：

作者表示自己缺乏时间和精力深入研究此问题，并认为应该由 AI 代理来完成更详细的数据分析，包括识别 AI 生成的论文。作者也观察到，当前很难区分人类和 AI 生成的评论，或许 AI 生成的论文也能优于人类的论文。

评论限制：

作者希望读者在评论时保持相关性，避免无意义的评论和“幻觉”。除非能够提供有力的证据说明数据分析存在问题，或者了解 arXiv 对此问题的处理，否则不鼓励随意评论。作者将对评论进行审核，但不会因为评论是 AI 生成而删除。

https://news.ycombinator.com/item?id=47139951

https://code.claude.com/docs/en/remote-control

Cape is premium wireless coverage with an added layer of personal security. Talk, text, and live with the confidence that you’re protected.

Emdash is the Open-Source Agentic Development Environment (🧡 YC W26). Run multiple coding agents in parallel. Use any provider. - generalaction/emdash

PayPal's stock lost nearly a third of its value last year due to slowing growth and competition concerns.

Denver is getting rid of its automated license plate reading camera vendor Flock Safety.

Defense Secretary Pete Hegseth gave Anthropic CEO Dario Amodei a Friday deadline to comply with demands to peel back safeguards on its AI model or risk losing a Pentagon contract.

Okay, I'm ready. Please provide the content you want me to summarize. I will do my best to generate a concise and accurate summary in Chinese, adhering to your requirements (less than 800 words, no personal opinions, focus on main points, and markdown formatting). Just paste the content here.