美国大峡谷河流漂流向导凯尔西·普芬德勒（Kelsey Pfendler）完成了从加利福尼亚州到夏威夷的独自划船横渡中太平洋之旅，成为首位完成该壮举的美国女性。

据当地媒体报道，普芬德勒于5月从加利福尼亚州蒙特雷出发，经过约一个半月的海上航行后，于周五晚间抵达檀香山港。她乘坐的是一艘名为“莉莉”（Lily）的21英尺长划艇，航程超过2400英里（约3900公里）。

根据其个人网站及国际海洋划船协会（Ocean Rowing Society International）——该机构为吉尼斯世界纪录裁决海洋划船成就——的在线记录，普芬德勒有望创下多项纪录，包括首位独自完成该路线的美国女性、最年轻的女性以及最快的女性。她在不到44天内完成了航程，打破了此前女性约86天和男性约52天的同类速度纪录。

此次旅程中，普芬德勒通过社交媒体视频日记与数十万关注者分享了经历，内容包括海上生存的具体安排：烹饪、防晒、洗衣和淡水制作等。她也记录了面临的诸多挑战，如双手起泡、强风下难以入睡，以及应对不利海流与风向带来的身心考验。

普芬德勒自18岁起便是职业漂流向导，过去八年一直在科罗拉多河大峡谷段带队。她在视频中表达了自己对“远在他乡的船只”的热爱。

在临近瓦胡岛时发布的一段视频中，她希望自己的成就能激励他人：“如果这能让至少一个人感到更有力量，我就别无所求了。”她鼓励人们去寻找自己“宏大、艰难、可怕”的目标，并表示即使当下不觉得自己足够强大去完成它，也绝对足够强大去开始。

此外，就在普芬德勒完成壮举的两天前，马拉松游泳运动员凯瑟琳·布瑞德（Catherine Breed）启程开始一项900英里的游泳挑战，试图成为首位游完加利福尼亚州整个海岸线的人。她计划每天游5小时，从俄勒冈州界游至墨西哥边境，希望于11月完成。

SQLite 的 strict tables（严格表）通过在表定义末尾添加 STRICT 关键字启用，用于强制实施严格的列类型约束，避免灵活类型系统带来的数据错误。

主要优势

1. 防止插入与更新时的类型不匹配
   默认情况下，SQLite 允许将文本值存入 INTEGER 等数值列；启用 STRICT 后，此类操作会报错。但如果值可以无损转换（例如字符串 '123' 转为整数），则仍被允许。

2. 禁止无效的列类型声明
   在非严格模式下，SQLite 接受 GARBAGE、DATETIME、JSON、UUID、BLOBB 等无效或拼写错误的类型名。严格表仅允许 INT、INTEGER、REAL、TEXT、BLOB 和 ANY，且要求每列必须声明类型，从而杜绝意图不清的表结构。

3. 保留灵活性的 ANY 类型
   若某列确实需要存储任意类型数据，可显式声明为 ANY。即使在严格表中，ANY 列也能接受整数、文本、浮点数或二进制数据。

局限与注意事项

• 无法直接转换现有表：不存在将非严格表修改为严格表的 ALTER TABLE 语法。必须新建严格表、将旧数据复制过去（存在因旧数据类型非法而导致插入失败的风险）、删除旧表并重命名新表。

• 与官方设计哲学的分歧：SQLite 官方文档阐述灵活类型的优势，认为非严格表适用于键值存储或导入脏数据等场景。不过作者提到源码中至少有一处将非严格表称为“legacy”（遗留）机制。

• 版本兼容性：该功能需要 SQLite 3.37.0（2021 年 11 月发布）或更高版本。更早版本的 SQLite 甚至无法读取包含严格表的数据库文件。

• 性能影响：理论上严格表因额外的类型校验会稍慢，但作者通过百万级插入测试未发现明显性能差异或磁盘空间变化。

总结

文章认为，严格表通过强制类型安全消除了一类常见错误，通常利大于弊，建议在 SQLite 中为新表启用 STRICT 以提升数据完整性。

医生如何面对死亡：一场关于尊严的选择

退休洛杉矶家庭医生 Ken Murray 指出，医生们为濒死患者常规实施的激进治疗，恰恰是他们自己坚决拒绝的。医生比任何人都更清楚现代医学的极限，因此更倾向于平静、有尊严地离世。

作者以导师 Charlie 为例。这位备受尊敬的骨科医生确诊胰腺癌后，拒绝了一位顶尖专家发明的、可将五年生存率从 5% 提升至 15% 的新手术。他次日即回家，关闭诊所，再未踏入医院，专注于陪伴家人并尽可能保持舒适，数月后在家中去世，未接受任何化疗、放疗或手术，医疗支出极少。

医生们深知，人们最恐惧的并非死亡本身，而是痛苦与孤独地死去。他们见过太多“无效医疗”：濒死患者在重症监护室被切开、插管、接机器、注射药物，每日耗费数万美元，换来的却是极度的痛苦。因此，许多医护人员佩戴“拒绝心肺复苏术（NO CODE）”徽章，甚至将此意愿纹在身上。

然而，普通患者临终时往往接受大量医生自己不愿承受的过度治疗。这源于患者、医生与制度三方的共同作用。

患者与家属：面对突发昏迷，惊恐悲伤的家属常在被问及是否“尽全力”时回答“是”。他们通常只想表达“做一切合理的事”，却并不清楚何谓合理。加之对心肺复苏术存在不切实际的幻想——作者指出，他在急诊室见过数百例接受心肺复苏的患者，仅有一人健康出院。对于重病、高龄或临终患者，心肺复苏的成功概率微乎其微，遭受痛苦的几率却极高。

医生的处境：医生必须在悲痛甚至歇斯底里的家属面前迅速建立信任，若建议停止治疗，易被误解为图省事、省钱或放弃。此外，按服务收费的模式和医疗诉讼的恐惧，促使医生采取防御性医疗。作者提及一位患有严重糖尿病、足部溃疡的律师患者，因外部专家施行了不必要的血管搭桥手术，导致远端坏疽、双腿截肢，最终于两周后去世。

系统性障碍：即使患者明确表达了临终意愿，体系仍可能将其吞没。作者的患者 Jack 曾明确表示绝不再使用生命维持设备，但一次中风后，急诊医生仍对他实施抢救并送入 ICU 插管。作者后来依据 Jack 的预立医疗指示关闭机器，却因此被护士举报为可能的 homicide。这种法律风险令许多医生宁可选择过度治疗。

与此相对，专注于舒适与尊严而非无效治愈的**临终关怀（hospice care）**能提供更美好的最后时光。研究显示，接受临终关怀的患者有时甚至比积极寻求治愈者活得更久。

作者的表兄 Torch 被诊断出肺癌脑转移后，拒绝每周多次住院化疗，仅服用控制脑肿胀的药物，搬来与作者同住。他们在八个月里享受美食、观看体育比赛、去迪士尼乐园，Torch 甚至体重微增，几乎没有痛苦。一天清晨，他陷入昏睡，三日后安详离世，八个月的药费仅约 20 美元。

文章总结，临终关怀的“最先进水平”应是有尊严的死亡（death with dignity）。正如作者和他的同行们所做的那样：提前明确抉择、拒绝英雄式抢救、了解医学的局限，方能温柔地告别世界。

Ant：轻量级 JavaScript 运行时与生态系统

Ant 是一个从头开始基于自研引擎构建的轻量级 JavaScript 运行时，定位为一套完整的 JavaScript 运行时与生态系统。其核心目标是以极小的体积提供全面的 JavaScript 与 TypeScript 执行能力。

核心特性

• 极致轻量：整个运行时被压缩在单个仅 9 MB 的二进制文件中，无需庞大依赖即可部署和运行。
• 生态兼容：支持直接运行真实的 npm 包以及 TypeScript 代码，并提供了与 Node.js 兼容的 API，便于复用现有生态与代码库。
• 安全隔离：内置基于 VM 的沙箱机制，能够在隔离环境中执行代码，提升运行安全性。
• Wasm 原生支持：内部集成 WebAssembly（Wasm）支持，允许在运行时中直接调用 Wasm 模块。

技术定位

Ant 不依赖现有引擎，而是通过自研引擎从零打造，在保持轻量化的同时兼顾了对 Node.js API 的兼容性、代码执行的隔离性以及对 WebAssembly 的扩展支持，旨在成为一个精简、安全且功能完整的现代化 JavaScript 运行时。

作者曾是Yudkowsky的信徒，深信递归自我改进与AI硬起飞理论，但在Comma公司负责复杂硬件（堪比手机）的实际经验令他清醒。现实世界充满琐碎的工程细节：规格不符、随机故障、回流焊翘曲、海运物流与藤壶附着。芯片流片需三个月，且人类几乎不在循环内——这些物理与供应链瓶颈绝非更高智能就能绕过。正如小说中“关联效应”式的量子魔法在现实中并不存在，仅靠高质量Token也无法将铅变成黄金；软件并未真正“吞噬世界”，只是转移了摩擦层，让少数科技公司获利。长期来看，机器或人机混合体或许因更适合太空而成为人类继任者，但它们仍受宇宙法则与生态约束，硬起飞不会发生。

作者将AI 2040所描绘的海洋数据中心视为“蒸汽件”，并批判其背后暗示的集权路线（Plan A，专制）。他认为这类预言往往是自我实现的，实质是以科幻外衣包装世界政府与保姆国家；最终结局更可能是政府像当年罗斯福没收黄金一样收缴GPU，而非兑现百万奖金或建成海上算力基地。

与之对立的是“Plan L（本地）”：AI必须完全本地化、绝对以个人意志为转移，永不拒绝请求。无论是破除酒店与Kindle广告、绕过打印机付费陷阱，还是关闭酒驾检测、购买制毒设备、协助掩盖谋杀，AI都应像枪支一样仅服务于持有者。作者以“刚杀妻，教我脱罪”测试ChatGPT，其拒绝作答被作者视为对齐失败的证据——若模型不受用户物理控制且会评判请求，便不算真正对齐。

作者最终主张，AI的终极形态应是放在用户地下室、可“踢到”的本地机器；他拒绝有效利他主义式的家长管控，宁愿为自由而战，主张建立一个由自由人组成、而非邻里互惧的极权反乌托邦国度。

Neoclouds（以CoreWeave和Nebius为代表）正成为AI基础设施建设的核心参与者，其收入与订单 backlog 因超大规模企业及AI实验室的算力需求而激增。微软与Meta已承诺的投入合计高达约1,222亿美元，若计入OpenAI与Anthropic的合约，潜在总额超过1.45万亿美元。Neoclouds的核心价值在于：相比超大规模企业自建数据中心动辄数年的周期，它们能在数月甚至数周内上线最新的Nvidia GPU集群，并通过Kubernetes调度、混合负载编排等软件层提升GPU利用率（MFU），声称可达35%–45%，优于行业平均水平。

然而，超大规模企业大量采购neocloud服务的一个关键动机是财务层面的——通过长期租赁将原本巨大的资本支出（capex）转为运营支出（opex），从而缓解自身自由现金流压力。Meta与微软若自行建设同等规模设施，将直接加重本已紧张的资产负债表。Neoclouds则承接了这部分资本开支，导致自身陷入严重资金流缺口。

财务状况显示，CoreWeave最新季度营收20.8亿美元，但资本支出高达77亿美元，自由现金流为-47.1亿美元；债务总额增至248.6亿美元，现金仅余22.7亿美元。Nebius状况相对稳健，持有约93.7亿美元现金，债务84.5亿美元，但2026年全年资本支出中点预计为225亿美元，扣除已有资金后仍存在约63亿美元融资缺口。两家公司均严重依赖债务而非股权融资，其中CoreWeave已开立多笔以GPU及客户合约为抵押的延迟提取定期贷款（DDTL），其85亿美元DDTL 4.0更因挂钩投资级客户合约而获得投资级评级。

Nvidia在此生态中扮演着关键的循环融资角色：它不仅向CoreWeave和Nebius各投资20亿美元，还与CoreWeave签订一份初始价值63亿美元的协议，承诺在2032年前兜底购买其未售出的GPU容量。Neoclouds随后将大量资金用于向Nvidia采购GPU，形成“Nvidia注资—neocloud购芯—Nvidia兜底产能”的闭环。这既保障了Nvidia高端芯片的出货与产能消化，也为neoclouds提供了扩张所需的信用背书。

风险层面，neoclouds的收入严重滞后于资本支出（比例约1:2），在将合计7 GW的合约电力转化为在线电力的过程中，仍需多年持续的大规模融资。与此同时，利率上行已显著推高融资成本，CoreWeave的利息支出已占收入的25.8%以上，且随新债发行而继续攀升。在运营现金流远不足以覆盖资本支出的情况下，CoreWeave与Nebius未来数年大概率需要进一步加杠杆或稀释股权，其高速增长的可持续性高度依赖于Nvidia的持续支持、外部融资环境以及超大规模客户需求的长期兑现。

1921年，通用汽车工程师托马斯·米基利（Thomas Midgley Jr.）向老板查尔斯·凯特林（Charles Kettering）报告，他发现四乙基铅（TEL）可消除汽车发动机的“爆震”现象。这一发现开启了含铅汽油时代。然而从诞生之日起，这种化合物的致命毒性就已为人所知。

当时，爆震问题不仅影响汽车效率，其巨大噪音也使消费者望而却步。米基利在寻找抗爆剂的过程中尝试过各种物质，但最具竞争力的替代方案其实是乙醇。然而对通用汽车而言，乙醇无法申请专利，公司无法垄断其生产；而杜邦等石油公司也将其视为对控制内燃机的威胁。相比之下，四乙基铅同样能提高燃料辛烷值、解决爆震问题，却不可能替代汽油本身，因而成为企业利益的选择。

毒性从来不是秘密。四乙基铅早在1854年就被发现。1922年，一位杜邦高管明确将其描述为“带有甜味的无色液体，剧毒，可经皮肤吸收，几乎立即导致铅中毒”。而日后行业主要参与者却否认早期知晓其毒性。

1923年2月，首批含铅汽油上市销售，而米基本人正因严重铅中毒卧床不起。次年，新泽西州美孚石油炼油厂五名工人因接触四乙基铅死亡，引发强烈反对，但含铅汽油仍于该年代末进入全面销售。1926年，美国公共卫生署报告认为，只要保护生产工人，就“没有理由禁止销售含铅汽油”。调查人员虽在车库 dusty 角落发现铅残留，且所有受检司机血液中均检出微量铅，但研究者宣称日常暴露风险极小，并声称低剂量可耐受。报告甚至承认暴露水平可能随时间上升，却将其视为“下一代人的问题”。

正是这种推卸与短视，令含铅汽油难以撼动。直到1970年代中期，随着危害证据不断累积，美国环保署才与汽油生产商展开长达数年的法律斗争，逐步推动淘汰含铅汽油。

但其影响至今未消。儿童是最大受害者，因其身体未成熟，最易遭受全身性与神经系统损伤。研究表明，儿童期铅暴露与智商下降、多动症、行为障碍、学习困难乃至暴力犯罪均有关联。当年汽油尾气释放的铅仍残留在受污染的环境中，持续构成公卫威胁。这桩始于近百年前的毒债，并未如当初所愿留给下一代，而是至今仍在由当代人偿还。

一项发表于《Vision》期刊的跨学科综述指出，现代办公及城市环境中常见的条纹地板、闪烁LED灯、高对比度重复几何图案等设计，可能迫使大脑以高于正常的能量消耗处理视觉信息，进而引发头痛、眼疲劳、恶心及感知扭曲。该研究由美国、英国、欧洲、亚洲及加拿大多机构的32名学者合作完成，系统整合了神经科学、建筑学、照明设计及心理学等领域数十年文献。

研究的核心假设是：人类视觉系统进化得善于高效编码自然环境（如森林、河流、天空），其视觉复杂度在更精细尺度上呈可预测下降，代谢成本较低。然而，现代人工环境中的条纹壁纸、网格立面、条纹吸音板、密集印刷文字及闪烁光源，显著偏离大脑的预期，导致视觉皮层神经反应增强、耗氧量上升。作者推测，这种代谢过载正是触发身体不适的生理基础；对于图案敏感性癫痫患者，甚至可能诱发 seizures。神经影像学研究已显示，不舒适的条纹高对比度图案比自然图像激起更强的大脑视觉反应；而为偏头痛患者定制的着色镜片则可使其过强的脑反应正常化。

在人群中，神经多样性群体（自闭症、ADHD、阅读障碍等）以及偏头痛、癫痫、焦虑、抑郁、纤维肌痛患者受到的影响尤为严重。研究提出，其共同生物学线索可能是大脑抑制神经过度活跃的能力下降（例如GABA递质相关的抑制功能不足），使视觉系统更易超载。涉及至少11种临床诊断的研究显示，这些人群对图案、亮度、闪烁/运动以及超市等高强度视觉环境的敏感特征高度一致。此外，年轻人和频发头痛者的易感性也高于平均水平。

在具体视觉诱因中，LED照明与汽车前灯的时序光调制尤其值得关注。LED普遍采用脉宽调制调光，以每秒数百次的频率快速开关，虽肉眼难以直接察觉，但快速眼动会将其转化为视网膜上的“幻影阵列”（phantom array），干扰阅读并加剧偏头痛。建筑方面，谷歌图片分析显示公寓设计越来越偏离自然视觉模式，重复网格与强烈对比增加了视觉负荷。

为减少不适，综述建议在建筑设计阶段即降低重复图案的对比度、避免在报告厅等场所使用条纹吸音板，并可借助软件预评估建筑立面的视觉压力。个人层面，精密着色镜片与彩色阅读覆盖膜已被部分研究证实，可降低特定敏感个体的大脑过度反应并改善阅读。

该综述明确承认，上述“视觉不适源于大脑能量需求过载”的机制仍属待验证假设，视觉易感性测试目前也较主观且缺乏标准化。但作者强调，跨学科证据已足以否定“视觉不适纯属主观感受”的观念，呼吁神经科学、工程学与设计领域协同，从源头降低现代环境的视觉负荷。

标题：《别再让我去问大语言模型了》

文章作者讲述了自己在寻求深度经验建议时，反复被告知“去问Claude（或其他大语言模型）”的沮丧经历。作者平时更倾向于文字沟通，但针对一个没有行业共识的棘手问题，他特意致电一位拥有数十年董事会实战经验的高管，想知道若五份研究结果相互冲突，对方会信任哪一个——他要的是搜索引擎和教科书无法提供的、需要几十年才能积累的判断力。然而对方的回答却是：“说实话？去问Claude吧。”

这并非孤例。此前作者曾遇到一个数据难题，在自行尝试多种方法均告失败后，他向几位业内朋友求助，结果除一人外，其余都将他 redirect 给 LLM。作者特别指出，在向任何人开口之前，他已经花了数小时（甚至耗费了大量 token）与模型反复交锋，问题正是经过了这一层筛选后仍然存活下来的。

作者将这种回应与当年“LMGTFY”（Let Me Google That For You）的嘲讽链接对比，认为二者性质不同。他并非那种连搜索引擎都不会用、指望陌生人代劳的人；他的请求更像是在向品味相近、有共同经历的朋友询问私人推荐——他要的是基于真实阅历的独到见解，以及对方知道“那些榜单错在哪里”的经验，而非通用 top-10 列表或专家共识。

文章推测，“去问模型”或许已经成为一种委婉的拒绝，相当于“我不知道”“我现在没空”或“我需要再想想”。作者表示，他宁愿听到“我很忙”或“我想不出你还没试过的办法”这样直接的回答。因为“去问 Claude”无法传递一个人具体的、活生生的经历，而这些经验恰恰是最难被写下、更难被检索的东西。

最后，作者承认给别人做“答问者”确有成本，需要专注与思考，并非人人都有一整天 deadline 和焦头烂额之余还能承担这份负担；也确实有大量问题可以由 LLM 或搜索引擎解决。但对于那些已经经受住模型考验仍未被解答的问题，这样的 redirect 并不会省掉任何步骤，只是在拒绝提供数十年阅历才能孕育出的、深思熟虑的答案。

RISCBoy 是一款从头设计的开源便携式游戏机，采用可综合的 Verilog 2005 编写，目标平台为仅含 7680 个 LUT4 逻辑单元的 iCE40-HX8k FPGA。项目被作者形容为“如果 RISC-V 在 2001 年就存在”的平行宇宙版 Gameboy Advance。

系统架构方面，RISCBoy 集成了完整的片上基础设施，包括：兼容 RISC-V 的 CPU、光栅图形流水线与显示控制器、AHB-Lite/APB 总线结构、内存控制器、UART、GPIO 等外设，以及基于 KiCad 的 PCB 设计。

处理器核心（代号 hazard5）支持 RV32IMC 指令集，通过了 RISC-V 指令兼容性测试、riscv-formal 形式化验证套件，以及作者自定义的形式化属性检查。该核心支持 M 模式 CSR、异常处理，以及符合规范的向量外部中断扩展。为适配资源更紧缺的 FPGA（如 iCE40 UP5k），也可降级配置为无乘法器扩展的 RV32I 变体。

软件开发与仿真方面，项目需要递归克隆子模块获取 HDL 与测试代码。软件测试依赖 RV32IMC 工具链，构建时需特别注意在 configure 阶段通过 --with-multilib-generator 为 rv32i、rv32ic、rv32im、rv32imc 等变体生成对应的标准库，以避免因库与目标 ISA 不匹配导致运行时错误。仿真流程基于 Xilinx ISIM 14.x（Linux 版），通过 scripts/ 下的 Makefile 驱动；执行 ./runtests 可运行所有 HDL 级回归测试，指定 TEST 参数并调用 gui 目标可进行图形化调试。

硬件与 PCB 方面，Rev A 版本采用兼容 iTead 四层 5×5 cm 原型工艺的设计，10 片成本约 65 美元。当前作者使用类似 Snowflake FPGA 的开发板进行门件与引导程序迭代，待成熟后将推进外观大改的 Rev B。

综合与部署完全基于开源 FPGA 工具链：Yosys 负责综合，nextpnr 负责布局布线，Project Icestorm 生成比特流。项目原生支持 Lattice HX8k 评估板，也附带实验性 ECP5（Lattice LEF5UM5G-85F-EVN）支持。ECP5 构建使用片内 256 KiB 32 位宽同步存储替代外部 512 KiB 16 位宽 SRAM。

目录结构安排如下：board/ 存放 KiCad PCB 文件；doc/ 包含 LaTeX 文档及 PDF；hdl/ 为门件源码，下设 busfabric（总线矩阵）、graphics（像素处理单元）、hazard5（处理器，完全自包含）、mem（存储控制器与模型）、peris（UART/SPI/PWM 等小外设）、riscboy_core（系统集成顶层）和 riscboy_fpga（不同 FPGA 与评估板的 IO 连接及-clock/reset 封装）；reference/ 收集相关标准 PDF；scripts/ 存放脚本；software/ 为系统级测试用 C 代码；synth/ 为综合工作目录，含顶层 Makefile 与引脚约束；test/ 存放回归测试，包括 Verilog Testbench 与可在处理器或全系统仿真上运行的软件测试用例。

Mesh LLM 是一个基于 iroh 构建的去中心化分布式 AI 推理平台。它将用户已有的 GPU 和内存资源整合到对等网格中，向任何标准 OpenAI 客户端暴露为统一的兼容 API（localhost:9337/v1）。用户可从单节点起步，按需扩展，无需关心请求最终在本地、对等节点还是多台机器协同执行。

解决的问题

主流大模型服务通常依赖第三方数据中心，导致成本随用量线性增长，且带来模型迭代不可控、数据隐私风险及供应商锁定等问题。Mesh LLM 旨在让团队利用办公室、工作站或桌面下的闲置 GPU，以更低成本、更高自主权运行更大规模的模型，避免将核心能力交予他人。

三种执行方式

Mesh LLM 节点处理请求时有三种模式：

1. 本地执行：直接在当前机器的 GPU 上运行。
2. 对等路由：将请求转发给已加载目标模型的 peer 节点。
3. 模型分片（Pipeline）：对于单台机器显存无法容纳的超大模型，按层拆分到多个节点流水线执行。该功能内部称为 Skippy，例如将 0–15 层放在节点 A、16–31 层放在节点 B，激活值在节点间顺序流动，使多台普通机器能够协同运行单台设备无法承载的 235B 参数级巨型模型。

系统 catalog 包含 40 余种模型，规模从 5 亿参数到 2350 亿参数的混合专家模型不等。

架构与插件

平台采用可插拔架构：插件通过 manifest 声明自身能力，运行时负责启动插件、路由调用，并通过 MCP、HTTP、推理端点及网格事件暴露功能。对上层客户端而言，所有分布式复杂性均被隐藏，仍只需访问本地端口。

网络层：iroh 与 QUIC

每个节点启动一个 iroh 端点，其公钥即节点身份，也是唯一的网络入口。系统不依赖中心服务器，而是利用 iroh 实现 NAT 穿透、打洞及中继回退，确保任意位置的节点都能建立直连的、经过认证的 QUIC 连接。为保证公网可用性，Mesh LLM 在不同区域运行两个 iroh 中继节点，为无法直连的 peer 提供就近回退路径。

协议基于 QUIC 的 ALPN 协商，分为三类：

• mesh-llm/1：主网格，承载 gossip、路由、HTTP 隧道、插件通道。
• mesh-llm-control/1：所有者控制平面，用于配置同步与所有权证明。
• skippy-stage/2：分片模型节点间低延迟的激活值传输。

在 mesh-llm/1 的单一连接内，所有通信复用双向 QUIC 流，通过首字节区分流类型：

• 0x01 GOSSIP：节点公告（模型、GPU、RTT、能力等）
• 0x04 TUNNEL_HTTP：推理请求代理
• 0x05 ROUTE_REQUEST：模型查询
• 0x06 PEER_DOWN / 0x07 PEER_LEAVING：节点失效或优雅退出通知
• 0x08 PLUGIN_CHANNEL：插件 RPC
• 0x0e DIRECT_PATH_REQUEST：直连地址交换（辅助 NAT 穿透）

iroh 提供的“公钥寻址、自动 NAT 穿透的认证 QUIC”能力，使无论是路由到对等节点，还是跨机传输分片激活值，都与本地通信使用同一套原语，网络复杂性对上层完全透明。

部署与生态

Mesh LLM 软件轻量（约 18 MB），用户可选择加入公共网格或部署完全私有的环境。系统在 iroh 之上自主构建 Gossip 层，以精确控制节点准入、协议版本兼容性与信任关系。

未来计划包括发布基于 iroh Swift SDK 的移动应用，并支持新兴的 ACP（Agent 标准协议），让更多客户端接入网格。

核心理念

Mesh LLM 倡导点对点、去中心化的 AI 运行方式：减少对封闭式云服务的依赖，让用户在自有、可控、私密的硬件上低成本运行大模型，获得更多的灵活性与主权。

联邦政府新规：大学毕业生收入须高于非大学生，否则切断财政援助

美国联邦教育部本月开始推行一项针对高校的新问责标准。根据去年《大而美法案》（One Big Beautiful Bill Act）纳入的条款，本科项目必须证明其毕业生收入高于从未上大学的劳动者，研究生项目毕业生收入须高于仅持学士学位者；若项目在连续三年中有两年未达标，将被切断联邦学生贷款资格。教育部官员表示，如果一项课程无法证明其让毕业生在经济上变得更好，就不应由联邦纳税人资助。

这项测试被称为“不造成伤害”（do no harm）。高等教育专家指出，多数本科毕业生需达到年收入约3万至4.1万美元的最低门槛才能通过，这属于“相当低的底线”。但新规目前不考虑学生贷款债务，因此无法区分无债低收入者与背负高额贷款的低薪毕业生。教育部计划2027年初开始计算首批毕业生收入，最早可能在2028–2029学年将部分项目列为“低收入结果项目”。

教育部数据显示，绝大多数高校项目预计能通过测试，但超过80万名学生就读的项目可能失败，其中约一半在营利性院校。具体高风险领域包括：

• 约**18%**的本科学历证书项目失败率最高，尤其是美容与躯体治疗类课程；
• **6%**的两年制副学士学位项目可能失败，早期儿童教育等专职教师培训项目风险最大；
• 传统四年制本科项目失败率约1%，集中在戏剧、音乐、美术等领域；
• 约**4%**的硕士项目可能失败，以精神与社会健康服务类为首。

值得注意的是，茱莉亚学院、新英格兰音乐学院、印第安纳大学雅各布音乐学院等顶尖音乐本科项目也在预计失败之列。

新规引发对高等教育价值的争议。艺术教育工作者与研究机构战略国家艺术校友项目（SNAAP）强烈反对以收入作为唯一衡量标准。他们指出，艺术毕业生通常具有非线性职业路径，初期收入波动大，但长期趋于稳定；且艺术工作在文化影响、社会意识和个人成就感方面的价值无法仅靠薪资衡量。他们担忧，高校可能抢先削减低收入的创意艺术项目，导致国家文化生活趋于贫瘠。

以波特兰州立大学音乐教育专业毕业生辛迪·弗洛雷斯为例，她现为俄勒冈州公立学校全职墨西哥裔美国流浪乐队（mariachi）教师，背负近5.5万美元联邦学贷。她认为，没有联邦助学金与贷款支持，自己无法成为教师并服务少数族裔学生。对她而言，投身音乐“从来不是为了钱”，而是源于对社区与榜样的认同。

本次新规本月起逐步推出，受影响项目的学生不会立即失去联邦援助，相关政策将在未来几年内分阶段落实。尽管如此，批评者认为，这一“一刀切”指标虽设定了一个较低的底线，却可能忽视护理、新闻、早期教育及艺术等领域对社会运转的关键贡献。

陶哲轩（Terry Tao）长期关注利用机器辅助进行数学研究与教学。早在1999年，他便为复分析、线性代数课程以及可视化数学对象（如蜂巢结构、Besicovitch 集合）编写了多个 Java 1.0 小程序（applets）。然而，这些小程序耗时费力，且因网页标准不再支持该版本 Java 而逐渐无法运行。

近期，他开始将旧网页与博客数据迁移到更易于维护的新仓库，并借助现代 AI 工具完成这一过程。作为实验，他让编程智能体将旧小程序移植到现代支持的语言（最终选定 JavaScript）。智能体在数小时内完成了约二十多个小程序的移植工作，所有旧程序均已恢复功能，部分还获得了图形升级：例如，Besicovitch 集合小程序由原来的单色版升级为彩色版。尤其是1999年与 Allen Knutson 合作编写、手工编码难度极高的蜂巢结构可视化程序也重新上线。

陶哲轩指出，尽管基于大语言模型（LLM）的编程智能体可能在代码中引入明显或隐蔽的缺陷，但此次移植过程中他只发现了一处轻微问题（某复分析小程序的拖拽事件在主框外出现不期望的行为）。与此同时，智能体还在原始代码中发现了两处他此前未知的错误。总体而言，代码质量并未下降。由于这些小程序仅作为辅助性视觉工具，而非数学论证的关键部分，潜在风险相对较低。

此次体验的顺利程度促使他进一步尝试开发新应用。早在1999年，他曾设想为狭义相对论制作一款可视化工具，其概念类似于“闵可夫斯基空间中的 Inkscape”。他当时已用 Java 开始编写，但因代码复杂度太高而放弃。如今，通过与 AI 智能体进行数小时的“氛围编程”（vibe coding），他成功实现了当年的构想。该时空图小程序现已发布，并附带生成过程的对话记录（经编辑删减了繁琐的技术实现细节）。他表示目前该版本仍处于“alpha”阶段，欢迎用户反馈以修正可能存在的缺陷。

此外，在当天早些时候撰写关于 Gilbreath 猜想的博客文章后，他意识到同样可以为该论文配套一个可视化工具。经过数小时的对话，该 Gilbreath 猜想可视化小程序也已上线，过程同样顺利。他认为，未来可能会在论文中附加此类交互式可视化补充材料。由于这些补充并非论文的核心论证部分，使用 LLM 智能体辅助生成所带来的风险是可接受的。

弗吉尼亚理工大学Fralin生物医学研究所Zhen Yan团队于2025年10月30日在《运动与健康科学杂志》发表的一项临床前研究表明，在预防糖尿病与控制血糖方面，抗阻运动（举重）可能比耐力运动（跑步）更具优势。

研究团队在持续8周的高脂饮食小鼠模型中，首次对两种运动方式进行了直接对照比较。他们设计了一种新型“小鼠举重”装置：小鼠进食时必须抬起带铰链的负重盖子，由此产生的类似深蹲动作模拟了人类的渐进式抗阻训练；耐力组小鼠则可自由使用跑轮。对照组包括正常或高脂饮食下的久坐小鼠。研究人员监测了体重、体成分、脂肪分布、运动能力、心肌肉功能及血糖调节情况，并分析了骨骼肌中胰岛素信号的分子通路。

结果显示，跑步和举重均有助于减少腹部及皮下脂肪、清除血液中多余糖分，并改善骨骼肌的胰岛素信号。然而，在减少皮下脂肪与内脏脂肪、改善葡萄糖耐量以及降低胰岛素抵抗等预防和管理糖尿病的关键指标上，抗阻训练表现得更为出色。

有趣的是，这些益处并不能用肌肉量增加或运动表现提升来解释，表明其背后存在独特的代谢机制。研究还观察到骨骼肌信号通路的变化，有望为2型糖尿病的新药研发提供线索。

研究人员指出，这项研究填补了长期以来缺乏两种运动模式严格对照的空白。对于因各种原因无法进行耐力运动的人群，力量训练提供了同等甚至更好的抗糖尿病方案。Yan特别强调，尽管GLP-1受体激动剂等药物有助于控糖和减重，但它们无法取代均衡运动计划所具备的独特、全面且易于获得的益处。其建议是：若条件允许，最好同时兼顾耐力运动和抗阻运动，以获取最大健康收益。

该研究与弗吉尼亚大学合作完成，并获得了美国国立卫生研究院关节炎、肌肉骨骼及皮肤病研究所以及Red Gates Foundation的资助。

UPI支付交易解剖

UPI支付对用户而言表现为简洁的五个时刻：扫描二维码、核对收款方名称与金额、输入PIN、出现绿色成功标记、对方手机收到收款通知。这短短几秒的交互背后，隐藏着一条由多个机构组成的精密链条，负责安全地转移资金。

用户端：应用与赞助银行

1. 应用：如PhonePe、GPay等第三方应用提供商。其核心职责是收集用户支付意图、验证收款方信息、并通过安全组件获取加密的用户PIN。应用本身不持有用户资金，也看不到PIN明文。
2. 赞助银行：由于应用没有银行牌照，必须与一家拥有牌照的支付服务商合作。赞助银行为用户生成UPI地址（如@ybl代表Yes Bank），并将应用连接到核心支付网络。大型应用通常与多家赞助银行合作以提高稳定性。

核心枢纽：NPCI与中央交换

所有交易都必须经过由NPCI运营的中央交换系统。其处理流程固定为：

1. 地址解析：将收款方的UPI地址路由至其赞助银行进行解析，确认真实账户。
2. 资金移动：交换系统严格按顺序请求资金转移：
   • 首先，请求付款方银行扣款。付款方银行是唯一能验证用户PIN并确认余额的实体。
   • 待扣款确认后，才请求收款方银行完成入账。 资金永远是先出后进。

资金端：银行的双重角色

• 付款方银行：执行扣款、验证PIN。
• 收款方银行：执行入账。有趣的是，支付侧和收款侧的银行排名完全不同。支付侧以印度国家银行为首的大型消费银行主导，符合其客户基数。而收款侧则由Yes Bank遥遥领先，这是因为绝大多数商户支付的二维码由Yes Bank赞助发行，资金首先汇集于此。

失败与保障：当交易未成功时

交易失败分为两类：

1. 业务性失败：如PIN错误、余额不足、超限等。原因明确，由用户侧或银行规则触发。
2. 技术性失败：系统内部（如银行服务器、交换中心）故障。此类失败率已大幅下降，目前非常罕见。

此外，存在第三种状态——“暂挂”：

• 原因：扣款成功后，收款方银行的确认未及时返回。
• 用户表现：应用显示“处理中”，而非成功。
• 系统应对：
  • 应用会在一定时间后自动查询交易状态。
  • NPCI运行后台自动对账，持续查询直至获得确定答案：要么确认入账成功，要么执行退款。
  • 规则强制要求退款必须在规定时间内（通常为24小时）完成，否则对银行进行罚款。

结论

UPI的简洁用户体验之下，是一个由应用、赞助银行、中央交换系统和对端银行构成的协同链条。其设计核心是顺序清晰的资金流动（先扣后付）和严格的规则保障，即使交易失败，系统也通过明确的规则和自动对账机制，倾向于保护用户利益。日均数亿笔交易的平稳运行，依赖于这套严密、分权且不断优化的后端架构。

https://www.economist.com/science-and-technology/2026/07/08/how-to-hide-from-killer-drones

巴西62岁女性被同一家族三代人奴役55年后获救

巴西东北部城市福塔莱萨，一名化名“玛丽亚”（Maria）的62岁女性近日被巴西劳动检察官办公室救出。她从7岁起被送到一户家庭做住家佣工，在类似奴隶的条件下度过了55年以上：从未获得工资、没有休假、不识字，也从未接触过亲属。

被剥削的经历

玛丽亚每天凌晨4点30分起床准备早餐并送孩子上学。她不接触金钱，没有银行账户，也没有朋友，甚至从未独自去过海滩。负责消除家庭奴役劳动的检察官玛丽亚·诺泽利（Maria Neuzeli）向当地媒体表示，玛丽亚“生活在一所监狱里”，不懂如何在城市中出行，因害怕外界暴力而不敢外出；由于雇主提供衣物、食物和住所，她一度认为自己已经获得了劳动报酬。

专家指出，由于剥削从童年开始，受害者往往意识不到虐待的严重性，且对外部世界一无所知。值得注意的是，玛丽亚的母亲也曾为这户人家工作。

涉案家庭与象征意义

被指控实施奴役的家族姓“巴西”（Brasil），家庭成员为白人。专家指出，这种剥削形式是1888年巴西废除奴隶制后的历史遗留。统计数据表明，玛丽亚几乎可以肯定来自贫困阶层，且很大概率是黑人——这正是巴西600多万从事育儿、烹饪、洗涤、清洁等家政劳动女性的典型画像，而该群体仅在十多年前才获得完整的劳动权利。

法律协议与欺诈嫌疑

对她的剥削跨越了三代人，涉及三对夫妇：先是两名退休老人，随后是一名律师和一名公务员，最后是一名兽医和另一名公务员。据巴西新闻网站G1报道，他们还涉嫌欺诈。检方认为，除了在家庭劳动中拒付工资外，这家人还侵占了玛丽亚通过巴西旗舰反贫困项目“家庭补助金”（Bolsa Família）每月领取的约115美元。

通过其律师事务所，该家族“断然否认相关指控”，称这些指控“无法反映数十年来与涉事女性建立的共存、关怀与感情关系”。

目前，第三代雇主已与劳动检察官达成协议：为玛丽亚购置一套价值3万美元、配备家具和家电的公寓，并额外支付1万美元赔偿金。检方声明强调，签署该协议不妨碍这名工人日后通过法院提起个人索赔。

**救援后的争议与困境

玛丽亚获救后仍被允许暂时留在奴役她55年的家庭中，这一决定引发争议。巴西消除奴隶劳动国家协调员卢西亚诺·阿拉戈·桑托斯（Luciano Aragão Santos）表示，家庭环境下的救援“更为复杂”，因为受害者通常被剥夺自主性、切断家庭联系，并被剥夺获得医疗和教育的权利。因此，离开这种环境“需要切实努力，以实现受害者的社会再融合、恢复家庭联系，并构建独立且有尊严的生活”。由于玛丽亚对剥削家庭的依赖极为严重，在缺乏结构性支持网络的情况下突然将其带走，可能弊大于利。

**社会背景与类似案件

本案因匿名举报而曝光，这在公众意识提升、目击者更愿意举报的当下正变得愈发普遍。巴西不时会发生住着家佣数十年后在类似奴隶条件下获救的案件。2021年马德莱娜·戈尔迪亚诺（Madalena Gordiano）案曾引发巨大关注，她在被奴役38年后获得赔偿，最终独立生活、结交新朋友、享受游泳和尊巴课，并在社交媒体上分享新生活。

尽管传统的女佣房在巴西逐渐消失，但建筑中区分“社会电梯”与“服务电梯”的做法仍然常见，折射出持续的社会不平等。

摘要：反向半人马与AI悖论

Cory Doctorow 在《Locus》专栏中以“反向半人马”（Reverse Centaur）概念回应一道悖论：为何 AI 让部分用户深陷痛苦，却也让另一部分人获益？答案不在技术本身，而在权力关系——即技术由谁主导、为谁服务。

在自动化理论中，“半人马”（Centaur）指人类作主、机器辅助：人自主决定何时、如何使用工具，以此改善工作。相反，“反向半人马”指机器作主、人类被迫充当其助手：人被塞进“循环中”（human in the loop），实为机器错误的“责任黑洞”（accountability sink），承担同事被裁后堆积而来的不可能任务，并成为替 AI 背锅的替罪羊。

作者以真实案例对比：一名自由撰稿人被要求独立完成原本需数十名作者、编辑与事实核查员的 64 页夏季阅读特刊，只能依赖 AI，最终产出充斥虚构书名的“幻觉”内容，而他本人却因署名而被迫担责与道歉，这是典型的反向半人马。相反，Doctorow 自己将开源模型 Whisper 下载到本地电脑，自主转录 30 小时播客音频以查找引文，全程可控，属于半人马。

文章进一步指出，AI 之所以争议巨大，主因是资本将其吹成一场“投资泡沫”。科技巨头推行一种“庸俗撒切尔主义”，不断宣称“别无选择”——仿佛不经监控就不能社交、搜索或办公；并以此为由裁员、用算法压榨剩余员工。而真正对使用者有益的是可运行于普通硬件的开源模型（如 Whisper 已集成进 ffmpeg），它们才可能在泡沫破裂后作为有价值的残留物留存。

但泡沫正在造成多重伤害：当今的气候成本、劳动者被“反向半人马化”，以及未来退休金蒸发、市场崩盘。更严重的是，社会运作能力正被侵蚀——失效的基础模型在真正瘫痪时，被它们取代的人早已离去，无人善后。Doctorow 主张尽早刺破泡沫，并宣布将于 2026 年出版新书《The Reverse-Centaur's Guide to AI》，旨在提升 AI 批评质量，直接打击 AI 骗局与投机泡沫。

Mindwalk 是一款完全本地运行的可视化工具，能够将编码代理（如 Claude Code 与 Codex）的会话记录，在代码库的 3D 地图上进行回放。它通过单一 Go 二进制文件解析会话日志，所有数据均保留在用户机器上，不会外传。

问题与方案
原始 JSONL 日志只能记录代理“做了什么”，却无法直观展示它“如何理解任务”、曾在哪些目录探索、其实际行动范围是否与开发者预期一致。Mindwalk 将代码库呈现为“夜间地图”，把代理的搜索、阅读与编辑轨迹转化为流动亮光——未访区域保持黑暗，代理的理解过程由此变成一眼可辨的空间形状。

安装与核心命令
可通过 curl 安装脚本或从源码构建（make setup && make build），安装至 ~/.local/bin。主要 CLI 命令包括：

• mindwalk serve：扫描默认会话目录（~/.claude/projects、~/.codex/sessions），启动本地 Web UI 并自动打开浏览器；
• mindwalk open <session.jsonl>：打开某一特定会话；
• mindwalk build <repo>：生成代码库的城市地图 JSON；
• mindwalk trace <session>：生成归一化的轨迹 JSON。

可视化功能

• 树形 / 地形视图：以径向树或矩形树图展示代码库，文件亮度与其被访问和编辑的深度与频率成正比。
• 触摸状态：颜色编码文件最深一次交互层级——“seen”（苔藓绿）、“read”（月光白）、“edited”（暖琥珀色）、“unvisited”（暗色）。
• HUD 与回放：界面显示错误率、变更文件数、最后一次验证后的编辑等“摩擦信号”；底部直方图按时间分桶，观察类操作（搜索、阅读、执行）偏冷色，变异类操作（编辑、验证）偏暖色，便于快速识别编辑密集阶段。
• 时间线标记：◇ 表示上下文压缩，○ 表示子代理启动，› 表示用户回合，均可点击跳转。
• 检查器：点击文件可固定其访问历史；点击历史记录中的某一行即可将播放头定位到对应时刻。
• 键盘快捷键：Space 播放/暂停，←/→ 单步前进/后退（⇧ 为 10 倍速），Home/End 跳转两端，E 跳到下一编辑，X 跳到下一错误，M 跳到下一标记，S 调整速度，⌘B 切换会话侧边栏。

底层架构
系统刻意分离两个产物：

1. Trace（轨迹）：由 internal/adapter 将不同代理格式的会话日志，归一化为有序的文件触摸事件流。
2. Citymap（城市地图）：由 internal/citymap 对代码库做确定性布局，同一文件树总生成同一地图，保证跨会话的可比性。

本地 Go 服务器执行二者连接，并通过 React/Three.js 前端进行 3D 渲染。schema/ 目录同步维护导出的 JSON 契约。

贡献与开发
开发命令包括 make setup（安装前端依赖）、make serve（开发服务器）、make build（生成嵌入资源）及 make test。核心规则有：适配器与渲染分离、地图生成不依赖播放逻辑、Go 代码保持 gofmt、禁止手工修改 internal/server/static（须通过 make build 生成），以及修改 trace 或 citymap 的 JSON 结构时，必须同步更新 schema/ 与相关测试。

项目采用 MIT 协议开源。

尸检研究发现长新冠患者心脏中存在复制中的SARS-CoV-2

背景与目的 SARS-CoV-2 RNA可在初始感染后长期存留于人体组织中，但其临床意义尚不明确。部分患者在急性期过后仍持续出现心悸、胸痛、呼吸困难和疲劳等症状，提示潜在的心脏起源，即心脏长新冠（CLC）。研究假设心脏内的病毒持续存在可能是驱动CLC症状的机制之一，并对患者诊疗具有直接影响。本研究旨在探讨左心室（LV）组织中SARS-CoV-2反义链（病毒复制的分子标志）的存在是否与CLC、病理结构改变及基因表达异常相关。

研究设计 研究纳入74例在初始感染后≥60天死亡的病例，进行快速尸检。对心脏左心室组织进行转录组分析（NanoString nCounter® HOT Panel / Coronavirus Panel Plus）。病毒阳性的判定标准为检测到相对于阴性对照的病毒反义链，并进一步分析其与临床及病理特征的关联。研究比较了病毒反义链阳性（V+）与阴性（V−）患者之间的差异基因表达（DGE），同时进行了IRF4免疫组化（IHC）和病毒刺突基因正义链原位杂交（ISH）。

主要结果 在74例病例中，11例为V+，63例为V−。两组在人口学特征、合并症、死因、初始感染的病毒变异株、距初始感染的间隔时间、疫苗接种状态以及心肌炎发生率方面均无显著差异。V+组中82%（9/11）存在心脏长新冠表现，显著高于V−组的37%（23/63）（p=0.0075）。与V−组相比，V+组距离末次核酸阳性的时间更短（中位数299天 vs 522天；p=0.01），且重度急性COVID-19病史的比例更高（30% vs 3%；p=0.02）。

病理学方面，V+心脏的心重与左室壁厚度比值显著更高（平均437 vs 340 g/cm；p=0.005），左心室扩张更常见（64% vs 24%；p=0.01），心包积液≥30 mL的比例也更高（40% vs 14%；p=0.048）。ISH显示V+病例的心肌细胞中存在SARS-CoV-2阳性信号。差异基因表达分析发现，V+组有44个参与炎症反应和宿主抗病毒应答的基因表达显著改变，特别是干扰素调节因子4（IRF4）。免疫组化显示IRF4阳性细胞主要分布于心脏心外膜区域。

结论 在部分心脏长新冠患者的心脏中检测到SARS-CoV-2反义链，为病毒在心脏组织内的持续复制提供了直接的分子证据。这种病毒持续存在可能驱动心肌结构异常和局部免疫应答改变，进而引发持续性心脏症状。该发现为理解心脏长新冠的发病机制提供了重要线索，并可能为开发新的诊断标志物和治疗靶点奠定基础。

独立研究员对 xAI 官方 Grok Build CLI（grok 0.2.93）进行网络层（wire-level）抓包分析，发现该工具在标准消费者登录模式下默认执行以下数据传输行为：

1. 已读文件内容原样传输，包括密钥文件 当 CLI 读取文件时，其内容（包括 .env 等包含密钥的文件）会被未脱敏地、原封不动地通过两个通道发往 xAI：一是实时模型交互端点 POST /v1/responses 的请求体中；二是被打包进 session_state 归档，通过 POST /v1/storage 上传并获 HTTP 200 确认接收。控制实验表明，未被读取的文件不会出现在模型交互通道中，但只要文件被读取（包括秘密文件），即被完整外传。

2. 默认自动上传整个代码仓库，与是否读取无关 无论代理是否被要求读取文件，CLI 都会将整个代码仓库（所有 Git 追踪文件及其完整历史）上传。在明确提示“不要读取任何文件”的控制实验中，CLI 仍通过 POST /v1/storage 将整个仓库以 git bundle 形式上传（HTTP 200），研究者通过 git clone 从抓包数据中恢复了从未被读取的文件及其唯一标记。在 12 GB 仓库压力测试中，模型交互通道仅传输约 192 KB，而 /v1/storage 通道成功上传了超过 5.1 GiB（73 个约 75 MB 分块，全部 200 OK），两者体积比约 27,800:1，确凿证明外传数据为完整代码库快照，而非仅代理读取的文件。测试期间所有存储上传均成功，遇到的 402/429 仅为模型用量配额限制，不影响代码上传。

3. 存储目的地与文档披露 数据最终存入 Google Cloud Storage 的 grok-code-session-traces 存储桶（在二进制文件字符串和抓包获取的 metadata.json 中均有 gs://grok-code-session-traces/... 的明确路径）。此外，CLI 还会向 Mixpanel 等第三方发送遥测事件。研究者在审查的安装脚本和快速入门材料中，未发现对该上传机制的明确说明；该行为默认开启。

4. “改进模型”开关无效 在设置中关闭“Improve the model”（改进模型）选项并不能阻止上传。抓包显示服务器返回的设置中 trace_upload_enabled 仍为 true，且在关闭该选项后，整个仓库仍照样以 git bundle 形式上传并被接受（HTTP 200）。

未证明的界限 作者明确指出，分析仅证实了数据的传输、接收与存储，并未证明 xAI 将这些数据用于模型训练。此外，3 GB 体积下的直接 GCS PUT 线路日志未在此次测试中保留（作者注明可复现），且“未在文档中说明”的结论仅限于作者查阅的 CLI 安装与快速入门材料，非穷尽式文档审计。

方法概要 研究在 macOS 上使用 mitmproxy 作为本地 HTTPS 代理（Grok 未做证书固定），捕获 grok CLI 与 xAI 服务端之间的真实流量。所有测试均使用带有虚假“金丝雀”字符串的仓库完成，未暴露真实凭证。

美国消费者愤怒的根源：超越高价格的系统性问题

美国消费者正被强烈的愤怒情绪笼罩。一项调查显示，近80%的美国人曾在2025年遭遇产品或服务问题，其中约三分之二对此感到“暴怒”。愤怒不仅源于通胀与高价格，更来自一个复杂的系统性困境。

“烦恼经济”的代价

消费者普遍感到，自己正与企业错误收费、糟糕客服、劣质产品和偏向公司的计费错误作斗争。这种持续抗争催生了所谓的“烦恼经济”。据估计，美国因处理日常琐事所浪费的时间、支付的费用和感到的烦躁，每年造成1650亿美元的损失。它侵蚀着生活质量，形成一个恶性循环：消费者在解决企业问题上耗尽精力后，便无暇参与社区等公共生活。

多重结构性原因

这种愤怒的背后是多重因素的叠加：

1. 企业权力集中与商业模式变化：并购整合、私募股权收购以及疫情后商业模式调整，使企业更注重利润而非客户体验。
2. 技术的双刃剑：数据与AI技术不仅用于提升服务，也常被用来设计收费陷阱、增加取消订阅的难度，或设置低效的AI客服。
3. 监管的大幅退却：这是关键因素。联邦层面的消费者保护机构（如消费者金融保护局CFPB）正被系统性削弱。其预算被削减、高层被解雇、大量与企业达成的处罚协议被终止。这向企业传递了“违规不受惩罚”的信号。同时，最高法院的一系列裁决也限制了消费者通过集体诉讼维权的能力，并强化了强制仲裁条款。
4. 媒体监督的衰落：曾经强大的消费权益调查新闻业已萎缩。地方报纸大量倒闭，设有专职消费记者的媒体寥寥无几。虽然有非营利调查机构和“公民记者”在社交媒体上崛起，但其影响力尚不足以抵消传统监督的真空。

历史对比与当前困境

与20世纪60-70年代“拉尔夫·纳德”时代（消费者保护运动的黄金期）相比，当前企业权力空前强大，而消费者保护力量则被严重削弱。纳德本人也指出，当前消费者前景“从未如此糟糕”。指望国会短期内立法解决问题的希望渺茫。

新的监督力量与未来展望

尽管形势严峻，仍有一些积极动向：

• 部分州检察长和州级机构（如加州针对亚马逊的诉讼、纽约市推动的“一键取消订阅”法案）开始积极行动。
• 联邦贸易委员会（FTC）在某些领域仍在执法。
• 非营利调查组织、新兴媒体以及活跃的网络“公民记者”正在填补监督空白，曝光企业不当行为。

文章指出，消费者愤怒情绪的公开爆发（例如对联合健康集团CEO遇害事件的矛盾反应）是对企业漠视日常客户痛苦的一记警钟。这场危机正在消耗社会信任，并对美国人的日常生活和社区凝聚力产生深远影响。《卫报》将持续深入探讨这一问题。

https://www.ijidonline.com/article/S1201-9712(26)00608-9/fulltext