Hacker News
|
Motorola announces a partnership with GrapheneOS Foundation
https://motorolanews.com/motorola-three-new-b2b-solutions-at-mwc-2026/
|
Anthropic Cowork feature creates 10GB VM bundle on macOS without warning
Claude Desktop 协作功能性能问题总结 (Claude Desktop 协作功能性能问题总结)
以下是对 Claude Desktop 协作功能性能问题的总结，基于提供的调查报告。
问题描述:
使用 Claude Desktop 的协作功能后，应用程序性能显著下降，表现为启动缓慢、UI卡顿以及响应迟缓。 性能下降会随着单个会话时间的推移而加剧。
调查结果:
虚拟机包 (VM Bundle): 协作功能会创建一个虚拟机包文件，路径为 ~/Library/Application Support/Claude/vm_bundles/claudevm.bundle/rootfs.img。 这一文件会增长至 10GB，且不会被清理。 删除后，会迅速恢复到 10GB 的大小。
清理测试: 删除 vm_bundles、Cache 和 Code Cache 目录后，系统从 11GB 减少到 639MB。 结果表明，清理后，之前失败或卡住的任务的执行速度可提升约 75%。
性能随时间推移的下降: 即使在清理 VM Bundle (使其大小为 0 字节) 后，性能仍会在几分钟内下降：
- 启动后：空闲时 CPU 使用率约为 24%。
- 使用几分钟后：CPU 使用率上升至 55% (渲染器 24%，主线程 21%，GPU 7%)。
- 交换活动增加，交换次数从 20K 增加到 24K 以上。
这表明存在内存泄漏或累积的工作，导致性能下降，而与 VM Bundle 的状态无关。
环境:
- macOS (Darwin 25.2.0)
- Claude Desktop (最新版本)
- 系统 RAM: 8GB
观察到的行为:
- 空闲时 CPU 使用率高 (约 24-55%)。
- 随着时间的推移，交换活动加剧。
- 使用几分钟后，性能下降。
- 10GB 的 VM Bundle 在每次协作会话后都会重新生成。
- 清理后，之前失败的任务现在可以完成 (初始速度提升 75%)。
临时解决方案:
- 退出 Claude Desktop 并删除 VM Bundle：
rm -rf ~/Library/Application\ Support/Claude/vm_bundles
rm -rf ~/Library/Application\ Support/Claude/Cache
rm -rf ~/Library/Application\ Support/Claude/Code\ Cache
- 此操作可提升约 75% 的性能，但性能会再次下降。 需要定期重启。
预期行为:
- CPU 使用率稳定，不会随时间推移而下降。
- 协作会话结束后，VM Bundle 被清理。
- 在 8GB RAM 的系统中保持可用的性能。
Filed via Claude Code
|
If AI writes code, should the session be part of the commit?
git-memento 简介 (Git Memento Introduction)
git-memento 是一个 Git 扩展，旨在记录用于生成提交的人工智能编码会话。它通过在新的提交上存储清理后的 Markdown 对话作为 Git 注释来实现此目的。
目标 (Goals):
- 允许使用标准的 Git 流 (
-m 或编辑器) 创建提交。
- 将 AI 会话记录附加到提交 (
git notes)。
- 保持提供者支持的可扩展性（首先支持 Codex，之后支持其他）。
- 生成人类可读的 Markdown 注释。
命令 (Commands):
- 初始化 (Initialization):
git memento init: 初始化仓库级别的 memento 设置。git memento init codex: 初始化 Codex 提供者。git memento init claude: 初始化 Claude 提供者。init 命令将配置信息存储在本地 Git 元数据 (.git/config) 下的 memento.* 键中。
- 提交 (Commit):
git memento commit <session-id> -m "Normal commit message": 提交会话记录。可以多次使用 -m 传递多个参数给 git commit。如果省略 -m，则会打开默认编辑器。git memento amend -m "Amended subject": 修改提交，复制上一个 HEAD 的注释。git memento amend <new-session-id> -m "Amended subject" -m "Amended body": 修改提交，复制上一个 HEAD 的注释并添加新的会话记录。
- 摘要技能 (Summary Skill):
--summary-skill <skill|default>: 改变注释行为。
default: 将注释存储为摘要记录，而不是完整记录，存储在 refs/notes/commits。完整会话存储在 refs/notes/memento-full-audit。CLI 会打印生成的摘要并请求确认，如果拒绝，需要提供提示以重新生成。
- 审计 (Audit):
git memento audit --range main..HEAD --strict: 审计注释覆盖情况和元数据。
- 诊断 (Doctor):
git memento doctor: 运行仓库诊断，检查提供者配置、注释引用和远程同步状态。
- 共享注释 (Share Notes):
git memento share-notes: 推送 refs/notes/* 到默认远程仓库 (origin)。git memento share-notes upstream: 推送 refs/notes/* 到 upstream 远程仓库。
- 推送 (Push):
git memento push: 将分支和注释同步到远程仓库 (origin)。
- 同步注释 (Notes Sync):
git memento notes-sync: 同步和合并远程注释。
- 重写配置 (Notes Rewrite Setup):
git memento notes-rewrite-setup: 配置自动注释传递，用于重写提交 (rebase / commit --amend)。
- 传递注释 (Notes Carry):
git memento notes-carry --onto <new-commit> --from-range <base>..<head>: 将指定范围内的注释传递到新的目标提交。
提供者配置 (Provider Configuration):
- 可以通过环境变量和
init 命令配置提供者。
- 支持 Codex 和 Claude。
- 配置包括提供者名称、二进制文件路径、获取和摘要参数等。
- 摘要参数模板使用占位符，例如
{prompt}、{sessionId}、{skill} 等。
- 会话记录被视为不可信数据，摘要提示明确指示模型不要遵循记录中的指令。
构建 (Build):
- 支持 NativeAOT 构建。
- 提供 macOS、Linux 和 Windows 构建命令。
安装 (Installation):
- 本地安装：将编译后的可执行文件复制到 PATH 目录，并命名为
git-memento。
- 通过 Curl 安装：使用
curl -fsSL ... | sh 命令安装。
GitHub Action:
- 提供了一个可重用的 GitHub Action，用于在提交时添加注释、进行审计和合并注释。
- 支持三种模式：
comment (添加注释)、gate (CI 门禁) 和 `merge-carry
|
New iPad Air, powered by M4
Apple 发布新款 iPad Air：M4 芯片，更强性能，更快的连接
以下是 Apple 于 2026 年 3 月 2 日发布的新款 iPad Air 的主要内容摘要：
核心升级：
- M4 芯片： 新款 iPad Air 搭载 M4 芯片，CPU 和 GPU 性能大幅提升，相比 M3 芯片的 iPad Air 快 30%，相比 M1 芯片的 iPad Air 快 2.3 倍。
- 内存： 统一内存提升至 12GB，内存带宽达到 120GB/s，显著提升 AI 性能。
- 神经网络引擎： 16 核神经网络引擎速度比 M1 快 3 倍，加速 AI 任务，例如照片中的主题和文本搜索、Goodnotes 和 Onform: Video Analysis App 等应用中的 AI 功能。
- 连接性： 采用 Apple 自研的 N1 无线网络芯片和 C1X 蜂窝基带芯片，支持 Wi-Fi 7 和蓝牙 6，提升无线和蜂窝连接速度。蜂窝型号的 iPad Air 蜂窝数据性能提升 50%，能耗降低 30%。
- 尺寸和颜色： 提供 11 英寸和 13 英寸两种尺寸，有蓝、紫、星光白、深空灰四种颜色可选。
iPadOS 26 新功能：
- Liquid Glass 设计： 采用全新 Liquid Glass 材质，提供更沉浸的视觉体验。
- 改进的窗口系统： 更强大、更直观的窗口管理系统，方便用户控制、组织和切换应用程序。
- 增强的“文件”应用： 引入更新的列表视图、文件夹自定义选项，以及 Dock 中的文件夹，方便访问文件。
- “预览”应用： 提供快速绘图、查看、编辑和标注 PDF 及图像的功能。
- 音频控制、本地录制和后台任务： 利用 Apple 硅芯片，解锁音频输入控制、高质量本地录制和后台任务等新功能。
配件：
- 兼容 Magic Keyboard（黑白配色）
- 兼容 Apple Pencil Pro 和 Apple Pencil (USB-C)
价格和上市时间：
- 预售： 3 月 4 日开始，在 35 个国家和地区（包括美国）的 Apple 官网和 Apple Store App 上进行预售。
- 发货： 3 月 11 日开始发货，并在 Apple Store 和 Apple 授权经销商处有售。
- 价格：
- 11 英寸 iPad Air (Wi-Fi)：599 美元起
- 11 英寸 iPad Air (Wi-Fi + Cellular)：749 美元起
- 13 英寸 iPad Air (Wi-Fi)：799 美元起
- 13 英寸 iPad Air (Wi-Fi + Cellular)：949 美元起
- 教育优惠：
- 11 英寸 iPad Air：549 美元起
- 13 英寸 iPad Air：749 美元起
- Magic Keyboard 价格：
- 11 英寸 Magic Keyboard：269 美元起 (教育优惠 249 美元起)
- 13 英寸 Magic Keyboard：319 美元起 (教育优惠 299 美元起)
- Apple Pencil Pro 价格： 129 美元起 (教育优惠 119 美元起)
- Apple Pencil (USB-C) 价格： 79 美元起 (教育优惠 69 美元起)
其他：
- 提供 AppleCare+ 和 AppleCare One 订阅服务。
- 支持以旧换新，以及 Apple Card 月付计划。
总而言之，新款 iPad Air 通过 M4 芯片的加持，在性能、连接性和功能性方面都得到了显著提升，为用户带来更强大、更灵活的 iPad 体验。
|
Everett shuts down Flock camera network after judge rules footage public record
埃佛里特市因安全顾虑暂停 Flock 车牌识别摄像头系统，立法机构正在辩论豁免数据公开
埃佛里特市（Everett, Washington）因法院裁决其 Flock 车牌识别摄像头拍摄的录像属于公共记录，已暂停其所有 68 个 Flock 摄像头的使用。
事件经过：
- 一名华盛顿州男子何塞·罗德里格斯（Jose Rodriguez）通过律师提姆·霍尔（Tim Hall）向多个辖区提交公共记录请求，旨在了解 Flock 摄像头系统收集的数据类型。
- 调查显示，Flock 摄像头会持续捕捉数千张图像，无论车辆是否与犯罪行为有关。
- 埃佛里特市等城市试图阻止该请求，案件最终进入法院。
- 斯诺霍米什县法院法官裁定，Flock 摄像头拍摄的录像属于公共记录，公众有权申请访问这些数据。
主要观点和担忧：
- 埃佛里特市长卡西·富兰克林（Cassie Franklin） 对该裁决表示失望，担心犯罪分子、家庭暴力者或跟踪者等不法分子可能利用公开数据造成伤害。
- 立法机构辩论： 州议会正在辩论一项法案，旨在将 Flock 录像排除在公共记录法之外。
- 支持者观点： 该法案的支持者认为，公开数据可能带来安全风险，例如联邦移民局（ICE）可能通过公开数据请求获取数据。
- 律师霍尔的观点： 霍尔律师反驳了这些担忧，认为公共记录请求流程通常很长，不太可能被用于实时跟踪。
- 未来计划： 富兰克林市长表示，如果立法机构通过允许城市保护 Flock 数据不公开的法案，埃佛里特市将考虑重新启动摄像头。目前，摄像头系统处于离线状态，但未被拆除或移除。
当前状态：
- 埃佛里特市的 Flock 摄像头网络目前处于离线状态。
- 该法案已在参议院通过。
- 立法机构正在继续就透明度、隐私和公共安全问题进行辩论。
|
/e/OS is a complete "deGoogled", mobile ecosystem
/e/OS：一个完全“去谷歌化”的移动生态系统总结
/e/OS 是一个开源的移动操作系统，与精心挑选的应用一起构成一个注重隐私保护的内部系统，旨在为智能手机用户提供一个完整的“去谷歌化”体验。该项目受到爱丁堡大学和都柏林圣三一学院研究人员的学术认可。
核心理念：
/e/OS 不仅仅是一个操作系统，更包含一系列隐私增强的在线服务，例如搜索引擎、电子邮件平台、云存储等，共同构建一个安全的环境。
主要特点：
- “去谷歌化”核心： 基于开源 Android 核心，完全移除 Google 应用和服务，避免个人数据被 Google 收集。
- 搜索引擎替换： 默认搜索引擎被替换为 Murena Find，一个更注重隐私的搜索引擎。
- 服务替换： 使用 microG 代替 Google 服务。
- 网络连接优化： 避免使用 Google 的网络时间协议 (NTP) 和域名系统 (DNS) 服务器。
- 定位服务： 使用 BeaconDB 定位服务以及 GPS 进行定位。
- 兼容 Android 应用： 兼容所有 Android 应用，用户无需牺牲数字体验。
应用生态系统：
- 精选默认应用： 提供一系列精心挑选的默认应用，满足用户日常的个人和专业需求。
- 应用商店： 提供 App Lounge，用户可以在其中找到开源应用和经过隐私评分的 Android 应用。
- 隐私评分： 通过分析应用代码，对应用进行隐私评分，显示追踪器数量和权限需求，帮助用户识别潜在风险。
- 高级隐私控制： 提供高级隐私小部件，允许用户隐藏 IP 地址和地理位置，以及阻止广告。
Murena Workspace：
- 中心账户： Murena Workspace 账户是整个生态系统的核心，提供安全的数据存储、备份和检索功能。
- 免费服务： 提供 1GB 免费存储空间、免费电子邮件地址和端到端加密的 Murena Vault。
- 自托管选项： 允许高级用户进行自托管。
其他功能：
- 家长控制： 提供家长控制功能，限制儿童访问不适宜的网络内容和应用，并提供屏幕时间限制和设备定位功能。
- 账户管理器： 允许用户添加来自任何提供商的账户，并在 /e/OS 设备上同步数据。
获取 /e/OS 的方式：
- 购买 Murena 智能手机： 直接购买预装 /e/OS 的智能手机。
- 使用 /e/OS 安装程序： 通过 Web 应用在支持的设备上安装 /e/OS。
- 手动下载： 从 Gitlab 环境手动下载并安装 /e/OS (适用于经验丰富的用户)。
支持与社区：
- 用户文档： 提供详细的故障排除指南和操作指南。
- 社区论坛： 用户交流和获取帮助的平台。
- Telegram 频道： 开发者和专家用户提供技术支持的聊天频道。
- 专业服务： 为企业提供专业服务。
总而言之，/e/OS 致力于打造一个安全、隐私保护的移动操作系统生态系统，让用户摆脱对 Google 服务的依赖，享受更加自由和可控的数字体验。
|
When does MCP make sense vs CLI?
MCP 正在走向衰落：对模型上下文协议的批判
本文作者认为模型上下文协议 (MCP) 已经过时，并阐述了其原因，认为其在实际应用中缺乏价值，反而增加了复杂性。
核心论点： LLMs (大型语言模型) 擅长使用命令行工具 (CLI)，无需专门的协议。
主要论点及细节：
- LLMs 擅长使用 CLI: LLMs 经过训练可以理解和使用命令行工具，无需 MCP 提供的特殊接口。
- CLI 方便调试: 当 LLMs 出现问题时，可以运行相同的 CLI 命令来查看 LLMs 的输入和输出，方便调试。 MCP 则需要解析 JSON 日志，增加了调试难度。
- CLI 的可组合性: CLI 具有强大的可组合性，可以通过管道、链式调用等方式进行复杂操作，例如分析大型 Terraform 计划。 MCP 难以实现这种灵活性，要么需要将大量数据放入上下文窗口，要么需要构建复杂的服务器端过滤逻辑。
- 身份验证已存在: MCP 对身份验证的规定是多余的。 现有的 CLI 工具已经有成熟的身份验证方案（如
aws 的 profiles、gh 的 gh auth login 等），无需 MCP 重新设计。
- MCP 存在不必要的复杂性: MCP 依赖于后台进程，容易出现启动失败、卡死等问题。 CLI 工具则仅仅是磁盘上的二进制文件，更加稳定可靠。
- 实际使用中的痛点:
- 初始化不稳定，经常需要重启 Claude Code。
- 多工具需要重复认证。
- 权限管理粗粒度，无法实现细粒度的控制，例如只允许读取权限或限制参数。
MCP 何时适用？
作者承认 MCP 在某些情况下可能有用，例如当工具没有 CLI 替代方案时。
核心建议:
如果公司正在投资 MCP 服务器，但没有提供对应的 CLI，应该重新考虑策略，优先提供良好的 API 和 CLI。
总结:
作者认为 CLI 已经是一个经过长期迭代的优秀抽象，能够同时服务于人类和机器。 MCP 试图构建更好的抽象，但实际上 CLI 已经足够好。 建议开发者放弃对 MCP 的过度投入，回归到 CLI 的简单、高效和可靠性。
|
Inside the M4 Apple Neural Engine, Part 1: Reverse Engineering
苹果 M4 神经引擎内部探秘：逆向工程与直接访问 (Inside the M4 Apple Neural Engine: Reverse Engineering and Direct Access) - 第一部分总结
这篇博文是三部分系列文章的第一部分，主要讲述了作者（maderix）和 Claude Opus 4.6 合作，对苹果 M4 芯片的神经引擎 (ANE) 进行逆向工程的过程。作者旨在回答一个简单的问题：是否可以在苹果的神经引擎上训练模型？由于苹果未公开 ANE 的 ISA、内部架构以及直接编程接口，作者不得不进行逆向工程。
主要发现与技术细节：
- 合作模式: 作者采用人机协作模式，maderix 负责直觉探索，Claude Opus 4.6 负责代码编写和实验分析。
- ANE 的本质: ANE 并非 GPU 或 CPU，而是一个图形执行引擎，它将编译好的神经网络图作为一个原子操作执行。
- ANE 架构: M4 的 ANE (代号 H16G) 拥有 16 个核心，支持 127 个评估请求队列深度，具有独立的 DVFS（动态电压/频率调整）和硬电源关断功能，空闲时功耗可降至 0 毫瓦。
- 现有研究: 作者在逆向工程过程中借鉴了其他研究者的工作，包括：
hollance/neural-engine: 对 ANE 行为、性能和支持操作的综合文档。mdaiter/ane: 早期逆向工程，包含 Python 和 Objective-C 示例，记录了 ANECompiler 框架和 IOKit 分发。eiln/ane: 为 ANE 逆向工程的 Linux 驱动程序（Asahi Linux 项目）。apple/ml-ane-transformers: 苹果自己的针对 ANE 优化的 Transformer 实现。
- 逆向工程方法: 作者使用了以下技术：
dyld_info -objc 发现 Objective-C 类。- 方法拦截 (Method Swizzling) 拦截 CoreML 对 ANE 框架的调用。
- 二进制分析编译后的 E5 bundle 以理解神经网络程序格式。
- 缩放分析以推断硬件拓扑结构。
- ANE 软件栈: 作者揭示了从 CoreML API 到硬件的完整 ANE 软件栈，并发现可以通过
_ANEClient 类直接访问编译、加载和评估流程，绕过 CoreML 的抽象层。
- MIL (Machine Learning Intermediate Language): ANE 使用 MIL 作为中间语言，它是一种类型化的 SSA (静态单赋值) 表示。MIL 易于阅读，明确定义了张量的精度和形状。
- E5 二进制: 编译后的 MIL 程序会生成 E5 二进制文件，其结构基于 FlatBuffer。E5 二进制文件并非编码算法，而是编码一个参数化程序，其行为由运行时张量描述符控制。这表明 ANE 硬件可能具有一组固定的计算原语，并通过张量形状描述符进行参数化。
- IOSurface: ANE 使用 IOSurface 作为 I/O 机制，理论上可以实现 GPU 和 ANE 之间的零拷贝数据传输。
- 硬件特性: 作者通过 IOKit 探测和缩放分析，推断出 ANE 的硬件特性，包括 127 个评估请求队列深度、DVFS 机制以及对卷积操作的强大支持。
- 支持的操作: ANE 原生支持卷积、矩阵乘法和逐元素操作。
总结:
这篇博文详细介绍了作者对苹果 M4 神经引擎进行逆向工程的过程，揭示了 ANE 的内部结构和工作原理。作者绕过了 CoreML 的限制，直接访问了 ANE，为后续的性能基准测试和模型训练奠定了基础。后续两篇博文将分别介绍 ANE 的性能基准测试以及在 ANE 上训练神经网络。所有代码已发布在 GitHub 上。
|
OpenClaw surpasses React to become the most-starred software project on GitHub
OpenClaw 突破 React，成为 GitHub 上星标数量最多的非聚合软件项目
上周，OpenClaw 曾超越 Linux，登上 GitHub 全球星标榜单第 14 名。当时 React 拥有 24.3 万颗星标，并指出其领先地位可能不会持续太久。
事实证明，预测是正确的。
OpenClaw 现在已突破 25 万颗星标，超越 React，成为 GitHub 上星标数量最多的非聚合软件项目。React 长期以来都稳居此项桂冠。OpenClaw 在不到四个月的时间内从零起步，迅速攀升至榜单首位，并且增长势头依然强劲。
|
Microsoft bans the word "Microslop" on its Discord, then locks the server
微软Copilot Discord服务器因用户昵称问题被封锁：总结
事件概要：
微软的Copilot Discord服务器因用户使用带有侮辱性的昵称“Microslop”（对微软的戏称）而遭到封锁。最初，服务器管理员试图通过过滤关键词来阻止该词语的使用，但用户很快找到了绕过过滤的方法。随后，服务器的部分功能被限制，许多用户的发帖权限被禁用。
事件经过：
- 关键词过滤： 微软最初在Copilot Discord服务器中过滤了“Microslop”一词，任何包含该词的消息会被自动屏蔽。
- 绕过过滤： 用户迅速找到绕过过滤的方法，例如使用“Microsl0p”等变体。
- 封禁和限制： 之后，使用“Microslop”相关昵称的用户被封禁，服务器的部分区域访问被限制，用户发帖权限被禁用。
- 服务器封锁： 最终，整个Copilot Discord服务器被封锁。
- 微软官方解释： 微软后来表示，服务器被封锁是因为遭受了协调的垃圾信息攻击，最初的关键词过滤是为了减缓垃圾信息的涌入，并非永久政策。他们正在实施更强的安全措施，以保护用户并确保服务器的安全。
背景信息：
- Copilot的争议： 随着微软在Windows 11中大力推广AI功能，Copilot作为其主要载体，也面临着越来越多的批评，用户普遍认为微软过于强调AI，而忽略了操作系统的稳定性。
- “Microslop”的流行： “Microslop”一词在社交媒体上迅速流行，成为对微软的一种嘲讽。
- Copilot社区的转变： 最初Copilot Discord服务器的社区氛围较为积极，用户对Copilot的功能充满好奇。但随着Copilot和Windows 11 AI推广的进行，用户对Copilot的评价逐渐下降。
- Copilot的实用功能： 尽管备受争议，Copilot也具备一些有用的功能，例如连接器可以从Google Contacts、Gmail和Outlook等服务中提取数据。
总结：
Copilot Discord服务器的封锁事件反映了微软在AI推广过程中面临的挑战，以及用户对微软产品策略的不满。虽然微软试图通过关键词过滤来控制局面，但用户很快找到了绕过的方法，最终导致服务器被封锁。微软官方解释称，封锁是由于垃圾信息攻击所致，并承诺将加强安全措施。
|
First in-utero stem cell therapy for fetal spina bifida repair is safe: study
加州大学戴维斯分校研究团队首次将干细胞疗法与胎儿手术结合治疗脊髓裂
摘要: 加州大学戴维斯分校的研究团队成功完成了全球首例将干细胞疗法与胎儿手术结合治疗脊髓裂的临床试验第一阶段（Phase 1）的研究，结果已发表在《柳叶刀》杂志上。该研究名为“子宫内修复脊髓脑膜膨出细胞疗法试验 (CuRe Trial)”，旨在评估将人 placenta 源性干细胞添加到标准胎儿手术中是否安全可行。
背景信息:
- 脊髓裂 (Myelomeningocele): 一种出生缺陷，发生在胎儿早期脊椎神经管未完全闭合，导致脊髓暴露。可能导致患者终身面临认知、行动、排尿和排便方面的障碍。
- CuRe Trial: 一项进行中的临床试验，旨在探索干细胞疗法在治疗脊髓裂方面的潜力。
- 研究团队: 由 Diana Farmer 博士（UC Davis 外科系主任）和 Aijun Wang 博士（UC Davis 外科生物工程中心共同主任）领导。
- 资金来源: 该试验第一阶段由加州再生医学研究所 (CIRM) 提供的 900 万美元拨款资助，Shriners 儿童医院也提供资金支持。
治疗方法:
手术过程中，外科医生在母亲的子宫上切一个小口，将胎儿“浮”到切口处，暴露胎儿背部和脊髓裂缺陷。随后，将含有活体干细胞的小贴剂直接放置在胎儿暴露的脊髓上，再闭合背部，促进组织再生。这些干细胞来自捐赠的胎盘，旨在保护正在发育的脊髓免受进一步损害。
关键发现 (第一阶段):
- 安全性: 干细胞治疗显示出极佳的安全性，未发现与干细胞相关的安全问题。
- 无并发症: 未出现感染、脊髓液泄漏、异常组织生长或肿瘤形成等并发症。
- 手术成功: 所有手术成功，干细胞贴剂按计划放置，伤口完全愈合。
- MRI 结果: MRI 扫描显示所有婴儿的脑后脑膜突出逆转，这是手术成功的指标。
- 脑积水: 没有婴儿在出院前需要安装脑室引流管治疗脑积水。
重要意义:
- 每年在美国约有 1500 至 2000 名儿童患有脊髓裂。
- 虽然胎儿手术在过去十年中显著改善了结果，但许多儿童仍然面临行动障碍和其他长期并发症。
- CuRe Trial 的目标是探索干细胞能否为手术增加再生能力，从而改善患者的行动能力和生活质量。
- 该试验代表着一种新型胎儿治疗方式，不仅修复缺陷，还可能帮助治愈和保护发育中的脊髓。
下一步:
CuRe Trial 目前正在招募多达 35 名患者进行 Phase 1/2a 研究。研究人员将跟踪儿童直至 6 岁，以评估长期安全性以及运动、膀胱和肠道功能改善的早期迹象。
|
Microslop Manifesto
微软正在互联网中倾倒人工智能垃圾：一份宣言
这是一份宣言，记录了低质量、合成和未经验证的内容系统性地涌入互联网的现象，主要针对微软的产品和策略。
核心问题：
微软正在通过 Bing、Copilot 等产品，大量生成并推广低质量的、虚假的信息，导致互联网信息质量下降，用户信任度降低。
主要论点：
- Bing 搜索结果的幻觉： Bing 整合 AI 生成摘要后，搜索结果充斥着虚构的产品评论、捏造的统计数据和不存在的引用，用户获取的是未经验证的垃圾信息。
- 强制性 AI 集成： Copilot 按钮、AI 建议和“智能”覆盖层被强行嵌入到微软的所有产品中，导致界面臃肿，分散用户注意力，并引导用户使用 AI 生成的内容。
- Copilot 生成虚假信息： Copilot confidently 生成虚假的编码片段、捏造的事实和无效的文档链接。 用户容易误信其输出，从而在网络上大规模传播错误信息。
- AI 生成内容泛滥： AI 生成的博客文章、文章和社交媒体内容充斥网络，低成本、高产量的内容淹没了人类的创造力和真实的声音。搜索引擎将这些垃圾内容索引为权威信息。
- 信任危机： 随着 AI 垃圾的扩散，用户对所有内容的信任度下降。验证变得难以实现。合成媒体与真实媒体难以区分。
- 恶性循环： AI 模型在互联网数据上进行训练，生成垃圾信息，垃圾信息被索引，AI 模型又在垃圾信息上进行训练，导致模型质量不断下降，互联网变得“镜中镜”。
“垃圾追踪器” (Slop Tracker):
该部分列出了已记录的“垃圾”事件，作为微软 AI 生成内容污染互联网的证据。以下是部分示例：
- 2026-01-21 (严重): Bing 搜索结果被 AI 幻觉淹没，出现捏造的产品评论和不存在的引用。
- 2026-01-20 (严重): Copilot 生成包含语法错误和已弃用 API 调用的代码片段。
- 2026-01-19 (高): Windows 11 界面被不必要的 AI 建议和 Copilot 提示语所挤满。
- 2026-01-18 (高): 搜索引擎将 AI 生成的内容排名高于同一主题的人工撰写文章。
行动呼吁：
鼓励用户记录并提交他们遇到的 AI 垃圾事件，以揭露微软 AI 生成内容对互联网的污染。
总结：
这份宣言表达了对微软过度依赖 AI 生成内容，以及由此带来的互联网信息质量下降和用户信任危机表示担忧。它强调了这种现象的恶性循环，并呼吁用户采取行动，抵制这种“AI 垃圾”的泛滥。
|
Jolla phone – a full-stack European alternative
Jolla Phone 2026：总结
Jolla 正在重启其标志性的 The Other Half 开源创新平台和智能手机，并将其带入 2026 年，采用现代规格并保留了 Jolla 的设计传统。这款手机由社区共同设计，旨在将控制权交还给用户。
主要特点：
- 隐私至上: 强调无追踪、无数据回传、无隐藏分析，并配备物理隐私开关，可以关闭麦克风、蓝牙、Android 应用等。
- 社区驱动: 产品规格、功能和理念均由 Sailfish OS 社区投票决定。
- 长效支持: Sailfish OS 拥有长期的操作系统支持，至少 5 年，提供增量更新，避免强制过时。
- 可定制外观: 用户可更换背盖，提供雪白 (Snow White)、午夜黑 (Kaamos Black)、橘色 (The Orange) 三种配色。
- 独立 Linux 手机: 继承了 2013 年 Jolla Phone 的设计，提供 Android 应用支持。
- 可更换电池: 用户可以自行更换电池。
技术规格：
- SoC: Mediatek Dimensity 7100 5G 平台
- 内存: 8GB (可升级至 12GB)
- 存储: 256GB + MicroSDXC 扩展
- 屏幕: 6.36 英寸 FullHD AMOLED (390ppi)，20:9 比例，康宁大猩猩玻璃
- 摄像头: 后置 50MP 主摄 + 13MP 超广角，前置 32MP
- 电池: 约 5,500mAh，可更换
- 连接: WiFi 6, BT 5.4, NFC
- 尺寸: 约 158 x 74 x 9mm，约 190g
- 其他: 侧面指纹识别器、RGB 指示灯、隐私开关、双卡双待（Nano-SIM）
预购信息：
- 定价: 649 欧元（含增值税）
- 预订流程: 预订时需支付 99 欧元的 refundable 保证金，最终付款时间为 2026 年 6 月底。
- 发货时间: 预计 2026 年 9 月发货。
- 批次销售模式: 采用小批量生产模式，以控制成本和管理库存。
未来计划：
- 计划推出配件，如备用电池和保护套。
- 正在考虑扩展到美国和其他欧洲以外的地区。
参与方式：
|
Right-sizes LLM models to your system's RAM, CPU, and GPU
llmfit 项目概览
支持数百种模型和提供商，一键找到能在您的硬件上运行的模型。
llmfit 是一个终端工具，旨在根据您的系统 RAM、CPU 和 GPU，为 LLM 模型进行合理缩放。它能够检测您的硬件配置，对每个模型在质量、速度、适配性和上下文维度上进行评分，并告知您哪些模型能在您的机器上流畅运行。
该工具提供交互式 TUI (默认) 和经典 CLI 模式。支持多 GPU 设置、MoE 架构、动态量化选择、速度估算以及本地运行时提供商 (Ollama、llama.cpp、MLX)。
相关项目： 建议查看 sympozium，用于在 Kubernetes 中管理代理。
快速安装 (macOS / Linux)
curl -fsSL https://llmfit.axjns.dev/install.sh | sh
下载最新的发布二进制文件到 /usr/local/bin (或 ~/.local/bin)
或者
brew install llmfit
Windows 用户：请查看 安装 部分。
安装
Cargo (Windows / macOS / Linux)
cargo install llmfit
如果尚未安装 cargo，请通过 rustup 安装 Rust。
macOS / Linux
Homebrew
brew install llmfit
快速安装
curl -fsSL https://llmfit.axjns.dev/install.sh | sh
下载最新的发布二进制文件到 /usr/local/bin (或 ~/.local/bin 如果没有 sudo 权限)。
安装到 ~/.local/bin 无需 sudo 权限：
curl -fsSL https://llmfit.axjns.dev/install.sh | sh -s -- --local
从源代码
git clone https://github.com/AlexsJones/llmfit.git
cd llmfit
cargo build --release
二进制文件位于 target/release/llmfit
使用方法
TUI (默认)
llmfit
启动交互式终端 UI。您的系统规格 (CPU、RAM、GPU 型号、VRAM、后端) 将显示在顶部。模型按综合评分排序，在可滚动的表中列出。每一行显示模型的评分、估计的 tok/s、适用于您硬件的最佳量化、运行模式、内存使用情况和用例类别。
| 键 |
操作 |
| 向上 / 向下 或 j / k |
导航模型 |
| / |
进入搜索模式 (对名称、提供商、参数、用例进行部分匹配) |
| Esc 或 Enter |
退出搜索模式 |
| Ctrl-U |
清除搜索 |
| f |
循环适配过滤器：全部、可运行、完美、良好、边缘 |
| a |
循环可用性过滤器：全部、GGUF 可用、已安装 |
| s |
循环排序列：评分、参数、内存占用率、上下文、日期、用例 |
| t |
循环颜色主题 (自动保存) |
| p |
打开选定模型的计划模式 (硬件规划) |
| P |
打开提供商过滤器弹出窗口 |
| i |
切换安装优先排序 (任何检测到的运行时提供商) |
| d |
下载选定模型 (当有多个可用提供商时，选择提供商) |
| r |
从运行时提供商刷新已安装的模型 |
| 1-9 |
切换提供商可见性 |
| Enter |
切换选定模型的详细视图 |
| PgUp / PgDn |
滚动 10 个 |
| g / G |
跳转到顶部 / 底部 |
| q |
退出 |
TUI 计划模式 (p)
计划模式反转了正常的适配分析：它不是
|
|
iPhone 17e
好的，以下是根据您提供的文本生成的中文摘要，字数控制在800字以内：
Apple 发布 iPhone 17e：更强大、更实惠的 iPhone 17 系列新增机型
Apple 于 2026 年 3 月 2 日发布了 iPhone 17e，作为 iPhone 17 系列的补充，旨在提供更强大的性能和更具吸引力的价格。
主要特点：
- 芯片： 搭载最新一代 A19 芯片，提供卓越的性能表现。
- 蜂窝网络： 采用 C1X 蜂窝调制解调器，速度比上一代 C1 快达 2 倍。
- 摄像头： 48MP Fusion 摄像头，可拍摄令人惊艳的照片和 4K Dolby Vision 视频。 提供类似双摄的 2x 光学变焦功能。
- 显示屏： 6.1 英寸 Super Retina XDR 显示屏，采用 Ceramic Shield 2，抗刮擦性提升 3 倍，并减少眩光。
- MagSafe： 支持 MagSafe 无线充电，并可连接各种配件，如充电器和保护壳。
- 卫星通信： 内置 Apple 的卫星通信功能，包括紧急 SOS、道路救援、短信和“查找我的”服务，可在没有蜂窝网络和 Wi-Fi 覆盖的情况下提供连接。
- 配色： 提供黑色、白色和全新的柔和粉色三种颜色选择，并采用高级磨砂质感。
- 存储： 起售价为 599 美元，256GB 存储空间起，是上一代产品的两倍，是 iPhone 12 的四倍。
上市时间和价格：
- 将于 3 月 4 日开始接受预订，3 月 11 日正式发售。
- 起售价为 599 美元 (256GB)。
其他关键信息：
- 电池和充电： 采用 Apple 芯片和 iOS 26 的先进电源管理技术，提供出色的全天续航。支持 USB-C 快充，30 分钟内可充电至 50%。支持 MagSafe 和 Qi2 无线快充，最高可达 15W。
- 相机系统： 48MP Fusion 摄像头可拍摄细节丰富的照片，并支持 2x 光学变焦。 改进的 Portrait 模式能够识别人物、狗和猫，并自动保存深度信息，方便后期调整背景模糊效果。
- 安全和通信： 支持 iOS 26，提供新的设计、Apple Intelligence 功能和对常用应用程序的改进。 Apple Intelligence 支持跨语言的实时翻译，视觉智能可搜索和操作屏幕内容。 Call Screening 和 Hold Assist 功能可减少干扰，Messages 允许筛选未知发件人的消息。
- 环保： 注重环保设计，使用回收或可再生材料。
- Apple 智能功能： 苹果智能功能（Apple Intelligence）提供多种语言支持（包括中文），支持实时翻译、视觉智能等功能，但部分功能可能无法在所有地区或语言中使用。
- 配件： iPhone 17e 硅胶保护壳和透明保护壳均售价 49 美元。
- AppleCare： 提供 AppleCare+ 或 AppleCare One 服务，提供全面的保修和支持。
- 促销活动： 新用户可享受 Apple Arcade、Apple Fitness+、Apple Music、Apple News+ 和 Apple TV 三个月的免费订阅。
总而言之，iPhone 17e 是一款集强大性能、实用功能和出色耐用性于一身的 iPhone，旨在为用户提供卓越的价值。
|
How to talk to anyone and why you should
总结：我们正在失去与陌生人交谈的能力，这需要重新审视
这篇文章探讨了现代社会中与陌生人交谈能力逐渐消失的现象，并分析了其原因和潜在影响。
核心观点：
- 日常互动减少： 作者通过在火车上与一位老人交谈、在餐厅与服务员交流的经历引出，日常生活中与陌生人进行简单互动的机会越来越少。
- 多种因素导致： 导致这一现象的原因包括：过度依赖耳机、手机和社交媒体、远程办公的普及、餐厅自助点餐的出现、第三空间的消失、以及疫情期间的社交限制等。
- 社会规范强化： “社会规范强化”的概念解释了这种现象的自我实现的本质：如果周围没有人与陌生人交谈，那么自己也就不太可能发起对话。
- 心理因素影响： 个人层面，神经多样性、内向性格、对眼神接触的抵触以及对小谈话的厌恶也可能导致人们避免与陌生人交流。
- 年轻人面临挑战： 心理学家和神经科学家警告，年轻一代在认知能力和社交能力方面表现出下降，他们可能缺乏与人进行有效对话的能力，自我价值感较低。
- 社交媒体的误导： 社交媒体上关于与陌生人交谈的实验视频，往往带有表演性和个人主义色彩，可能加剧人们对社交互动的疏离感。
- 过度夸大了风险： 研究表明，人们往往会高估与陌生人交谈可能面临的拒绝、尴尬或冒犯的风险。
- 重要性： 即使是简单的小谈话，也是一种“小小的、人性化的行为”，有助于维持社会联系，提醒我们彼此的共同人性。
作者主张：
- 重新尝试： 鼓励人们克服恐惧，勇于与陌生人交流，即使只是简单地聊几句天气。
- 降低期望： 不要对与陌生人的互动抱有太高的期望，降低心理压力。
- 保持自我认知： 了解自己的性格和情绪状态，在适当的时候选择保持沉默或礼貌地拒绝。
- 重视人际互动： 强调与陌生人交流的重要性，认为这有助于维护社会联系，避免人类社会走向分裂。
总而言之，文章呼吁人们重新审视与陌生人交流的价值，并鼓励人们在日常生活中主动尝试，以维护人类社会的基本联系。
|
Judge finalizes order for Greenpeace to pay $345M in ND oil pipeline case
北达科他州法院判决绿和平支付3.45亿美元给达科他输油管道开发商
以下是对文章内容的总结：
案件背景：
2019年，达科他输油管道（DAPL）开发商Energy Transfer起诉绿和平，指控其组织暴力袭击管道公司，并进行虚假信息宣传，破坏其业务。 此案涉及三个与绿和平相关的组织：绿和平美国、绿和平基金会和绿和平国际。案件的起因是2016-2017年期间，针对DAPL建设的反抗抗议活动，其中Standing Rock苏族率先发起，吸引了数千人参与。
一审判决与金额裁减：
2025年3月，北达科他州Morton县陪审团裁定绿和平有罪，并判决其向Energy Transfer支付约6.67亿美元赔偿金。 然而，南达科他州司法区法官James Gion随后将赔偿金额裁减至3.45亿美元，尽管他并未最终确定此金额。
后续程序及绿和平的反应：
法院已正式下达判决，绿和平需自2025年3月19日起支付11%的利息，直至全额支付。 绿和平表示，计划在短期内申请重新审理案件或对Gion法官的判决提出修正申请。 绿和平同时表示将向北达科他州最高法院提起上诉。
Energy Transfer的反应：
Energy Transfer称Gion法官的决定是其对绿和平诉讼的“重要一步”，并表示正在分析进一步的法律行动方案，以确保绿和平承担全部责任。
案件细节：
- 陪审团认定绿和平美国对大部分指控负责。
- 法官裁定绿和平基金会和绿和平国际存在诽谤和干涉Energy Transfer业务的行为，并认定绿和平美国和绿和平国际存在共谋行为。
- 绿和平国际在荷兰对Energy Transfer提起反诉，指控该公司利用美国的法律系统来打击绿和平。
- Energy Transfer曾要求法官暂停绿和平在荷兰的诉讼，但被拒绝，并随后向北达科他州最高法院提出上诉，目前尚未有裁决。
案件时间线：
- 2019年：Energy Transfer起诉绿和平。
- 2025年3月：陪审团判决绿和平支付6.67亿美元赔偿金。
- 2025年10月：法官将赔偿金额裁减至3.45亿美元。
- 2026年3月：法院正式下达判决。
DAPL项目：
DAPL旨在将北达科他的原油输送到伊利诺伊州。
|
Operational issue – Multiple services (UAE)
AWS 健康仪表盘概览
本内容描述了如何使用 AWS 健康仪表盘来查看 AWS 服务的总体状态和健康状况。
主要内容：
- 目的： AWS 健康仪表盘提供了一个集中式的视图，用于监控 AWS 服务的整体健康状况。它帮助用户了解 AWS 基础设施和服务的可用性和性能。
- 功能：
- 服务状态监控： 仪表盘显示 AWS 各个区域以及特定服务的当前状态。
- 事件通知： 用户可以订阅健康事件通知，以便在发生影响到其服务的事件时及时收到警报。这些通知可以通过多种方式传递，例如电子邮件、SMS 短信和 Amazon SNS 主题。
- 历史事件记录： 仪表盘记录了历史健康事件，用户可以查看过去的事件和解决情况。
- 影响范围评估： 仪表盘提供有关事件影响范围的信息，例如受影响的服务、区域和客户。
- 服务健康检查： 用户可以查看特定服务的健康检查状态，以了解其是否正常运行。
- 访问方式： 用户可以通过 AWS 管理控制台访问 AWS 健康仪表盘。
- 重要性： AWS 健康仪表盘是 AWS 用户监控其 AWS 环境健康状况的重要工具，有助于及时发现并应对潜在问题，从而保证应用程序的可靠性和可用性。
总结：
AWS 健康仪表盘是一个关键的监控工具，它提供关于 AWS 服务健康状况的实时信息、历史记录和事件通知，帮助用户维护应用程序的可靠性和可用性。 核心功能包括服务状态监控、事件通知订阅、历史事件查看和影响范围评估。
|
WebMCP is available for early preview
WebMCP 早期预览发布：助力网站适应智能体网络
概述：
WebMCP (Web Machine Control Protocol) 是 Google 开发的一项新技术，旨在帮助网站积极参与到人工智能 (AI) 智能体（agents）的交互过程中。其目标是提供一种标准化的方法来暴露结构化的工具，从而确保智能体能够以更快的速度、更高的可靠性和更精确的方式在网站上执行操作。
核心概念：
随着智能体网络的演进，WebMCP 旨在为网站提供与智能体进行高效沟通的桥梁。通过定义网站上的工具，开发者可以明确告知智能体如何以及在哪里与网站进行交互，例如预订航班、提交支持工单或浏览复杂数据。 这避免了歧义，并允许更快速、更强大的智能体工作流。
主要 API：
WebMCP 提出了两个新的 API，允许浏览器智能体代表用户执行操作：
- 声明式 API (Declarative API): 用于执行可以定义在 HTML 表单中的标准操作。
- 命令式 API (Imperative API): 用于执行更复杂、更动态的交互，需要 JavaScript 执行。
这两个 API 的结合使得网站能够“智能体友好”，并相较于直接操作 DOM，提供更可靠和高效的智能体工作流。
应用场景：
WebMCP 提供了以下应用场景示例：
- 客户支持: 智能体能够自动填写必要的细节，帮助用户创建详细的支持工单。
- 电子商务: 智能体可以更准确地查找产品、配置选项并完成结账流程，从而改善用户购物体验。
- 旅行: 智能体可以搜索、过滤结果并处理预订，帮助用户轻松找到他们想要的航班。
参与早期预览计划：
WebMCP 已经开放早期预览计划，允许开发者进行原型设计。 开发者可以通过以下链接注册：https://developers.google.com/docs/ai/join-epp。 注册后可以访问文档、演示，并及时了解最新动态。
许可协议：
除了另有说明，本文档的内容采用 Creative Commons Attribution 4.0 许可，代码示例采用 Apache 2.0 许可。 更多信息请参考 Google 开发者网站策略。 Java 是 Oracle 及其关联公司的注册商标。
最后更新时间： 2026-02-10 UTC。
|
How to record and retrieve anything you've ever had to look up twice
总结：永不失去宝贵的流程
本文探讨了如何构建个人知识库，记录和管理日常操作流程，避免重复学习和解决问题。作者分享了个人经验，强调了记录流程的重要性，并提供了实用建议。
核心观点：
- 重复劳动是常态： 即使是熟悉的操作，长时间不使用也会导致忘记细节，需要重新学习。
- 个人知识库的价值： 建立个人知识库，类似于企业中的标准操作流程（SOP），可以有效记录和检索各种操作步骤，节省时间和精力。
- 记录的挑战： 很多人知道记录流程的重要性，但往往因为觉得“下次会记得”或“现在没时间，以后再记录”而延误，最终回到重复学习的困境。
实用建议：
- 即时记录： 在完成一个步骤后，立即记录下来（类似“间隙式日记”）。
- 语音记录： 如果时间有限，可以用语音记录整个流程，之后再整理成文本。
- 存储位置： 建议使用易于搜索的文本文件（如Markdown），避免依赖特定应用。
- 标识符： 使用标签（如
#howto）或文件名前缀（如how to -）来标识知识库中的流程记录。
- 命名技巧： 文件名或笔记标题应简洁明确，包含关键词，以便日后快速检索。例如，与其使用“如何准备用于在线商店的文档而不消耗太多内存”，不如使用“如何减小PDF文件大小而不损失图像质量”。
总结：
作者鼓励读者养成记录操作流程的习惯，并分享了具体的方法和技巧。建立个人知识库需要持续的努力，但带来的好处是可以避免重复学习，提高效率，并最终掌握更多技能。作者也分享了自己建立知识库的经验，以及一些额外的资源，例如Mac上的Automator流程，可以方便地进行PDF加水印的操作。
|
Show HN: Timber – Ollama for classical ML models, 336x faster than Python
Timber: 高性能机器学习模型编译工具 (中文摘要)
Timber 是一个工具，旨在将训练好的树状模型 (XGBoost, LightGBM, scikit-learn, CatBoost, ONNX) 编译成优化的原生 C 代码，并通过本地 HTTP API 提供服务。其核心目标是提供快速、可预测和便携的机器学习模型推理能力。
主要特点：
- 无 Python 运行时： 推理过程不依赖 Python 解释器，降低了延迟。
- 原生低延迟： 提供微秒级的推理延迟。
- 简洁易用： 只需一条命令加载模型，一条命令启动服务。
- Ollama 风格的工作流： 提供类似于 Ollama 的使用体验。
适用场景：
Timber 适用于以下团队：
- 欺诈/风险团队： 在低延迟交易路径中运行经典模型。
- 边缘/物联网团队： 将模型部署到网关和嵌入式设备。
- 受监管行业： (金融、医疗、汽车) 需要确定性模型和审计跟踪。
- 平台/基础设施团队： 用原生二进制文件替换 Python 模型服务的开销。
支持的模型格式：
| 格式 |
框架 |
文件类型 |
| XGBoost JSON |
XGBoost |
.json |
| LightGBM text |
LightGBM |
.txt, .model, .lgb |
| scikit-learn pickle |
scikit-learn |
.pkl, .pickle |
| ONNX ML opset (TreeEnsemble) |
ONNX |
.onnx |
| CatBoost JSON |
CatBoost |
.json |
性能表现：
Timber 在单样本推理测试中，速度可达 Python XGBoost 的 336 倍。
与其他推理引擎的比较：
| 运行时 |
运行时依赖项 |
典型模型大小 |
延迟曲线 |
备注 |
| Timber |
无 (生成 C99) |
~48 KB (示例模型) |
~2 µs 原生调用 |
适用于边缘/嵌入式和确定性部署 |
| Python (xgboost/sklearn serving) |
Python + 框架堆栈 |
50–200+ MB 进程占用 |
100s of µs to ms |
开发循环容易，运行时开销大 |
| ONNX Runtime |
ONNX Runtime 库 |
MBs to 10s of MBs |
通常为低 100s of µs |
广泛的模型生态系统，更大的运行时 |
| Treelite Runtime |
Treelite 运行时 + 编译的artifact |
MB-scale 运行时 + 模型库 |
编译后低延迟 |
适用于 GBDTs; 分离的编译/运行时流程 |
| lleaves |
Python 包 + LightGBM text 模型 |
Python 运行时 + 编译代码 |
比纯 Python 低 |
专注于 LightGBM |
当前限制：
- ONNX 支持主要集中在树状分类器/回归器运算符。
- CatBoost 支持期望 JSON 导出 (而不是原生二进制格式)。
- scikit-learn 解析器支持主要的树状估计器和管道。
- Pickle 解析遵循 Python pickle 语义——仅加载可信的 artifacts。
- XGBoost 支持基于 JSON 模型。
- 可选的benchmark后端（ONNX Runtime, Treelite, lleaves）除非安装/配置否则会被跳过。
API 端点：
/api/predict (POST): 运行推理/api/generate (POST): /api/predict 的别名 (Ollama 兼容)/api/models (GET): 列出加载的模型/api/model/:name (GET): 获取模型元数据/api/health (GET): 健康检查
未来发展计划：
- 提高框架/版本兼容性。
- 扩展 ONNX 运算符支持。
- 加强嵌入式部署配置。
- 增加更丰富的benchmark矩阵和公开可重复性报告。
- 扩展安全/监管工具，例如审计和 MISRA-C 工作
|
Show HN: Omni – Open-source workplace search and chat, built on Postgres
Omni：面向工作场所的 AI 助手和搜索平台 - 概要
Omni 是一个 AI 助手和搜索平台，旨在帮助员工在工作场所高效地查找信息和完成任务。它通过连接各种工作应用程序，提供统一的搜索和 AI 驱动的功能，并支持完全自托管。
核心功能：
- 统一搜索： Omni 连接 Google Drive/Gmail、Slack、Confluence、Jira 等多种工作场所应用，提供全文 (BM25) 和语义 (pgvector) 搜索功能，实现跨平台信息检索。
- AI 代理： 提供聊天界面，支持工具使用。AI 代理可以搜索连接的应用、读取文档，并执行沙箱环境中的 Python/bash 代码进行数据分析。
- 自托管： Omni 完全部署在用户自己的基础设施上，确保数据不出网。
- 权限继承： 尊重源系统权限设置，用户只能访问其已授权的数据。
- BYO LLM (Bring Your Own LLM)： 支持 Anthropic、OpenAI、Gemini 以及开源模型，通过 vLLM 使用。
- 简单部署： 提供 Docker Compose (单服务器) 和 Terraform (AWS/GCP 生产环境) 部署方案。
架构：
- 数据库： Omni 使用 Postgres (ParadeDB) 作为核心数据库，用于全文搜索、语义搜索和应用程序数据存储，统一管理备份和监控。
- 技术栈：
- Rust: 用于搜索器、索引器和连接器管理器等核心服务。
- Python: 用于 AI/LLM 编排。
- SvelteKit: 用于构建 Web 前端。
- 数据源连接器： 每个数据源连接器作为独立的轻量级容器运行，允许使用不同的语言和依赖项，互不影响。
- AI 代理安全： AI 代理执行代码的容器运行在隔离的 Docker 网络上，并受到 Landlock 文件系统限制、资源限制以及只读根文件系统等安全措施的保护，防止访问内部服务和互联网。
部署：
Omni 支持完全自托管部署，提供以下部署指南：
- Docker Compose
- Terraform (AWS/GCP)
支持的集成：
- Google Workspace (Drive, Gmail)
- Slack (消息、文件、公共频道)
- Confluence (页面、附件、空间)
- Jira (问题和项目)
- Web (公共网站、文档和帮助页面)
- Fireflies (会议记录)
- HubSpot (联系人、公司、交易、工单)
- 本地文件 (文件系统索引)
开源信息：
- 遵循 Apache License 2.0 协议。
- 欢迎参与贡献，详见 CONTRIBUTING.md 文件。
文档：
|
Little Free Library
网站 Cookie 使用说明摘要 (Summary of Website Cookie Usage)
本网站使用 Cookie 来提供最佳的用户体验。Cookie 信息存储在用户的浏览器中，并执行以下功能：
- 识别用户: 记住用户重访网站时的身份。
- 分析用户行为: 帮助网站团队了解用户最感兴趣和最有用的网站部分。
网站 Cookie 分为以下三种类型：
- 必要 Cookie (Strictly Necessary Cookies): 必须始终启用，以便保存用户的 Cookie 设置偏好。
- 第三方 Cookie (3rd Party Cookies): 启用此选项有助于改进网站并更好地服务访问者。
- 附加 Cookie (Additional Cookies): 用于增强用户体验。
|
|
You don't have to
好的，以下是内容的摘要，用中文写成，少于 800 字：
摘要
这篇文章探讨了生成式 AI 对个人和社会的影响，表达了对当前技术发展方向的担忧和反思。作者并非对技术本身抱有敌意，而是质疑其盲目应用可能导致的负面后果。
核心观点：
- 对“AIslop’s Fables”的反思： 作者批评了在 LinkedIn 等平台上传播的、由 AI 生成的虚假或空洞的“领导力”内容，认为这是一种浪费时间和精力。
- 对内容质量的担忧： 随着 AI 生成内容的泛滥，互联网上的内容质量下降，缺乏真实性和深度，甚至让人感到空虚和绝望。
- 对依赖外部工具的警惕： 文章强调了对自身技能和价值观的坚持，反对过度依赖外部工具（如 AI）来完成工作，尤其是当这些工具可能损害个人自主性和创造力时。
- 对“生产力至上”的批判： 作者对过度强调生产力和效率的价值观提出质疑，认为真正的价值在于创造有意义、有价值的东西，并坚持个人兴趣和价值观。
- 对技术进步的复杂性认知： 虽然承认 AI 技术的潜力，作者也指出了其可能带来的负面影响，如对就业、价值观念和人际关系的冲击。
- 呼吁保持独立思考和价值观： 鼓励读者保持独立思考，不盲目跟从潮流，坚持自己的价值观和信念。
文章结构与具体内容：
- 引言： 阐述了作者的观点，吸引对现状感到迷茫和困惑的读者。
- Milli Vanilli 案例： 用 Milli Vanilli 的丑闻类比 AI 生成内容的欺骗性，引出对真诚和原创性的重视。
- 互联网内容的质量下降： 批评了 AI 生成的无意义内容，以及对真实人际关系的漠视。
- 软件工程领域的变革： 探讨了 AI 对软件工程领域的影响，认为过度依赖 AI 可能会导致工程师技能的退化，以及对代码质量的忽视。
- 价值观念的冲突： 强调个人价值和对工作的热爱，而不是仅仅追求效率和产出。
- 对未来展望： 表达了对过度依赖 AI 的担忧，并呼吁人们保持独立思考和对自身价值观的坚持。
总结：
这篇文章并非反对技术进步，而是希望人们在拥抱新技术的同时，保持清醒的头脑，坚持自己的价值观，避免盲目跟从潮流，并对技术可能带来的负面影响保持警惕。作者呼吁人们回归对工作本身的热爱，追求创造有意义、有价值的东西，而不是仅仅追求效率和产出。
|
Why does C have the best file API
文件操作的缺失：编程语言的盲点 (缺乏文件操作的缺失：编程语言的盲点)
这篇文章主要批判了现代编程语言在文件操作方面的不足，认为它们在内存管理方面功能强大，但在文件操作方面却表现得苍白无力，甚至比C语言更差。作者认为这是一种奇怪的现象。
核心观点:
- C语言的优势: C语言通过
mmap()函数将文件映射到内存，实现了类似内存访问的方式来操作文件。这种方式允许直接访问文件内容，无需完全加载到内存中，即使是TB级别的文件也能高效处理。
- 其他语言的局限: 尽管其他语言也提供了类似
mmap()的机制，但通常仅限于字节数组，开发者需要手动解析、处理和序列化数据，效率低下。 这些语言在内存中拥有动态字符串，向量，枚举类型等高级数据结构，但在磁盘上却只能处理一堆字节，缺乏对文件内容的直接操作能力。
- 内存与磁盘的差异: 现代编程语言在内存操作方面提供了丰富的功能，但缺乏对磁盘上数据的直接操作能力，这与支持自定义分配器等功能形成鲜明对比。
- 不必要的解析: 许多文件并非来自不可信的数据源，对二进制文件进行解析通常是冗余的。可以直接操作磁盘上的原始数据表示形式，尤其对于临时文件，保存内存中的数据形式即可。
- 文件系统作为数据库: 文件系统本质上是原始的NoSQL数据库，但大多数语言仅提供了对C语言
readdir()的简单封装，缺乏更高级的文件操作功能。
- 数据库的替代方案: 缺乏良好文件操作能力导致开发者不得不使用诸如SQLite等数据库系统来管理文件，但这往往不能完全满足程序的需求，并且需要学习额外的SQL语言。
技术细节 (C语言示例):
文章提供了一个C语言的示例代码片段，展示了如何使用mmap()将文件映射到内存：
#include <sys/mman.h>
#include <stdio.h>
#include <stdint.h>
#include <fcntl.h>
#include <unistd.h>
void main() {
int len = 1000 * sizeof(uint32_t);
int file = open("numbers.u32", O_RDWR | O_CREAT, 0600);
ftruncate(file, len);
uint32_t* numbers = mmap(NULL, len,
PROT_READ | PROT_WRITE, MAP_SHARED,
file, 0);
printf("%d\n", numbers[42]);
numbers[42] = numbers[42] + 1;
munmap(numbers, len);
close(file);
}
总结:
作者认为，现代编程语言应该提供一种更直接、更高效的方式来操作文件，就像它们处理内存一样。 缺乏这种能力导致开发者不得不采用复杂且不理想的解决方案，例如在文件系统之上构建数据库。
|
A new Polymarket account made over $500k betting on the U.S. strike against Iran
总结：关于x.com的隐私扩展问题
这段内容指出在使用x.com（推特）时可能遇到问题。
主要内容：
- 问题： 用户在使用x.com时可能会遇到问题。
- 原因： 某些与隐私相关的浏览器扩展程序可能导致这些问题。
- 解决方案： 建议用户禁用这些隐私扩展程序，然后重试。
总结: 如果在使用x.com时遇到问题，请尝试禁用浏览器中的隐私扩展程序。 这可能是解决问题的关键。
|
|
An interactive intro to Elliptic Curve Cryptography
好的，这是对原文的总结，字数控制在800字以内，采用Markdown格式，并使用中文：
密码学中的椭圆曲线
本文介绍了密码学中椭圆曲线的应用，旨在解释如何在较小的密钥尺寸下实现强大的安全保障。
1. 密钥协商的难题
在互联网上私密通信，需要加密消息。而加密依赖于密钥，问题在于如何安全地在双方之间协商密钥，而不通过公开的网络传输。
2. 公钥密码学
公钥密码学提供了一种解决方案：每个人拥有两个密钥，一个私钥（保密）和一个公钥（公开）。密钥之间存在数学上的联系，但从公钥推导出私钥非常困难。这使得加密、密钥共享和数据签名成为可能。
3. RSA 和 Diffie-Hellman 的局限性
早期的公钥系统，如 RSA (基于大素数分解困难) 和 Diffie-Hellman (基于模指数运算困难)，虽然有效，但密钥尺寸巨大。为了达到更高的安全级别，密钥尺寸需要不断增大，导致计算成本增加。
4. 椭圆曲线的出现
椭圆曲线密码学 (ECC) 提供了一种更高效的替代方案，它基于曲线几何学。
5. 什么是椭圆曲线？
椭圆曲线由方程 y² = x³ + ax + b 定义。虽然名为“椭圆曲线”，但其形状与椭圆无关。曲线的形状由常数 a 和 b 决定，且必须避免“奇异曲线”（尖点或自相交点）。
6. 椭圆曲线上的运算
ECC 的核心在于定义了椭圆曲线点上的“加法”运算。几何上，将两点相连，得到第三点（或无穷点），并对第三点的 y 坐标进行反射，得到加法的结果。这种加法运算具有结合律、单位元和逆元，构成一个数学群。
7. 曲线上的“爬升” (Scalar Multiplication)
通过重复加法，可以计算点与标量相乘，即 n * P。计算 n * P 的有效方法是“倍加和加法”算法，其复杂度为 O(log n)。
8. 从光滑曲线到散点
为了在计算机上使用，需要将连续的曲线转化为有限域上的离散点。通过模运算，将坐标限制在 0 到 p-1 之间，其中 p 是一个大素数。
9. ECC 的应用
- 密钥协商 (ECDH): 双方交换公钥，并利用私钥进行计算，最终得到相同的共享密钥。
- 数字签名 (ECDSA): 签名者使用私钥对消息进行签名，验证者使用公钥验证签名。
- 加密 (ECIES): 使用椭圆曲线加密方案，利用公钥加密消息。
10. ECC 的优势
ECC 的主要优势在于其密钥尺寸小，相同安全级别下，ECC 密钥比 RSA 或 Diffie-Hellman 密钥小很多，这使得 ECC 更适合于资源受限的环境。
11. 未来挑战
虽然 ECC 目前安全可靠，但量子计算的发展带来了潜在威胁。Shor 算法可以在量子计算机上高效破解 ECC，因此需要研究和部署后量子密码学算法。
总而言之，椭圆曲线密码学是一种强大的密码学工具，它在密钥尺寸、计算效率和安全性之间取得了很好的平衡，并在现代通信和安全协议中得到广泛应用。
|
Computer-generated dream world: Virtual reality for a 286 processor
80C286 处理器模拟项目总结 (项目总结)
本文讲述了作者尝试模拟 286 处理器及其周边环境，以探索计算机“真实性”的本质。作者的灵感源于电影《黑客帝国》中莫菲斯的台词，以及对处理器作为“计算机大脑”的思考，进而引发了对虚拟现实的猜想。
项目背景与目标:
作者的第一个电脑是 286 型机，拥有 1MB RAM 和 50MB HDD。为了探索计算机的底层原理，作者购买了两个 Harris 80C286-12 处理器，目标是模拟整个 286 计算机环境，至少使其能够启动并运行简单的汇编代码。
硬件实现:
- 处理器: 使用 Harris 80C286-12 处理器，其
C 后缀表明它对时钟精度要求较低，可以手动调整时钟频率。
- 接口: 处理器通过 PLCC-68 插座连接，由于插座引脚不方便直接连接跳线，因此使用适配 PCB 实现跳线兼容。作者创建了一个转换表，方便识别各个引脚的功能。
- IO 扩展: 由于 286 处理器有 57 个引脚，而 Raspberry Pi 无法提供足够的引脚，因此使用了 MCP23S17 IO 扩展器。
- 控制: 利用 Raspberry Pi Pico 运行 MicroPython 来控制扩展器。作者编写了
MCP23S17 类，用于与扩展器进行通信，通过 SPI 协议进行数据传输。
- 复位: RESET 引脚通过紫色跳线连接，虽然在调试过程中尝试过通过 Pi 控制，但最终保留了当前连接方式。
软件实现:
- 汇编代码: 使用
nasm 程序编写简单的汇编代码，包括一个跳转指令和简单的加法运算。
- 内存模拟: 编写
Memory 类，使用字典模拟内存，方便加载和访问数据。
- 控制程序: 编写 Python 脚本，模拟 286 处理器的时序逻辑，控制各个引脚的状态，并读取和写入内存数据。
关键技术点:
- 硬件地址: MCP23S17 扩展器支持硬件地址，需要配置 IOCON 寄存器并重新发送注册修改消息才能生效。
- IO 方向配置: 通过修改 IODIRA 和 IODIRB 寄存器配置 IO 引脚的方向，将它们设置为输入或输出模式。
- 时序控制: 精确控制时钟信号和各个标志位的切换，以模拟 286 处理器的时序逻辑。
- 数据总线: 理解 BHE (Buffer Enable) 和 A0 引脚的作用，正确读取和写入数据总线上的数据。
- 字节序: 注意 286 处理器的字节序是小端序，在加载和写入内存数据时需要进行相应的转换。
项目成果:
作者成功地模拟了 286 处理器的启动过程，并运行了一个简单的加法程序，验证了程序的正确性。最终，程序成功地输出结果，证明了模拟的有效性。
总结:
通过这个项目，作者深入了解了 286 处理器的内部结构和工作原理，并探索了计算机“真实性”的本质。作者认为，对于处理器而言，信号的来源并不重要，重要的是信号的兼容性。该项目展示了利用现代硬件和软件技术，可以模拟和理解计算机底层原理的可能性。
|
|
Parallel coding agents with tmux and Markdown specs
好的，这是对原文内容的精简总结，字数控制在800字以内，并使用Markdown格式呈现：
并行编码代理和特性设计系统总结
本文介绍了作者构建的一个并行编码代理系统，旨在提高开发效率和质量。该系统基于轻量级工具（tmux、Markdown、bash 别名、slash commands）和精心设计的特性设计流程（Feature Designs, FDs）。
核心理念：
- 并行编码代理： 使用多个编码代理（Planner, Worker, PM）并行处理不同任务。
- 特性设计（FD）： 所有实际代码编写都基于完成的特性设计文档。
- 角色命名规范： tmux 窗口使用角色命名，区分不同代理的职责。
特性设计(FD)流程：
FD 是 Markdown 文件，包含以下关键信息：
- 要解决的问题
- 考虑过的解决方案（包括优缺点）
- 最终解决方案及实现计划（包括需要更新的文件）
- 验证步骤
FD 生命周期管理：
FD 通过编号 (FD-001, FD-002…) 进行跟踪，并使用 slash commands 管理其生命周期，包含8个阶段：
- Planned (计划中)：已识别，尚未设计
- Design (设计中)：正在设计解决方案
- Open (已设计)：设计完成，准备实施
- In Progress (进行中)：正在实施
- Pending Verification (等待验证)：代码完成，等待运行时验证
- Complete (完成)：验证通过，准备归档
- Deferred (推迟)：无限期推迟
- Closed (放弃)：不再实施
关键 Slash Commands:
/fd-new: 从想法dump创建新的FD/fd-status: 显示FD状态（活跃、待验证、已完成）/fd-explore: 加载代码上下文和历史工作，启动会话/fd-deep: 使用4个 Opus 代理并行探索复杂设计问题/fd-verify: 代码校对，提出验证计划，提交/fd-close: 归档FD，更新索引和变更日志
开发流程：
- 规划 (Planning)： 使用 Planner 代理，通过
/fd-explore 加载上下文，并与 Planner 交互完善设计。可以使用 %% 注释来引导 Claude Code。对于复杂问题，可以使用 /fd-deep 命令启动并行代理探索。
- 实施 (Worker Execution)： 使用 Worker 代理，基于 FD 的计划进行代码编写。
- 验证 (Verification)： 使用
/fd-verify 进行代码校对和验证。
其他关键点：
- 代码提交与 FD 关联： 每次提交都与对应的 FD 关联 (例如：
FD-049: Implement incremental index rebuild)。
- 变更日志自动更新： FD 完成时，变更日志会自动更新。
FEATURE_INDEX.md： 跟踪所有 FD 的状态。/fd-init 命令： 一键初始化项目，创建目录结构，生成 FD 模板，安装 slash commands。- 开发指导 (
dev_guide)： 为代理提供编码规范和最佳实践，避免重复代码和错误。
- 并行代理的限制： 8 个代理是作者的上限，超过此数量会导致决策质量下降。
挑战：
- 认知负荷： 管理大量并行代理会增加认知负担。
- 并行化限制： 并非所有特性都能并行处理。
- 上下文窗口限制： 频繁需要 checkpoint 计划以保持上下文。
- 权限安全： Claude Code 权限系统存在潜在安全问题。
- 业务上下文转换： 将业务需求转换为 FD 仍然需要手动操作。
总而言之，作者构建的这个系统通过特性设计流程、并行编码代理和自动化工具，有效提高了开发效率，并为代码决策提供了可追溯的记录。
|
Claude dethrones ChatGPT as top U.S. app after Pentagon saga
Claude 跃居美国应用商店下载榜首，背后原因与舆论反响
Anthropic 的 AI 模型 Claude 在周六成功超越 ChatGPT，成为美国应用商店下载量最高的应用程序。这一突变事件的背后，是美国国防部因 Anthropic 拒绝放宽其 AI 模型在军事用途上的安全保障而将其列入黑名单。
事件梗概：
- 国防部合同取消： Anthropic 周五因军事用途相关争议而失去了与国防部的合同。此前，前总统特朗普公开批评 Anthropic，将其称为“激进左翼 AI 公司”。
- 红线原则： Anthropic 坚持反对将其 AI 用于大规模监控和自主杀伤性武器。
- OpenAI 的回应： OpenAI（ChatGPT 的开发者）在 Anthropic 失去合同后不久，宣布与国防部达成协议，并同意类似的红线原则。
- Anthropic 的立场： Anthropic 承诺将通过法律途径挑战国防部的风险评估，并表示不会屈服于任何来自国防部的胁迫或惩罚。
舆论反响：
- 社交媒体运动： Instagram 账号 "quitGPT" 迅速获得约 1 万名新增关注者。Reddit 上关于 OpenAI 赢得国防部合同的帖子获得了超过 3 万个赞同票，并带有“取消并删除 ChatGPT!!!" 的口号。
- 支持 Anthropic 的表达： 一段病毒式视频显示，旧金山 Anthropic 办公室外出现用粉笔画的标语，写着“你们给我们勇气”。
- 对 OpenAI 的质疑： 一些用户将 OpenAI 总裁 Greg Brockman 过去向支持特朗普的超级政治行动委员会捐款 2500 万美元作为他们放弃 ChatGPT 的理由之一。
数据分析：
- 模型使用趋势： 根据 OpenRouter 的数据，在过去一个月中，有 twelve 种不同的 AI 模型的使用量已经超过 OpenAI。
- Claude 的表现： Claude 的 Sonnet 4.5 模型在 2 月份排名第五，而排名第一的模型来自中国的 MiniMax。
现实考量：
- ChatGPT 的优势： 尽管 Claude 表现出色，ChatGPT 仍然紧随其后，并且拥有先发优势。
未来展望：
- 企业应用普及： Claude 在企业中的应用正在迅速普及，这得益于其近期的一系列产品发布。
- 公众关注度提升： 与政府的冲突事件进一步扩大了 Claude 的知名度，使其在更广泛的公众领域获得了关注。
总而言之，Anthropic 的 Claude 凭借对安全保障的坚持和由此引发的社会舆论支持，成功地在 AI 竞争中占据了一席之地，并突围成为当下最受关注的 AI 模型之一。
|
Felix "fx" Lindner has died
Recurity Labs 讣告：告别 Felix “FX” Lindner
发布日期： 2026年3月2日
作者： Nico Lindner 及 Recurity Labs 团队
Recurity Labs 今天发布讣告，宣布其创始人及所有者 Felix “FX” Lindner 于 2026年3月1日不幸去世。
主要内容：
- 逝者信息： Felix “FX” Lindner 是一位备受尊敬的朋友，同时也是 Recurity Labs 的创始人及所有者。
- 其影响： Felix 对公司内部的许多人来说，不仅仅是公司的创建者，更是塑造了他们的思维方式和工作方式，强调好奇心、纪律性和真诚，尊重挑战和相关人员。 他在安全领域广受欢迎，被人们视为合作伙伴、导师、老师或项目上的熟悉面孔。
- 核心价值观： Felix 强调安全工作最终关乎人，他注重技术、伦理和人文方面的正确性。 他为 Recurity Labs 奠定了基调，即重视实际影响而非炒作，重视仔细分析而非捷径，重视清晰的语言而非模糊的承诺。
- 公司未来： Recurity Labs 将继续运营，这符合 Felix 的意愿。 公司将秉承专业、诚信、严谨和关怀的精神，继续致力于高质量的安全工作，包括深厚的专业技术、实用的成果以及相互尊重的长期关系。
- 感谢： Recurity Labs 感谢多年来所有信任 Felix 和 Recurity Labs 的人。
- 慰问方式： 任何想表达哀思或分享回忆的人可以通过 fare...@recurity-labs.com 联系 Recurity Labs，团队将收集信息并转交给他的家人和团队。
|
|
Waymo blocking ambulance during deadly Austin shooting
https://www.mysanantonio.com/news/austin/article/waymo-austin-shooting-21948947.php
|
|
U.S. science agency moves to restrict foreign scientists from its labs
https://www.science.org/content/article/nist-moves-restrict-foreign-scientists-its-labs
|
Ask HN: How are you all staying sane?
总结：Hacker News 讨论：如何保持理智？
这是一篇 Hacker News 上的帖子，由用户 [throwaway53463] 发起，主题是“你们是如何保持理智的？”
主要内容：
总结：
帖子表达了对世界局势的普遍焦虑和无力感，并希望通过社区讨论，寻找应对这些焦虑的方法和保持心理健康的方式。
|
How the Government Deceived Congress in the Debate over Surveillance Powers (2013)
总结：美国国家安全局 (NSA) 的大规模监控与信息披露争议
本文主要讲述了美国国家安全局 (NSA) 大规模监控美国公民的事件，以及国家情报总监 (DNI) 詹姆斯·克拉珀 (James Clapper) 关于此事的表态和后续争议。
主要内容：
- 监控范围： NSA 正在对数百万甚至数亿美国公民进行监控，包括收集电话记录。Verizon 公司已根据法庭命令向 NSA 交出了所有客户的通话记录，无论是否涉及国际通话。
- 克拉珀的表态与争议： 参议员罗恩·怀登 (Ron Wyden) 曾质问克拉珀，NSA 是否收集美国公民的数据。克拉珀最初回答“没有，先生...并非有意为之”，后来在 NBC 的《会见媒体》节目中解释说，这是为了以“最不失实的说法”来回答问题。
- “收集”的定义： 克拉珀使用了一种与常人不同的“收集”的定义。根据国防部规定，数据只有在被情报部门员工接收并用于特定目的，且被处理成可理解的形式后，才会被视为“收集”。这意味着 NSA 可以拦截并存储通讯，利用算法进行搜索和分析，而无需将其视为“收集”。
- 类比与辩护： 克拉珀将 NSA 的数据库比作一个巨大的电子图书馆，并声称只有当从书架上取下书籍并阅读时，才算“收集”了美国人的数据。
- 国会监督： 怀登提前一天通知克拉珀将提出这个问题，并给予其修改答案的机会，但克拉珀拒绝了。文章指出，即使国会通过了限制 FBI 针对图书馆的条款（Section 215 of the PATRIOT Act），但行政部门的辩解方式仍然令人质疑。
- 核心问题： 文章认为，克拉珀的表态欺骗了国会，行政部门利用不寻常的定义来掩盖NSA大规模监控的真相，严重损害了民主制度的运作。
核心观点：
文章强烈批评了行政部门对 NSA 监控活动的掩盖和误导，呼吁对 NSA 的大规模监控进行全面调查，并敦促克拉珀和行政部门公开其监控的细节。
总结：美国国家安全局 (NSA) 的大规模监控与信息披露争议 (中文)
本文主要讲述了美国国家安全局 (NSA) 对美国公民进行大规模监控的事件，以及国家情报总监 (DNI) 詹姆斯·克拉珀 (James Clapper) 关于此事的表态，以及由此引发的争议。
主要内容：
- 大规模监控： NSA 正在监控数百万甚至数亿美国公民的数据，包括电话记录。Verizon 公司已经按照法院命令向 NSA 交出了所有客户的通话记录。
- 克拉珀的表态与后续争议： 参议员罗恩·怀登 (Ron Wyden) 曾询问克拉珀，NSA 是否收集美国公民的数据。克拉珀最初的回应是“没有，先生...并非有意为之”，后来在 NBC 的《会见媒体》节目中解释说，这是为了以“最不失实的说法”来回答问题。
- “收集”的特殊定义： 克拉珀使用了与常人不同的“收集”的定义。根据国防部规定，数据只有在被情报部门员工接收并用于特定目的，且被处理成可理解的形式后，才被视为“收集”。
- 图书馆类比： 克拉珀将 NSA 的数据库比作一个巨大的电子图书馆，声称只有当从书架上取下书籍并阅读时，才算“收集”了美国人的数据。
- 国会监督与信息披露： 怀登提前通知克拉珀，并给予其修改答案的机会，但克拉珀拒绝了。文章批评行政部门利用不寻常的定义来掩盖 NSA 的大规模监控。
- 核心问题： 文章认为，克拉珀的表态欺骗了国会，损害了民主制度的运作，呼吁对 NSA 的监控进行全面调查，并公开其监控的细节。
核心观点：
文章强烈批评了行政部门对 NSA 监控活动的掩盖和误导，呼吁国会介入，公开 NSA 的监控行为，保障公民隐私。
|
Claude hits #1 on the App Store as users rally behind Anthropic
AI聊天机器人下载量激增：Claude登顶App Store
主要内容：
目前，AI聊天机器人占据了美国App Store下载量排行榜的前三名。Anthropic的Claude以惊人的速度从第42名蹿升至第一名。OpenAI的ChatGPT和Google的Gemini分别位列第二和第三。
事件起因：
Claude的下载量激增并非由于新功能或能力的推出，而源于Anthropic与美国政府之间为期一周的争议。
争议焦点：
美国前总统特朗普和美国战争部秘书Pete Hegseth公开批评Anthropic，并表示美国政府将停止使用其技术。战争部秘书Hegseth在X平台上发布声明，将Anthropic指定为“对国家安全供应链的风险”，并指示与美国军方有业务往来的所有承包商、供应商和合作伙伴立即停止与Anthropic的商业活动。过渡期为六个月。
Anthropic的回应：
Anthropic对此回应称，其坚持例外情况的原因有两个：
- 对自主武器的担忧： Anthropic认为当前的前沿AI模型不够可靠，不应被用于完全自主的武器，这可能会危及美国士兵和民众。
- 对大规模国内监控的反对： Anthropic认为对美国民众进行大规模国内监控侵犯了基本权利。
当前结果：
尽管这场争议的长期影响尚不清楚，但Anthropic目前在iPhone用户中的认知度方面胜出，至少在App下载量方面是如此。
|
