Hacker News
Anthropic officially bans using subscription auth for third party use
Claude Code 使用协议及政策概要
以下是对 Claude Code 使用协议和政策的总结：
一、法律协议
许可协议： 使用 Claude Code 受以下协议约束：
商业协议： 无论用户直接使用 Claude API (1P) 还是通过 AWS Bedrock 或 Google Vertex (3P) 访问，现有的商业协议将适用于 Claude Code 的使用，除非双方另有约定。
医疗合规性 (BAA)： 如果客户与 Anthropic 签订了商业伙伴协议 (BAA)，并且希望使用 Claude Code，BAA 将自动扩展以覆盖 Claude Code，前提是客户已执行 BAA 并且已激活零数据保留 (ZDR)。BAA 将适用于客户通过 Claude Code 传输的 API 流量。
二、使用政策
Anthropic 有权采取措施执行这些限制，并且可以在没有事先通知的情况下进行。有关针对您的用例允许的身份验证方法的疑问，请 联系销售。
三、安全与信任
© Anthropic PBC. 保留所有权利。 使用受 Anthropic 适用服务条款约束。
|
Tailscale Peer Relays is now generally available
Tailscale 同行中继正式发布：性能、控制与灵活性的提升
Tailscale 旨在提供无缝、高效的网络连接体验，当网络环境允许直接点对点连接时，效果最佳。然而，现实中常常受到防火墙、NAT 和云网络限制的阻碍，此时 Tailscale 会依赖中继服务器（如 DERP）来保证安全、可靠的网络通信。
现在，Tailscale 很高兴地宣布 同行中继 (Peer Relays) 正式进入通用可用阶段 (GA)。同行中继允许用户部署高性能的中继服务器，并将其作为 Tailscale 网络（tailnet）的一部分运行，可以在任何 Tailscale 节点上部署。经过 Beta 版本的改进，同行中继在性能、可靠性和可观察性方面都得到了显著提升。
主要改进和功能：
- 性能提升 (Vertical Scaling Boost): 同行中继在处理大量客户端转发流量时，性能提升显著。连接客户端可以选择更优的接口和地址族，从而提高连接质量。中继服务器自身也通过优化锁竞争和多 UDP 端口支持，提高了数据包处理效率。 这些改进使得同行中继的性能更接近于真正的网状网络。
- 静态端点 (Static Endpoints)： 针对云环境中的限制，同行中继支持静态端点配置。通过
--relay-server-static-endpoints 选项，中继服务器可以将固定的 IP:port 地址对广播到 tailnet。这使得外部客户端可以通过负载均衡器等基础设施访问中继服务器，即使自动端点发现失败也能保持连接。
- 可审计性和可观察性 (Improved Auditability and Visibility): 同行中继深度集成到 Tailscale 的可观察性工具中，提供清晰、可衡量和可审计的中继行为。
- 通过
tailscale ping 命令可以查看中继是否被使用、是否可达，以及对延迟和可靠性的影响。
- 新增了
tailscaled_peer_relay_forwarded_packets_total 和 tailscaled_peer_relay_forwarded_bytes_total 等客户端指标，方便用户监控中继使用情况、流量模式、检测异常并监控 tailnet 的健康状况。
未来展望：
同行中继已成为 Tailscale 扩展的关键组成部分，它能：
- 在无法建立直接连接时，提供高吞吐量、低延迟的连接。
- 在受限的云环境中部署，通过静态端点实现连接。
- 在私有子网中实现全网状连接，并控制入/出流量路径。
Tailscale 同行中继在保证端到端加密、最小权限访问和简单可预测操作的同时，提供了智能、有弹性的路径选择和一流的可观察性、可审计性和调试能力。
上手指南：
用户可以通过 CLI 启用同行中继，并通过 ACL 控制其权限，并逐步部署到现有的中继基础设施中。 适用于所有 Tailscale 计划，包括免费的个人计划。
|
Sizing chaos
服装尺寸的困境：青少年女性的困惑与改变的呼唤
这篇文章探讨了女性服装尺寸不统一、虚标以及由此带来的困扰，并呼吁改变现状。文章以一位作者从少女时期开始寻找合身的牛仔裤，到成年后仍面临相同困境的经历为引，揭示了服装尺寸体系的诸多问题。
主要观点：
- 青少年服装与成人服装的割裂： 儿童服装的尺寸通常与年龄和成长阶段相关，而青少年服装则更加合身。然而，当女孩们能够穿成人服装时，尺寸选择却突然中断，导致青少年女性的身体更容易找到合适的成人服装。
- 服装尺寸缺乏统一标准： 不同品牌、甚至同一品牌内部的尺寸都存在巨大差异，缺乏统一的行业标准和监管。品牌可以随意更改尺寸表，却无需告知消费者。
- 虚标尺寸（Vanity Sizing）： 为了营销目的，品牌经常使用虚标尺寸，使服装尺寸比实际测量值更小，从而迎合消费者的心理，但同时也造成了消费者困惑和不信任。
- 尺寸体系的局限性： 现行的服装尺寸体系基于1940年代的数据，主要针对年轻、白种女性，缺乏对不同年龄、种族和体型的包容性。
- 制造服装的标准化： 服装设计师通常以8码为基础进行设计，然后通过数学公式进行尺寸调整，这种标准化生产模式难以兼顾不同体型和身高。
数据与细节：
- 尺寸变化： 文章对比了1995年和2021年ASTM国际发布的尺寸标准，显示尺寸范围发生了变化。
- 腰围数据： 文章引用了美国卫生与公众服务部（HHS）的数据，展示了不同年龄段女性的腰围中位数和百分位数，强调了大多数女性的腰围不符合标准8码的尺寸。
- 研究方法： 文章详细阐述了数据收集和分析的方法，包括对HHS数据的分析、对不同品牌尺寸表的比较，以及对ASTM国际尺寸标准的引用。
解决方案与作者观点：
作者认为，现状无需等待变革，而是应该采取行动。她开始学习缝纫，并根据自己的身体测量数据制作服装，从而摆脱了对标准化尺寸的依赖。作者呼吁品牌放弃不合理的尺寸体系，根据实际女性的身体特征进行设计，并鼓励消费者对服装尺寸的认知保持警惕，不再盲目追求虚标的尺寸。
总结：
文章揭示了服装尺寸体系的深层问题，并呼吁行业和消费者共同努力，建立一个更加包容、真实的服装尺寸体系，让所有女性都能轻松找到合身的服装。
|
Cosmologically Unique IDs
宇宙尺度下的设备唯一标识符：探索与挑战 (关于设备ID的探讨)
本文探讨了如何在宇宙尺度上为设备（或任何物体）分配唯一的ID，以支持文明的各个方面，包括交通控制、通信、制造和安全。随着文明的扩张，这变得越来越重要。
核心问题： 如何确保ID的唯一性，尤其是在宇宙规模下？
随机ID
最简单的方法是为每个设备随机生成一个数字作为ID。虽然这种方法不需要中央权威或协调，但存在ID冲突的可能性。通过增加随机数的位数，可以使冲突概率降至“功能零”，即实际上可以忽略不计。即使概率极小，只要足够大，冲突的可能性也微乎其微，例如被陨石击中的概率。
- 宇宙极限： 如果宇宙是一个最高效的计算机（称为“计算子），其计算上限约为10120次。如果每次操作都生成一个新的ID，则需要大约798位才能避免在宇宙热寂之前发生冲突。
- 更实际的限制： 对于宇宙中所有原子的数量（估计为1080），需要大约532位。对于由1克的纳米机器人组成的文明，则需要372位。
确定性ID
确定性ID提供理论上保证的唯一性，避免了概率问题。
- 中央计算机： 使用一个中央计算机作为计数器来分配ID。虽然简单，但如果设备远离中央计算机，则不可行。
- 卫星网络： 通过在每个卫星上维护计数器，可以实现更广泛的访问。
- Dewey命名方案： 允许任何具有ID的设备分配新的ID。这种方案使用树状结构，ID的增长是指数级的，但对于某些增长模式可能是最佳选择。
- 二进制方案： 基于二进制树结构，尝试实现对所有情况的对数增长，但最终发现它在最坏的情况下仍然是线性的。
- **Token方案：**每个设备分配一个token，并附带一个计数器。当需要分配新ID时，设备会传递token并递增计数器。虽然在某些情况下表现良好，但在最坏的情况下仍然是线性的。
结论： 任何试图保证所有情况下的对数增长的方案，最终都会在最坏情况下变得线性。
规模效应与未来展望
- 模拟结果： 通过模拟不同规模和增长模式，发现Dewey方案在大多数情况下表现良好。
- 宇宙尺度： 即使使用最保守的估计，也需要大量的位数来确保在宇宙尺度上ID的唯一性。
- 安全与未来方向： 讨论了ID安全的潜在问题，如ID欺骗和重放攻击，并提出了可能的解决方案，如签名验证和错误纠正。
总而言之，尽管在宇宙尺度上分配唯一ID面临着巨大的挑战，但随机ID方案，只要位数足够大，仍然是最可行的选择。 确定性方案虽然提供了理论上的保证，但其复杂性和对基础设施的依赖性使其在实际应用中存在诸多限制。未来的研究可以探索更复杂的增长模型和更有效的ID分配方案。
注：
- 本文基于原文内容，尽可能准确地进行了总结。
- 由于原文包含数学公式，此处仅进行了简要描述。
- 原文中链接的维基百科页面和论文，此处未全部列出，仅选取了部分关键链接。
- 本文中使用了Markdown格式，方便阅读。
|
|
Zero-day CSS: CVE-2026-2441 exists in the wild
Please provide the content you want me to summarize. I need the text to be able to fulfill your request and generate a concise, accurate summary in Chinese, adhering to your specified constraints. Once you provide the content, I will respond with the summary formatted in markdown.
|
Minecraft Java is switching from OpenGL to Vulkan
Minecraft Java 版“生动视觉”更新：从 OpenGL 迁移至 Vulkan
本文报道了 Minecraft Java 版即将推出的“生动视觉”更新的重要变化：将渲染引擎从 OpenGL 迁移到 Vulkan。
主要内容：
- 迁移原因： Mojang 开发者宣布这一重大改变是为了利用现代硬件的优势，提升视觉效果和游戏性能。
- 目标平台： 该迁移旨在保持 Minecraft：Java 版在包括 macOS 和 Linux 在内的各种 PC 操作系统上的可玩性。
- macOS 兼容性： 由于 Apple 不直接支持 Vulkan，Mojang 将使用翻译层来实现 macOS 的兼容性 (使用 Metal API)。
- 对模组的影响： 迁移将对目前使用 OpenGL 渲染的模组产生影响。Mojang 建议模组开发者开始准备，逐步放弃 OpenGL 的使用，并尽可能利用内部渲染 API，以简化迁移过程。如果需要，鼓励开发者与 Mojang 沟通。
- 兼容性范围： Vulkan 支持历史悠久的 GPU，因此即使是较旧的设备也可能支持。
- 发布时间表： Vulkan 和 OpenGL 将在测试快照中并行推出，预计在今年夏季开始。玩家可以在测试期间切换两者。最终，在确认性能和稳定性后，OpenGL 将被完全移除。
- 发布日期和平台： Minecraft Java 版于 2011 年 11 月 8 日发布，原生支持 Linux 平台。
总结：
Minecraft Java 版的“生动视觉”更新将带来显著的性能和视觉提升，关键在于从 OpenGL 迁移到 Vulkan。Mojang 正在积极为各种平台进行优化，并鼓励模组开发者提前做好准备，以确保平滑过渡。
|
The only moat left is money?
内容摘要：互联网创作与注意力稀缺的新现实
本文探讨了当前互联网创作环境发生的转变，以及由此带来的挑战和机遇。核心观点是：注意力正在成为稀缺资源，而创作的门槛则因AI工具的普及而大幅降低。
以下是主要内容：
- 创作泛滥，注意力稀缺: 每天都有大量新的工具、SaaS、App等发布，但大部分无人问津。AI的出现加速了这一过程，使其规模空前。
- 价值转移: 过去，创作的难度是筛选的标准。如今，稀缺资源变成了注意力。这意味着，在信息爆炸的时代，获得用户注意力的难度远大于创作本身。
- 经验人士的困境: 资深互联网开发者Josh Pigford表示，构建新产品的盈利难度达到了前所未有的程度，即使是拥有良好势头的现有产品也受益于这种趋势。仅仅依靠营销已经不足以解决问题，因为所有渠道的有效性都在下降。
- AI的双刃剑: AI工具降低了创作门槛，但也导致了大量缺乏创意和知识的产物涌现，进一步加剧了注意力稀缺的问题。
- 努力不再是筛选器: 过去，高质量的创作需要付出努力，而努力本身就成为了筛选器。现在，由于AI工具的普及，低成本创作泛滥，导致同等质量的作品可能因为缺乏曝光而无法获得关注。
- “临界点”的可能性: 作者认为，可能已经存在一个“临界点”，即新进入者如果没有现有的影响力或足够的资金来购买，就很难获得成功。一旦低于这个临界点，即使付出同样的努力，也可能毫无效果。
- 应对策略的风险: 作者强调了在不确定的情况下做出决策的风险：如果假设“临界点”不存在而过度营销，可能会浪费资源；如果错误地认为“临界点”已经到来，可能会导致永久性的失败。
- Kith项目的介绍: 作者最后介绍了自己新推出的付费、邀请制的社交网络Kith，强调其验证用户身份、无算法、无广告、无机器人、无AI等特点，旨在创造一个真实、纯粹的社交环境。
总而言之，文章描述了互联网创作环境的巨大变化，强调了在注意力稀缺的时代，获得曝光和用户关注的难度日益增加，并暗示了未来互联网发展可能面临的挑战。
|
European Tech Alternatives
EU Tech Map 总结 (EU Tech Map Summary)
EU Tech Map 是一个旨在帮助用户寻找欧洲本土的科技、软件和服务的在线目录。 其主要目标是提供尊重用户数据主权、符合 GDPR（通用数据保护条例）且数据存储在欧洲的替代方案。
核心要点：
- 目的： 帮助用户发现欧洲本土的科技解决方案。
- 关注点： 数据主权、GDPR 合规性、数据存储地（欧洲）。
- 功能： 提供一个在线目录，用户可以通过搜索功能查找符合要求的软件和服务。
- 网址： https://eutechmap.com
结构信息 (Structure Information):
总而言之，EU Tech Map 是一个有用的资源，特别是对于那些希望在欧洲范围内寻找尊重数据隐私和安全的科技解决方案的用户。
|
DNS-Persist-01: A New Model for DNS-Based Challenge Validation
Let's Encrypt 新的 DNS 验证方式：DNS-PERSIST-01 总结
本文介绍了 Let's Encrypt 即将推出的新的 ACME 挑战类型：DNS-PERSIST-01，旨在改进域名证书申请流程，尤其适用于物联网 (IoT) 设备、多租户平台以及需要批量证书操作的场景。
1. DNS-01 的挑战:
- 目前，Let's Encrypt 使用 DNS-01 挑战来验证申请者对域名的控制权。
- DNS-01 要求每次证书申请或续订时都发布新的 TXT 记录，并等待 DNS 传播，这带来了 DNS 传播延迟、频繁的 DNS 更新以及 DNS 凭据在基础设施中分散等操作成本。
2. DNS-PERSIST-01 的优势:
3. 控制范围和生命周期:
- 默认情况: 授权仅适用于验证的 FQDN，且有效期无限。
- Wildcard 证书: 通过添加
policy=wildcard，授权范围扩展到验证的 FQDN、*.example.com 形式的 wildcard 证书以及匹配验证 FQDN 后缀的子域名。
- 可选过期时间: 可以通过
persistUntil 参数设置授权的过期时间戳 (UTC 秒)，但需要定期更新或替换记录。
- 多 CA 授权: 可以在相同的
_validation-persist.<YOUR_DOMAIN> 标签下发布多个 TXT 记录，每个记录包含不同的 CA 的 issuer-domain-name，从而允许多个 CA 同时授权。
4. 发布时间表:
- CA/Browser Forum 批准了定义 "3.2.2.4.22 DNS TXT Record with Persistent Value" 的 SC-088v3 表决 (2025 年 10 月)。
- IETF ACME 工作组也采纳了该草案 (2025 年 10 月)。
- Pebble (Boulder 的小型版本) 已经支持该草案。
- 计划在 2026 年 1 月底进行 staging 发布，在 2026 年第二季度进行生产发布。
- lego-cli 客户端也在开发中，以方便用户测试和采用。
总而言之，DNS-PERSIST-01 旨在通过持久授权记录简化证书申请流程，降低操作成本，并提高安全性。
|
Closing this as we are no longer pursuing Swift adoption
Swift 6.0 支持迁移问题总结 (Summary of Issues Preventing Swift 6.0 Support Migration)
以下总结了在将 Swift 6.0 支持从实验状态迁移到稳定状态时遇到的问题，主要分为 Swift issues, CMake issues, Ladybird issues, 以及一些 Nice-to-have 和 Open questions。
Swift Issues (Swift Issues):
- LLVM 兼容性问题: Swift 6.0 需要修复 LLVM 中
CheckPointerToMemberOperands 的 ICE 问题 (llvm/llvm-project#53815)。目前，从 Swift 开源项目编译的 LLVM 无法构建代码， workaround 是在 Linux 上使用非 assertions 构建，或在 macOS 上构建。
- C++ 互操作性 (Interop) 问题:
- 返回
Optional<CxxValueType> 给 C++ 存在编译器和 bridging header 的 ABI 不一致问题。 workaround 是避免使用 Optional，使用需要 C++ 类型在堆上分配的类型 (例如数组)。
- 在 Ubuntu 22.04 上使用 C++17 或更高版本编译时，libstdc++ 会出现循环头文件依赖问题。 workaround 是注释掉
<execution> 头文件。
- 无法从 C++ 函数返回
swift::Optional<swift::String>。 workaround 是返回 std:: 类型。
- Swift 6.0 无法导入 libstdc++-13 或更高版本的
<chrono> 头文件。 workaround 是使用 libc++ 或较低版本的 libstdc++。
- SIL 验证器在处理
SWIFT_UNSAFE_REFERENCE 类型时会崩溃。 workaround 是禁用 SIL 验证 (不推荐)。
SWIFT_UNSAFE_REFERENCE 类型使用 getter/setter 会导致前端崩溃。 workaround 是避免使用 SWIFT_UNSAFE_REFERENCE。- Swift 在某些情况下无法正确识别
CxxConvertibleToContainer。
- 其他: Arch + GCC 15 编译时，包含
<math.h> 的 clang 模块导入失败。
CMake Issues (CMake Issues):
- CMAKE_OSX_DEPLOYMENT_TARGET 不受尊重: Swift + Ninja 不尊重
CMAKE_OSX_DEPLOYMENT_TARGET，导致 object 文件版本不匹配。 workaround 是手动设置编译器目标。
- install_name_dir 未正确设置: CMake 未将
install_name_tool 的 id 设置为 @rpath。 workaround 是手动设置 install name。
- 导入的 target 的编译选项问题: 导入的依赖项可能包含 Swift 不理解的
INTERFACE_COMPILE_OPTIONS 或 INTERFACE_LINK_OPTIONS。 workaround 是在导入后手动处理这些 flag。
Ladybird Issues (Ladybird Issues):
- 模块映射问题: 创建大型库的模块映射可能导致 libc 头文件问题。 workaround 是生成每个库的模块映射。
- AK 容器类型崩溃: 在 Debug 构建中，查询 AK 容器的类型属性会崩溃 swift-frontend。 workaround 是在 Release 模式下构建。
- String 类型崩溃: 导入 AK 后，使用未命名空间
String 类型会导致 swift-frontend 崩溃。 workaround 是限定所有 String 引用为 AK.String 或 Swift.String。
- AK::StringView 不符合 CxxSequenceType: AK::StringView 在 swift/main 中无法符合 CxxSequenceType。 workaround 是手动复制字节。
- 构建 AK swift 测试崩溃: 使用 swift-testing 测试 AK 容器符合 swift interop 协议时，前端崩溃。 workaround 是使用自定义测试运行器。
Nice-to-have (希望解决的问题):
- 返回 Optional 崩溃: 从 swift 函数返回
Optional<CxxType> 给 C++ 时会导致程序崩溃。 workaround 是返回 [CxxType]。
- Compile Commands.json 需求: 顶层
compile_commands.json 文件是 SourceKit-LSP 和 vscode-swift 的要求。 workaround 是创建 compile_commands.json 的 symlink。
- 自动包含 <swift/bridging>: 在 Linux 安装 SDK 时，需要自动包含
<swift/bridging> 的路径。 workaround 是手动添加路径。
Open Questions (未解决的问题):
- 视图类型/字节切片传递: 如何在不复制数据的情况下将视图类型或字节切片传递给 Swift。
- 类型等同性: 如何让 Swift 认为 AK 类型与 std:: 类型一样好 (例如 AK::Optional, AK::HashTable/
|
|
Microsoft offers guide to pirating Harry Potter series for LLM training
https://devblogs.microsoft.com/azure-sql/langchain-with-sqlvectorstore-example/
|
There is unequivocal evidence that Earth is warming (2024)
全球气候变化：证据与影响 (全球气候变化：证据与影响)
主要内容概要:
地球的气候在历史上不断变化。过去80万年中，地球经历了八次冰川期和温暖时期的循环，其中最后一次冰川期结束于约11700年前，标志着现代气候和人类文明的开始。这些气候变化主要归因于地球轨道微小变化，影响着地球接收的太阳能。
然而，当前的气候变暖趋势与以往不同，它明显是自19世纪中期以来人类活动的结果，并且正在以前所未有的速度发生。人类活动产生的温室气体正在捕获更多的太阳能，导致大气、海洋和陆地变暖，并引发了大气、海洋、冰冻圈和生物圈的广泛而迅速变化。
关键证据表明地球正在变暖：
- 全球气温上升: 自19世纪末以来，地球平均地表温度上升了约1.1摄氏度（2华氏度），主要受二氧化碳排放和其他人类活动的影响。过去40年是地球最暖的时期，其中最近七年是有记录以来最热的年份。
- 海洋变暖: 海洋吸收了大部分额外热量，前100米（约328英尺）的海水自1969年以来升温了0.33摄氏度（0.67华氏度）。地球储存了90%的额外能量在海洋中。
- 冰盖融化: 格陵兰和南极冰盖正在减少。数据显示，自1993年至2019年，格陵兰每年损失约2790亿吨冰，南极每年损失约1480亿吨冰。
- 冰川退缩: 几乎在世界各地的冰川都在退缩，包括阿尔卑斯山、喜马拉雅山、安第斯山、落基山脉、阿拉斯加和非洲。
- 积雪覆盖减少: 卫星观测显示，过去五十年里，北半球春季积雪覆盖量减少，且融化时间提前。
- 海平面上升: 过去一个世纪，全球海平面上升了约20厘米（8英寸）。最近二十年的上升速度几乎是过去一个世纪的两倍，并且每年都在加速。
- 北极海冰减少: 北极海冰的范围和厚度在过去几十年里迅速减少。
- 极端事件增加: 美国出现的高温记录事件数量增加，低温记录事件数量减少。美国也经历了更频繁的强降雨事件。
- 海洋酸化加剧: 自工业革命以来，地表海水酸度增加了约30%。这是由于人类排放更多的二氧化碳到大气中，导致更多的二氧化碳被海洋吸收。
科学依据:
- 自然来源的科学信息: 来自格陵兰、南极和热带高山冰川的冰芯，以及树木年轮、海洋沉积物、珊瑚礁和沉积岩层等古代证据，揭示了当前变暖的速度约为冰河期后平均变暖速度的10倍。
- 现代设备: 地球观测卫星和新技术帮助科学家观察到全球气候变化的迹象和模式。
- 温室气体效应: 科学家早在19世纪就证明了二氧化碳和其他气体具有捕获热量的作用。
结论:
科学界普遍认为，地球气候正在快速变化，而这种变化主要是由于人类活动造成的。 政府间气候变化专门委员会（IPCC）明确指出，自1970年代科学评估开始以来，人类活动对气候系统变暖的影响已从理论演变为确凿的事实。
|
The Future of AI Software Development
Thoughtworks Future of Software Development Retreat: Summary (中文)
本文总结了Thoughtworks未来软件开发退村的主要观点和细节，内容如下：
一、核心主题与目标
退村并非旨在创建类似于Agile宣言的全新AI驱动软件开发宣言。 而是旨在探讨AI辅助开发带来的变化，以及现有实践、工具和组织结构面临的挑战。 参与者普遍认为，为人类开发者设计的传统软件开发模式在AI辅助开发下正在瓦解，新的模式正在形成，但尚未成熟。
二、关键讨论主题与观点
退村围绕八个主要主题展开讨论，其中几个值得关注的包括：
- 严谨性何去何从？ (Where does the rigor go?)
- 中间循环：一种新的工作类别 (The middle loop: a new category of work)
- 技术基础：语言、语义和操作系统 (Technical foundations: languages, semantics and operating systems)
- 风险分层：新的核心工程学科 (Risk tiering as the new core engineering discipline)
- TDD作为最佳的Prompt工程形式 (TDD as the strongest form of prompt engineering)
- 开发者体验的Agent框架重构 (The agent experience reframe for developer experience investment)
三、AI的影响与挑战
- 加速器而非颠覆者： AI并非颠覆者，而是加速器，放大了现有软件开发流程中的优点和缺点。传统最佳实践缺失时，AI会加速技术债务的积累。
- 技能转移： LLM正在“吃掉”专业的后端和前端技能，专家型通才 (Expert Generalists) 的角色可能变得更加重要。
- 成本问题： LLM的token成本在补贴结束后会如何变化？这直接影响到LLM的使用策略。
- 回归Waterfall？ LLM的出现是否会带来回归到瀑布式开发模式的趋势？ 快速构建和发布小规模功能仍然有价值，LLM的潜力在于提高迭代的频率和每次发布的功能量。
- 安全问题： 安全问题往往被放在最后考虑。需要平台团队提供安全可靠的AI应用开发路径（类似于“子弹列车”）。
- 代码健康的重要性： Adam Tornhill的研究表明，LLM在健康的代码库中表现更好，缺陷风险更高。 糟糕的代码库可能导致AI错误率更高。
四、其他重要观察
- 不确定性： 参与者普遍认为，关于如何有效使用AI、AI对生产力的影响、角色转变、长期影响等方面存在更多的不确定性，而非确定性。
- 测试驱动开发（TDD）的重要性： 前沿的LLM用户强调TDD对于有效使用LLM至关重要。
- 开放空间会议的价值： 退村采用了开放空间会议的形式，促进了深入和尊重的对话。
- 平台思维的重要性： 平台团队需要提供安全且快速的AI应用开发路径。
五、总结
Thoughtworks退村强调了AI对软件开发带来的变革，以及由此产生的不确定性和挑战。 参与者意识到需要共同探讨问题，并朝着更有效利用AI、减轻其风险的方向努力。 核心信息是，AI并非万能药，而是加速器，需要结合良好的软件工程实践才能发挥其最大价值。
|
|
27-year-old Apple iBooks can connect to Wi-Fi and download official updates
This is a 21 year old one, but the point still stands.
|
How AI is affecting productivity and jobs in Europe
欧洲人工智能发展现状与政策建议：一项研究综述
本文总结了一项关于欧洲企业人工智能（AI）采用情况的研究，并探讨了其对生产力和就业的影响，以及对欧洲政策的启示。
一、欧洲人工智能发展的悖论
尽管欧洲在人工智能研究和工业能力方面具有优势，但在新兴人工智能技术开发方面，仍落后于美国和中国。创新指标显示，欧盟在人工智能专利数量和专业化程度方面都落后于美国。这种创新差距导致了企业在人工智能采用方面的准备不足。然而，值得注意的是，平均而言，欧盟和美国的AI采用率相当。但其中存在显著差异：金融发达的欧盟国家（如瑞典和荷兰）的采用率与美国相当，而金融欠发达的欧盟经济体（如罗马尼亚和保加利亚）则明显落后。此外，大型企业（250人以上）的AI采用率（45%）远高于小型企业（10-49人，24%）。
二、研究方法：识别人工智能的因果效应
为了准确评估人工智能对生产力的因果影响，研究人员开发了一种新的工具变量策略，借鉴了Rajan和Zingales（1998）关于金融依赖与增长的经典研究。该策略将欧盟企业的AI采用率视为其对AI的外部暴露，并将其与规模、投资强度、创新活动、融资结构和管理实践相匹配的美国企业进行比较。通过这种方式，研究人员得以排除欧盟特定因素的影响，从而更准确地评估技术驱动因素。
三、研究结果：生产力提升，就业稳定
研究结果显示：
- 生产力提升： AI采用平均使欧盟企业的劳动生产力提高了4%。这一增益在统计上显著，经济上具有意义，但低于一些乐观预测的生产力爆发。
- 就业稳定： 研究未发现AI导致短期内就业减少的证据。相反，AI增强了工人的产出，实现资本深化，而非劳动力置换。
- 工资增长： AI采用企业中，工人的工资水平有所提高，包括总体工资和每位员工的工资。
- 收益分配不均： 中型和大型企业比小型企业获得更大的生产力收益。
- 互补性投资的重要性： AI的生产力效益取决于互补性投资。软件和数据基础设施投资每增加1%，AI的生产力效应可提高2.4个百分点；劳动力培训投资的倍增效应更为显著，可提升5.9个百分点。
四、对欧洲政策的启示
该研究对欧洲政策制定者提出了以下建议：
- 支持中小企业： 欧洲应制定政策，帮助中小企业实现规模化，从而使其能够从人工智能中受益。
- 鼓励互补性投资： 政策不应仅限于补贴人工智能硬件或软件，而应鼓励企业在整合、工作流程再设计和持续学习方面的投资。
- 关注融合技能： 劳动力发展项目应优先培养“融合技能”，如提示工程、数据管理和人机协作决策。
- 持续监测： 政策制定者应持续监测人工智能对劳动力市场的影响，并采取措施确保包容性增长。
总而言之，该研究强调了人工智能在提高欧洲生产力方面的潜力，但也指出了收益分配不均和互补性投资的重要性。通过制定有针对性的政策，欧洲可以最大限度地发挥人工智能的优势，同时减轻潜在的负面影响。
|
|
Warren Buffett dumps $1.7B of Amazon stock
Warren Buffett’s Berkshire Hathaway submitted its latest 13-F filing on February 17, revealing some interesting changes in the portfolio.
|
15 years of FP64 segmentation, and why the Blackwell Ultra breaks the pattern
RTX 5090 与 FP64：市场细分、模拟与 AI 变革
本文探讨了 NVIDIA GPU 中双精度浮点数 (FP64) 性能随时间变化的趋势，以及 AI 技术的兴起如何影响这一格局。
FP64 性能的演变
自 2010 年 Fermi 架构推出以来，NVIDIA 消费级 GPU 的 FP64:FP32 比例持续下降。最初的 Fermi 架构在 GeForce 和 Tesla 芯片上共享硬件，支持 1:2 的比例，但 GeForce 卡通过驱动程序限制为 1:8。 随着时间的推移，NVIDIA 逐渐将 FP64 性能的限制从“人为”限制转变为结构性差异，即硬件本身的不同。在数据中心 GPU 一直保持 1:2 或 1:3 的 FP64:FP32 比例（直到 AI 浪潮出现）的同时，消费级 GPU 的比例持续恶化，从 1:8 (Fermi) 降至 1:64 (Ampere)。
这一趋势意味着，从 GTX 480 (2010) 到 RTX 5090 (2025)，消费级 GPU 的 FP64 性能仅提高了 9.65 倍，而 FP32 性能却提高了 77.63 倍。
市场细分策略
NVIDIA 限制消费级 GPU 的 FP64 性能并非偶然，而是基于市场细分策略。FP64 对于高性能计算 (HPC) 至关重要，例如计算流体动力学、气候建模、量化金融和计算化学等领域，而游戏、3D 渲染和视频编辑等消费级应用通常不需要 FP64。 通过削弱消费级 GPU 的 FP64 性能，同时保持企业级 GPU 的性能，NVIDIA 成功地在两个市场之间划分了明确的界限。 这一策略使得相关芯片在不同市场以不同的利润率销售，FP64 性能成为区分的关键因素。
AI 的影响
AI 训练通常不需要 FP64，甚至更倾向于使用更低精度（FP16、BF16、FP8、甚至 FP4）。这使得消费级 GPU 在进行严肃的计算任务时表现出令人惊讶的能力。为了应对这一变化，NVIDIA 在 2017 年修改了 GeForce 用户许可协议 (EULA)，禁止在数据中心使用消费级 GPU。
FP64 模拟与 Ozaki 方案
如果需要 FP64 精度，但现有 GPU 的 FP64 能力不足，FP64 模拟是一种解决方案。该方案将 64 位浮点数分解为两个 32 位浮点数。另一种更先进的方案是 Ozaki 方案，它利用张量核心 (Tensor Cores) 的加速能力和矩阵乘法的分配律，可以保留完整的 64 位精度。
Blackwell Ultra 架构的转变
最新的 NVIDIA 企业级 GPU (Blackwell Ultra 架构的 B300) 标志着一种决定性的转变，FP64 性能大幅降低，而 NVFP4 张量核心数量增加，FP64:FP32 比例从 1:2 降至 1:64。虽然 NVIDIA 声明不会放弃 64 位计算，并计划未来改进 FP64 能力，但 FP64 模拟将继续发挥作用，利用低精度张量核心来补充硬件 FP64，以支持 HPC 工作负载。
新的市场边界
虽然 FP64 曾经是区分消费级和企业级 GPU 的关键因素，但新的边界可能正在 FP8 和 FP4 等低精度浮点数领域形成。
|
|
The Perils of ISBN
Last year I got into using Letterboxd, to complement my goal of watching more (good) movies. It’s got a really clean interface, the social features are useful but unobtrusive, and it makes remembering what I’ve watched and when I watched it easy. So why isn’t there a Letterboxd for books?
|
DOGE Track
DOGE 项目信息概要 (DOGE Project Information Summary)
该网站记录并分析了一个名为 "DOGE" 的项目及其相关活动。以下是对其主要内容的总结：
一、网站说明 (Website Information)
该网站提供以下信息：
- 免责声明 (Disclaimer): 网站包含重要免责声明，具体内容请参考
/about/this-site/。
- 数据说明 (Data Information): 解释了网站所使用数据的来源和性质，请参考
/about/this-data/。
- 数据下载 (Data Download): 提供数据下载链接和说明，请参考
/about/downloading-data/。
- 贡献方式 (Contribution): 介绍了用户如何贡献信息到网站，请参考
/about/contributing/。
- 术语解释 (Terminology): 解释了网站中使用的符号和术语，请参考
/about/these-symbols/。
- 变更记录 (Changes): 记录了网站的更新和修改，请参考
/about/changes/。
- 未来计划 (What's Next): 概述了网站的未来发展方向，请参考
/about/whats-next/。
二、DOGE 项目 (DOGE Project)
DOGE 项目涉及多个方面，旨在影响美国政府的运作：
- 项目领域 (Projects): 项目涵盖多个领域，包括：
- 攻击联邦政府人事部门 (Attacking the Federal Workforce): 可能涉及对联邦雇员的负面影响。
- 欺诈和浪费 (Fraud and Waste): 关注政府内部的欺诈和浪费问题。
- 控制支出 (Spending Control): 旨在控制政府支出。
- 监管回滚 (Regulatory Rollback): 推进监管的放松。
- IT 现代化 (IT Modernization): 推动政府信息技术的现代化。
- “上帝视角” (God View): 可能指对政府数据或系统的特殊访问权限。
- 行政命令 (Executive Orders): 与行政命令相关。
- 时间线 (Timeline): 提供了 DOGE 项目的时间线，请参考
/projects/timeline/。
三、相关人员 (People Involved)
该网站详细记录了与 DOGE 项目相关的人员：
- 参与人员 (Who's in DOGE?): 概述了参与 DOGE 项目的人员。
- 付费员工 (Paid Staff): 列出了接受报酬的员工名单。
- 离职人员 (Who's Being Paid?): 记录了离开项目的人员信息。
- 关键人物 (Leaders and Boosters): 列出了项目的重要领导者和支持者。
- 支持团队 (Support Team): 记录了支持团队成员。
- 助力者 (Enablers): 描述了助力者如何支持DOGE项目，并列出了关键助力者名单。
- 未知人员 (Unknowns): 列出了身份不明的人员。
- “破坏者” (Prolific Wreckers): 列出了被识别为“破坏者”的个人，包括：Akash Bobba、Nate Cavanaugh、Edward Coristine、Marko Elez、Luke Farritor、Cole Killian、Gavin Kliger、Tarak Makecha、Aram Moghaddassi、Nikhil Rajpal、Adam Ramada、Payton Rehling、Kyle Schutt、Ethan Shaotran、Jordan Wick 等。
四、目标机构 (Targeted Agencies)
DOGE 项目的目标机构非常广泛，几乎涵盖了所有联邦政府部门，包括：
- 人事管理局 (Office of Personnel Management)
- 总务管理局 (General Services Administration)
- 白宫 (White House)
- 国家设计工作室 (National Design Studio)
- 美国国际发展署 (US Agency for International Development)
- 消费者金融保护局 (Consumer Financial Protection Bureau)
- 农业部 (Department of Agriculture)
- 商务部 (Department of Commerce)
- 国防部 (Department of Defense)
- 教育部 (Department of Education)
- 能源部 (Department of Energy)
- 国土安全部 (Department of Homeland Security)
- 内政部 (Department of the Interior)
- 司法部 (Department of Justice)
- **劳
|
|
Step 3.5 Flash – Open-source foundation model, supports deep reasoning at speed
https://static.stepfun.com/blog/step-3.5-flash/
|
Electrobun v1: Build fast, tiny, and cross-platform desktop apps with TypeScript
Electrobun 框架：快速、精简、跨平台的桌面应用构建
Electrobun 是一款使用 TypeScript 构建超快速、微型且跨平台的桌面应用程序框架。作者在过去两年中暂停了 co(lab) 项目，专门为了构建这个他一直渴望存在的框架。
构建 Electrobun 的原因：
作者回忆起在 Visual Basic 6 和 Adobe AIR 时代构建桌面应用的黄金时期，并指出在过去 20 多年中，桌面应用程序开发变得越来越困难。他认为 Electron 的开发体验（DX）很粗糙，代码签名、验证、分发和更新等环节过于繁琐，难以实现像 Web 应用一样持续部署。虽然尝试过 Tauri，但 Rust 并非适合所有人。Bun 的出现也提供了新的可能性，最终促使作者开始构建 Electrobun。
Electrobun 的功能与架构：
- 跨平台支持： Electrobun 能够构建和分发 macOS、Windows 和 Ubuntu 平台上的应用程序。
- 自动化流程： 自动生成安装包、自动更新文件和差分补丁。支持自定义静态主机（如 R2、S3、GitHub Releases）。
- 差分更新： 使用作者移植并优化后的 zig-bsdiff 技术实现，利用 SIMD 和 zstd 加速差分更新。
- 与 Bun 的集成： 随着 Bun 的 FFI 稳定，作者将大部分 Zig FFI 层替换为直接依赖 Bun，利用 Bun 的共享内存机制，提升 Electrobun 的效率。
- 核心组件： 框架提供了跨平台的窗口控件、菜单、快捷键、剪贴板、对话框、Webview 分区、会话存储、查找功能等。
- OOPIF (Out-of-Process Iframe) 的改进：
<electrobun-webview> 标签取代了 Electron 中已弃用的 <webview> 标签，实现了真正的“超级 iframe”，具备 DOM 定位、进程隔离、分层等功能，并且避免了光标闪烁问题。该功能跨平台运行，无需修改浏览器引擎。
未来展望：
- co(lab) 重写： co(lab) 已完全重写为 Electrobun，作者将专注于 co(lab) 的开发。
- 社区发展： Electrobun 社区正在成长，用户正在构建各种令人兴奋的应用程序。
- Blackboard 项目： Electrobun 是作者的 Blackboard 项目的首个重要成果。
总而言之，Electrobun 旨在解决传统桌面应用开发框架带来的痛点，通过 TypeScript、Bun 和 Zig 等技术，提供一个快速、高效、跨平台的桌面应用开发体验。
|
Arizona Bill Requires Age Verification for All Apps
亚利桑那州HB2920法案：应用商店年龄验证提案概要
亚利桑那州立法机构正在审议一项名为HB2920的法案，该法案旨在对应用商店进行最严格的年龄验证。该法案提出的要求远超现有规范，不仅要求对应用下载进行年龄验证，还包括预装软件、浏览器、短信应用、搜索栏、计算器以及天气小组件等所有移动设备上的软件。
核心内容：
- 年龄分类： 法案将用户划分为四个年龄类别：13岁以下儿童、13-16岁青少年、16-18岁青少年以及成年人。
- 账户关联与授权： 所有在亚利桑那州创建应用商店账户的用户将被归入上述类别，并通过“商业上可接受”的验证方式进行确认（具体方式由亚利桑那州总检察长制定）。18岁以下用户必须将其账户与父母账户关联，且应用商店需在允许下载、购买应用或进行应用内购买前获得“可验证的父母同意”。
- 显著变更触发重新授权： 如果应用发生“显著变更”（包括隐私政策变更、数据收集类别变更、年龄评级变更、添加应用内购买或引入广告等），则需要父母账户重新授权。
- 数据收集与共享： 应用商店需要收集并维护关于用户年龄类别、亲子关系、验证记录和同意历史等详细信息，并将这些数据与开发者共享。
- 合规成本与惩罚： 法案规定违反规定的行为将面临高达75,000美元的民事罚款，并允许父母和未成年人提起诉讼，每起违反行为可索赔1,000美元及惩罚性赔偿。
潜在影响：
- 数据隐私担忧： 该法案将导致收集比现有情况更多关于儿童的敏感数据，包括年龄、亲子关系、应用下载记录、购买记录和同意决策等。
- 开发者负担： 开发者可能避免进行应用更新以规避重新获得授权的要求，或因合规成本过高而退出市场。
- 用户体验受损： 用户可能需要先验证年龄并获得父母同意才能使用基本软件，例如浏览器、短信应用和搜索功能。
- 言论自由疑虑： 该法案可能违反美国宪法第一修正案，因为它可能威胁到在线匿名言论的权利。
类似立法及法律挑战：
- 德克萨斯州法案： 德克萨斯州已通过类似法案，但已被联邦法院以侵犯第一修正案为由阻止生效。
- 其他州立法： 犹他州、路易斯安那州和加利福尼亚州也已通过类似法案，但生效日期和执行力度各不相同。
HB2920法案目前正在等待科学与技术委员会的审议，如果通过，将于2026年11月30日生效。该法案的通过将进一步扩大应用商店年龄验证的要求，并对应用商店、开发者和用户带来深远影响。
|
Pocketbase lost its funding from FLOSS fund
PocketBase 项目更新总结 (Summary of PocketBase Updates)
以下是对 PocketBase 项目最新动态的总结：
资金支持方面 (Funding Update):
- 最初，PocketBase 获得了 FLOSS/fund 的资金支持，计划用于至少一年的开发。
- 然而，由于监管限制，FLOSS/fund 与 GitHub 的合作未能实现。
- 在资金转账过程中涉及复杂的跨境文书工作，且对数据安全存在担忧，因此开发者最终拒绝了该笔资金。
- 虽然资金未能到位，但开发人员仍然致力于项目目标，计划在今年发布 PocketBase 的稳定版本。
UI 重写计划 (UI Rewrite Plan):
- 当前 PocketBase 的一个主要限制是缺乏仪表盘自定义功能。虽然可以通过服务器端插件进行扩展，但对于添加自定义字段选项、注册新字段、定制生产模式下的显示等，缺乏直接支持。
- 开发人员尝试了多种前端框架 (Vue, Lit, Solid, Alpine, Mithril 等)，但考虑到维护成本和框架的潜在变化，最终选择了一个名为 Shablon 的轻量级框架。
- Shablon 是一个基于纯 JavaScript 的框架，具有 0 依赖，没有组件概念，主要使用 DOM 元素和可选的响应式功能。虽然不如 Svelte 等框架优雅，但更适合 PocketBase 的需求，避免了引入额外的构建步骤。
- 开发人员已经开始构建 PocketBase 的新的 UI 组件库，包含字段、按钮、弹出窗口、下拉菜单、警报等可重用元素。
未来计划 (Future Plans):
- 预计下周或之后会发布关于实验性关系过滤器解析的最小破坏性变更。
- 在 UI 实现取得实质性进展之前，项目将进入一个“功能冻结”期。
- 开发人员将继续致力于发布 PocketBase 的稳定版本，并计划在稳定发布后，项目维护将遵循 Go 的双年发布周期，尽量减少依赖。
- 未来会发布新的公告，征求社区反馈。
感谢 (Acknowledgements):
- 感谢 FLOSS/fund 和 Zerodha 对项目的支持。
|
99% of adults over 40 have shoulder "abnormalities" on an MRI, study finds
肩部MRI检查结果解读与临床实践的思考 (Summary)
本文基于一项研究，探讨了肩部MRI检查结果的解读以及在临床实践中的应用，并呼吁医生改变对患者解释MRI结果的语言。
研究发现:
- 肩部异常普遍存在: 在1204个肩部MRI检查中，1076个（90%）为无症状，128个（10%）有症状。
- 无症状肩部也存在异常: 96%的无症状肩部（1039/1076）存在肌腱病变或部分厚度撕裂等异常。
- 有症状肩部异常率更高: 98%的有症状肩部（126/128）存在异常。
- 全层撕裂差异不显著: 初始观察到有症状肩部全层撕裂更常见，但在调整其他因素（包括MRI中发现的额外异常）后，这种差异消失。
- 肌腱病变和部分厚度撕裂: 在有症状和无症状肩部中，肌腱病变和部分厚度撕裂的发生率相似。
研究者的观点与建议:
- 重新思考MRI结果的解读: 研究者认为，肩部MRI中发现的“异常”往往代表正常的年龄相关变化，而非需要立即修复的临床相关结构性变化。
- 改变沟通语言: 建议医生使用更精确且不带有主观价值色彩的术语来描述MRI结果，例如“病灶”、“缺陷”、“磨损”、“破裂”、“结构改变”或“退化”，避免使用“撕裂”等暗示需要修复的词语，以减轻患者的焦虑和不必要的治疗需求。
- MRI检查的应用时机: 加州大学旧金山分校的两位骨科医生建议，对于非外伤性肩部疼痛，医生应首先尝试几个月的观察等待，配合休息或物理治疗来恢复功能。只有在没有明显改善的情况下，才考虑进行MRI检查。
- 以功能限制为指导: 强调任何治疗决策都应基于患者的病史、临床检查结果以及肩部的功能限制，而不仅仅是MRI图像上的发现。
总结:
该研究强调了肩部MRI检查结果的普遍性，并呼吁医生在解读和解释MRI结果时更加谨慎，使用更准确的语言，并以患者的功能限制为主要依据进行治疗决策，而非过度依赖影像学结果。
|
Martial arts robots at 2026 Spring Festival Gala [video]
2026 春节联欢晚会武术机器人表演精彩亮相 #CoolChina #springfestival2026 #功夫 总结
主要内容：
2026年中国媒体集团举办的春节联欢晚会中，武术机器人表演成为亮点。晚会以“传统与科技的碰撞”为主题，通过机器人表演呈现了令人惊叹的同步武术动作。
关键细节：
- 活动名称： 2026年春节联欢晚会
- 主办方： 中国媒体集团
- 表演内容： 武术机器人表演
- 主题： 传统与科技的融合
- 相关标签： #CoolChina #springfestival2026 #功夫
- 上传日期： 2026年2月16日
- 评论： 有评论提到“BBC：这是什么代价？ 中国：成本更低”。
总结： 该晚会通过机器人表演，展示了中国在科技领域的进步，以及对传统文化的创新演绎。
|
Show HN: Echo, an iOS SSH+mosh client built on Ghostty
Echo 介绍：面向现代终端和 AI 编码代理的 iOS/iPadOS SSH 客户端
2026年2月10日
我们很高兴地推出 Echo —— 一个快速、现代的 SSH 客户端，专为 iOS 和 iPadOS 设计，适用于新时代的基于终端的丰富工具和 AI 编码代理。
为什么构建终端应用程序？
近年来，终端领域发生了令人兴奋的变化。TUI（文本用户界面）技术蓬勃发展，创造出精美且复杂的基于文本的用户界面，突破了终端的界限。工具如 lazygit 和 lazydocker，借助 Bubbletea、Ink 和 Textual 等库，证明了终端不仅仅是文本显示，而已经成为一个丰富、交互式的画布。
与此同时，AI 编码代理（如 Claude Code、Codex 和 Amp）彻底改变了开发者的工作方式。这些代理在远程机器上运行，生成代码、构建、并等待人工输入。开发者需要随时随地检查这些代理的状态，例如在火车上审批更改、在沙发上监控构建，或在离开办公桌时对代理进行调整。
此外，Ghostty 也是一个我们非常喜欢的终端模拟器。它基于性能和原生行为的价值观构建，同时又美观、快速且灵活。 Ghostty 的终端引擎是开源的，并且可以嵌入使用，这使得我们能够将相同的性能和精确性带到 iOS 平台。
过去一年中，团队一直深度使用这些工具。 我们的编程方式已经发生了巨大变化，我们在终端中花费的时间比以往任何时候都多，与代理一起工作，审查它们的输出，并管理远程机器。 最终，我们意识到市场上并不存在一个能够满足这些需求的应用程序，因此我们创建了 Echo。
专为 iOS 构建，而非移植
我们不想简单地将终端包装在 WebView 中，或者使用低劣的终端模拟器。 Echo 是一个原生应用程序，从头开始为 iPhone 和 iPad 构建。这意味着采用 Metal 加速渲染、原生 Keychain 集成用于 SSH 密钥，以及 Face ID 用于保护连接安全。
在 iPhone 上，我们投入了大量精力优化键盘体验。 键盘上方设计了一个专用的工具栏，包含常用的终端字符快捷键，并采用基于手势的箭头键移动方式，使其在触摸屏上感觉自然流畅。 即使是这些小改变，也能在实际使用中带来巨大的不同。
在 iPad 上，Echo 表现更出色。支持完整的硬件键盘，并提供您期望的所有快捷键；支持分屏和悬浮窗口，可以并排运行多个会话；以及支持舞台管理，可以调整和排列终端窗口，与您的其他应用程序并排显示。 这种体验让配备键盘的 iPad 感觉就像一个真正强大的开发机器。
移动端的 AI 编码代理
我们最兴奋的一点是 Echo 在作为 AI 编码代理的接口方面的表现。 Echo 的简约、无干扰的用户界面非常适合这种用途——通过 SSH 连接到您的机器，连接到 tmux 会话，您就可以立即回到代理工作的地方。
我们自己一直使用 Echo 与 Claude Code、Codex 等进行交互，这真正改变了我们的工作流程。 从手机上审批文件更改或审查差异，感觉就像拥有了超能力。 这些代理呈现的复杂 TUI 界面——语法高亮显示的代码、交互式差异、进度指示器——都因为 Ghostty 强大的终端引擎而完美呈现。
主题定制
如果您熟悉 Sleeve，您知道我们重视自定义。 Echo 预装了精选的终端主题，让您可以打造专属的终端环境。 我们已经选择了经典主题和一些新选项，并将在未来继续添加更多。
立即可用
Echo 今天已在 App Store 上架，适用于 iPhone 和 iPad，采用一次性购买价格为 2.99 美元。 无订阅、无应用内购买，正如我们所喜爱的。
这对于我们来说是一个令人兴奋的发布。 Echo 代表了 Replay 的一个新方向——我们迈出的第一步，进入 iOS 领域，并进入一个快速发展的领域。 我们对 Echo 的未来有很多想法，迫不及待地想与您分享。
如有任何问题、反馈或只是想打个招呼，您可以随时通过 [[email protected]](/cdn-cgi/l/email-protection#c7b4b2b7b
|
What years of production-grade concurrency teaches us about building AI agents
Elixir：人工智能的最佳语言？——基于腾讯研究及架构必然性
这篇文章探讨了为什么Elixir是构建人工智能（AI）代理（agent）基础设施的理想选择，并引用了一项腾讯研究表明，Elixir在20种语言中拥有最高的LLM代码补全率（Claude Opus 4在Elixir问题上的得分高达80.3%，C#为74.9%）。文章核心论点并非仅是“LLM擅长编写Elixir代码”，而是Erlang于1986年引入的Actor模型，正在于2026年被AI代理所重新发现。
传统Web框架的局限性
传统的Web框架（如Rails、Django、Laravel）设计用于处理毫秒级的请求。然而，AI代理的交互模式完全不同：用户提问需要5-30秒的响应时间，涉及多次LLM调用、数据库查询和网络搜索，且连接保持长时间开启。这使得传统的基于线程的框架不堪重负。
BEAM虚拟机的优势
文章指出，BEAM虚拟机（运行Erlang和Elixir代码）是解决该问题的关键。它最初为电信交换机设计，能够处理数百万个长时间连接，并具备以下优势：
- 轻量级进程: BEAM的轻量级进程仅占用约2KB内存，可以创建数百万个进程。
- 预先调度: BEAM进程采用预先调度机制，避免单个进程占用CPU资源。
- 进程隔离: 每个代理都是独立的进程，一个进程崩溃不会影响其他进程。
- 垃圾回收: BEAM采用进程级别的垃圾回收，减少停顿时间。
- 原生分布: BEAM进程可以透明地跨节点通信，便于扩展。
虽然Node.js也具备异步处理能力，但其单线程特性和缺乏预先调度、进程隔离和高效垃圾回收机制使其无法与BEAM相比。
AI代理框架的共通模式
目前流行的Python AI代理框架（如Langroid、LangGraph、CrewAI、AutoGen）都在构建类似模式：消息传递、状态管理、任务输出链、以及生命周期管理。这些框架都在尝试解决类似的问题，但它们是在一个原生不支持这些模式的语言（Python）上构建。
OTP：成熟的解决方案
文章强调，Erlang/OTP（Erlang Open Telecom Platform）早在1998年就为电信交换机提供了完善的解决方案，包括：
- 隔离状态的代理: Erlang进程
- 消息传递:
send/receive
- 工作流编排: Supervisor树
- 错误恢复: Supervisor重启策略
- 代理注册: 全局进程注册表
- 事件广播: Process groups
- 状态持久化: ETS
- 分布式代理: 内置分布
“让其崩溃”的哲学
BEAM的“让其崩溃”的哲学，即允许进程崩溃并由Supervisor自动重启，非常适合AI代理的非确定性特性。由于LLM的不可预测性，试图预测所有潜在的故障模式是不现实的。 通过使用Supervisor树，可以定义恢复策略（例如重启代理、更改参数），而无需处理每个故障。
热代码交换
BEAM支持热代码交换，允许在不停止系统的情况下部署新代码，这对于AI代理行为的持续更新和改进至关重要。
结论
文章最终认为，构建AI代理基础设施的最佳选择是Elixir和BEAM，因为它们提供了原生支持并发、隔离、容错和可扩展性的能力，而这些都是现代AI代理系统所必需的。虽然其他语言可以实现类似功能，但需要付出巨大的工程努力。选择Elixir，意味着选择一个为处理长期、高并发、容错性要求极高的任务而生的技术。
|
Mark Zuckerberg to testify in landmark social media trial
金融时报订阅优惠摘要
这是一份金融时报（Financial Times, FT）订阅优惠信息，主要介绍了多种订阅方案及促销活动。
主要内容:
- 年度标准数字版订阅: 原价$540，现价$299，节省超过40%。此优惠截止日期为2月25日。
- 免费试用: 仅需$1即可享受4周的完整数字版内容，之后每月费用为$75。用户可以在试用期内随时取消或更改订阅计划。
- 高级数字版订阅: 每月$75，提供完整的报道以及独家见解和行业深度分析。
- 印刷版订阅: 原价$409，现价$149，节省60%并提供免费送货服务。订阅包含《金融时报周末版》和《金融时报数字版》，内容涵盖所有报纸内容，每周一至六送达。
- 企业订阅: 提供专为组织设计的数字访问权限，包含独家功能和内容。
- 了解FT的理由: 提供链接，引导用户了解超过百万读者为何选择付费阅读《金融时报》。
总结:
《金融时报》提供多种订阅选项，包括数字版、高级数字版和印刷版，并针对不同需求提供优惠活动，旨在吸引新用户并鼓励长期订阅。用户可以通过访问网站了解更多订阅计划详情。
|
