Hacker News
|
Google plans to invest up to $40B in Anthropic
https://www.bloomberg.com/news/articles/2026-04-24/google-plans-to-invest-up-to-40-billion-in-anthropic
|
New 10 GbE USB adapters are cooler, smaller, cheaper
新型USB 10GbE适配器评测：更小、更便宜、更凉爽？
这篇文章评测了基于RTL8159芯片的新型USB 10GbE适配器，并对比了其与传统Thunderbolt 10GbE适配器、以及2.5G和5G USB适配器的性能和价值。
主要内容：
- 产品背景： 过去，10GbE网络通常需要昂贵的、体积大、发热量高的Thunderbolt适配器。新型USB 3.2适配器的出现有望改变这一局面。WisdPi的$80型号是评测的重点。
- 测试平台： 文章在四台电脑上测试了适配器：
- Framework 13 (AMD Ryzen AI 5 340)
- MacBook Neo (USB 3.1/2.0)
- M4 MacBook Air (USB 4/3.1 Gen 2)
- AMD Ryzen 7900x 桌面电脑 (USB 3.2 Gen 2x2)
- 性能表现：
- 只有配备USB 3.2 Gen 2x2 (20Gbps) 端口的桌面电脑能够实现接近满速（约9.5Gbps下行，5Gbps上行）的10Gbps。
- MacBook的性能在6-7Gbps之间，尽管它们同样配备了USB 3.1 Gen 2x1 (10Gbps)端口。
- Mac上适配器识别和连接无问题，但网络设置中显示的连接速度错误。
- Windows上需要安装Realtek驱动才能正常连接。
- USB端口限制： 适配器的性能高度依赖于USB端口的带宽。只有USB 3.2 Gen 2 2x2端口才能充分发挥其潜力。
- 价值评估：
- 如果已经拥有10GbE网络，且需要更紧凑的RJ45适配器，那么该适配器是一个不错的选择。
- 如果需要满速或SFP+支持，Thunderbolt适配器仍然是更好的选择。
- 如果不需要10Gbps，2.5G或5G适配器仍然是性价比最高的选择。
- 散热与功耗：
- 适配器功耗较低，约为0.86W (在USB 2速度下)。
- 散热表现良好，运行测试后温度仅为42.5°C，远低于基于Aquantia芯片的10GbE适配器，后者通常会发热严重。
- 总结： 这款新型USB 10GbE适配器在体积、价格和散热方面都优于传统的Thunderbolt适配器。但需要注意USB端口的带宽限制，并根据实际需求选择合适的适配器。市场上还有其他更便宜的替代品，并且可以通过PCIe卡绕过USB端口限制。
总而言之，该文章展示了新型USB 10GbE适配器在带来便利的同时，也存在USB端口带宽限制的问题，用户需要根据自身硬件配置和需求进行选择。
|
Firefox Has Integrated Brave's Adblock Engine
火狐浏览器集成 Brave 的广告拦截引擎
最近，Mozilla 发布的 Firefox 149 版本在很多方面进行了改进，例如内置免费 VPN、侧边双页面加载的“分屏视图”以及作为默认选项的 XDG 门户文件选择器。然而，一个鲜为人知的新功能是 Firefox 现在集成了 Brave 浏览器使用的广告拦截引擎 adblock-rust。
adblock-rust 是 Brave 浏览器使用的开源 Rust 编写的广告和追踪器拦截引擎，采用 MPL-2.0 许可协议。它支持网络请求拦截、外观过滤，并兼容 uBlock Origin 的过滤列表语法。该功能通过 Mozilla 的 Bugzilla (Bug 2013888) 引入，但默认情况下处于禁用状态，且未包含用户界面和过滤列表。
如何测试：
用户可以通过修改 Firefox 的配置来启用该功能：
- 禁用当前 Enhanced Tracking Protection (增强跟踪保护) 设置。
- 在
about:config 中将 privacy.trackingprotection.content.protection.enabled 设置为 "true"。
- 将
privacy.trackingprotection.content.protection.test_list_urls 的值修改为 https://easylist.to/easylist/easylist.txt|https://easylist.to/easylist/easyprivacy.txt，以添加 EasyList 和 EasyPrivacy 过滤列表。
启用后，访问包含广告的网站（例如 Yahoo），广告位将保留，但实际广告内容会被拦截，只显示广告位的文本。
其他信息：
- Waterfox (一个 Firefox 衍生版本) 已经采用了 adblock-rust，直接利用了 Firefox 自身的实现。
- 建议在 Firefox 的独立安装环境中测试此实验性功能。
这篇文章由 Sourav Rudra 撰写，他是一位对开源软件、定制 PC、赛车运动充满热情的技术爱好者。
|
SDL Now Supports DOS
SDL 库 DOS 支持更新总结 (2026年4月13日)
本次更新主要关注 SDL 库在 DOS 环境下的改进，特别是针对 DosBox-X 的问题修复，以及增强对 Sound Blaster 和 VBE 模式的支持。以下是主要内容：
1. 音频问题修复与优化:
- DosBox-X 问题修复: 修复了 DosBox-X 在使用 Sound Blaster 时出现的问题，标准 DosBox 通过中断处理程序能够正常工作。
- 音频加载速度提升: 通过优化缓冲区处理，大幅提升了
SDL_LoadWAV 函数的加载速度，解决了加载过程中出现错误数据的问题。
- 音频混合优化: 将音频混合操作从中断处理程序移至主循环，以提高稳定性并避免重入问题。
- DMA 缓冲处理: 调整了 DMA 缓冲处理方式和采样率至 22050 Hz。
- DMA 缓冲静音: 解决了 DMA 缓冲在加载期间出现停顿的问题。
2. 显示与 VBE 支持:
- VESA 接口: 使用 VESA 接口管理显示，配合软件渲染器工作。
- 双缓冲页翻转: 为 VBE 模式（拥有多个图像页）实现了双缓冲页翻转。
- VBE 状态保存与恢复: 在视频初始化和退出时保存并恢复完整的 VBE 状态，实现干净的模式切换。
- 防卡顿 vsync: 在单缓冲模式下，始终进行 vsync 操作以减少画面撕裂。
- **银幕缓冲访问:**实现了银行化帧缓冲区访问，用于 VBE 1.2+ 模式，无需 LFB。
3. DOS 特性支持：
- 键盘处理: 改进了 DOS 键盘处理，支持扩展扫描码和暂停键。
- 中断处理: 锁定了 ISR 代码/数据，防止中断期间发生页错误。
- Joystick 优化: 限制了摇杆轴的轮询频率，降低了 BIOS 计时循环的成本，并直接轮询摇杆按钮以提高响应速度。
- Sound Blaster 支持: 检测并选择 8 位单声道或 16 位立体声模式，处理了 SB16 和早期 SB 硬件的 DMA 和 DSP 设置。
4. 构建系统调整:
- SDL_PLATFORM_DOS: 将
SDL_PLATFORM_DOS添加到排除列表，禁用通用的SDL_RunApp()。
- SDL.c: 在 DOS 上排除
SDL_Gtk_Quit()，因为 DOS 没有 GTK/显示服务器。
- sdlplatform.cmake: 添加 DOS 情况到
SDL_DetectCMakePlatform，以便正确检测平台。
- i586-pc-msdosdjgpp.cmake: 添加
i386-pc-msdosdjgpp-gcc 作为备用编译器名称。
5. 其他:
- 修复了渲染示例中通过
SDL_GetBasePath() 查找纹理的问题。
- 借鉴了 Quake 1 的解决方案，采用更简单、更安全的 DMA 内存分配策略。
总结: 本次更新对 SDL 库在 DOS 平台上的支持进行了全面增强，修复了多个 Bug，优化了性能，并添加了对 Sound Blaster 和 VBE 模式的支持，为在 DOS 环境下使用 SDL 提供了更好的体验。
|
OpenAI releases GPT-5.5 and GPT-5.5 Pro in the API
OpenAI API 更新总结 (2023年10月 - 2026年4月)
以下是对 OpenAI API 更新的总结，涵盖了 2023 年 10 月至 2026 年 4 月期间的重要发布和更新。
模型更新:
- GPT-5.5 系列 (2026年4月): 发布了 GPT-5.5 和 GPT-5.5-pro，支持 1M token 上下文窗口、图像输入、结构化输出、函数调用、提示缓存、批量处理、工具搜索、内置计算机使用、托管 Shell、补丁应用、技能、MCP 和网页搜索。 Reasoning 默认设置为 "medium"。
- GPT-5.4 系列 (2026年3月): 发布了 GPT-5.4 和 GPT-5.4-pro，支持工具搜索和内置计算机使用，GPT-5.4-mini 优化速度和成本。
- GPT-5.4-mini 和 GPT-5.4-nano (2026年3月): 针对高负载场景和简单任务优化。
- GPT-5.3-chat-latest (2026年3月): 指向 ChatGPT 当前使用的模型快照。
- Sora 系列 (2026年3月): 扩展了 Sora API，支持可重用角色引用、高达 20 秒的生成、1080p 输出 (sora-2-pro) 和视频扩展。
- GPT Image 2 (2026年4月): 发布了 GPT Image 2，用于图像生成和编辑，支持灵活的图像尺寸、高保真图像输入和基于 token 的定价。
- GPT-4.1 系列 (2025年4月): 发布了 GPT-4.1、GPT-4.1-mini 和 GPT-4.1-nano，改进了指令遵循、编码能力和上下文窗口。
- GPT-4o 系列 (2025年5月): 发布了 GPT-4o，提供更快的速度和更低的成本。
- o3 和 o1 系列 (2025年3月 和 9月): 发布了 o3 和 o1 系列模型，专注于复杂推理任务。
- GPT-5.1 系列 (2025年11月): 发布 GPT-5.1、GPT-5.1-codex 和 GPT-5.1-codex-mini，优化编码任务。
- GPT-4.5 (2024年2月): 发布了 GPT-4.5 的研究预览版，提升了理解用户意图和创造力。
- GPT-4o-mini (2025年7月): 发布了 GPT-4o-mini，更经济实惠且智能的小型模型。
API 功能更新:
- Responses API: 发布了 Responses API，用于创建和使用代理和工具，并逐步取代 Assistants API。
- WebSocket 模式 (2026年2月): 在 Responses API 中引入 WebSocket 模式，用于实时交互。
- 技能 (Skills) (2025年2月): 在 Responses API 中支持技能。
- 托管 Shell (Hosted Shell) (2025年2月): 在 Responses API 中引入托管 Shell 工具。
- 可重用提示 (Reusable prompts) (2024年6月): 在 dashboard 和 Responses API 中支持可重用提示。
- 优先处理 (Priority processing) (2024年6月): 提供更低的延迟和更一致的性能。
- Predicted Outputs (2024年4月): 减少模型响应的延迟。
- Admin 和 Audit Log APIs (2024年8月): 允许程序化管理组织和监控更改。
- 上传功能 (Uploads) (2024年7月): 支持分块上传大型文件。
- 模型蒸馏 (Model distillation)(2024年10月): 平台用于使用大型模型输出微调低成本模型。
- 图像微调 (Image fine-tuning)(2024年10月): 支持使用图像和文本微调 GPT-4o。
- 评估 (Evals)(2024年10月): 创建和运行自定义评估以衡量模型性能。
- **提示缓存 (Prompt caching)(2024年
|
Replace IBM Quantum back end with /dev/urandom
总结：用 /dev/urandom 替换 QPU
本文旨在验证一个声明：Q‑Day Prize 提交的代码库展示了对 ECDLP 的量子攻击，即使用 IBM 量子硬件在 17 位以下的曲线中恢复密钥。
核心发现： 通过将代码中的 IBM Quantum 后端替换为 /dev/urandom 生成的随机数，作者的 CLI (命令行界面) 仍然能够以与 IBM 硬件运行相同的统计速率恢复所有报告的私钥。这意味着原始提交中的“量子”结果实际上是经典验证，而非量子计算的结果。
代码修改： 仅对 projecteleven.py 文件进行了微小的修改（29 行删除，30 行新增）。修改内容是将 solve_ecdlp() 函数中的量子后端替换为 /dev/urandom。其余的代码，包括电路构建、ripple-carry 预言机、提取流程以及 d·G == Q 验证器，均未改变。
实验结果：
- 小挑战 (4-bit, 6-bit, 8-bit, 9-bit, 10-bit): 使用 8,192 次采样，
/dev/urandom 能够以 100% 的成功率恢复私钥。
- 旗舰挑战 (16-bit, 17-bit): 使用 20,000 次采样和 ripple-carry 预言机。
- 16-bit 挑战：在 5 次尝试中，4 次成功恢复私钥。
- 17-bit 挑战 (获得 1 BTC 的挑战): 在 5 次尝试中，2 次成功恢复私钥 (约 40% 的成功率)。
工作原理： 提取过程 (ripple_carry_shor.py:197-240, projecteleven.py:264) 接受每个采样的 (j, k, r)，并验证 d_cand = (r − j)·k⁻¹ mod n 是否满足 d_cand · G == Q。在均匀噪声下，d_cand 在 [0, n) 上均匀分布，因此，在足够多的采样数 S 下，至少有一个验证成功的概率可以计算出来。作者的 README 已经预言了这种现象，指出当 shots >> n 时，随机噪声本身就能以高概率恢复 d。
重现步骤：
git checkout urandom-reproduces-qpu- 创建并激活虚拟环境：
uv venv .venv && . .venv/bin/activate
- 安装依赖：
uv pip install qiskit qiskit-ibm-runtime
- 运行命令：
python projecteleven.py --challenge 4 --shots 8192python projecteleven.py --challenge 10 --shots 8192python projecteleven.py --challenge 17 --oracle ripple --shots 20000 (可能需要尝试 2-3 次)
结论：
本文证明，通过用 /dev/urandom 替换量子后端，仍然可以恢复私钥，表明原始提交中的“量子”攻击实际上是经典的验证过程。该代码库的工程设计（包括多种预言机变体、CDKM ripple-carry 加法器和半经典相位估计）是真实且非琐碎的，但其核心的密码分析声明（即使用量子计算机进行 ECDLP 密钥恢复）是不成立的。
|
Google to invest up to $40B in Anthropic in cash and compute
Google 计划向 Anthropic 投资高达 400 亿美元，以满足其日益增长的计算需求
核心要点:
- 巨额投资: 谷歌计划向人工智能公司 Anthropic 投资高达 400 亿美元。首笔 100 亿美元投资以 3500 亿美元的估值进行，后续 300 亿美元投资将取决于 Anthropic 的绩效表现。
- Mythos 模型发布与风险限制: Anthropic 近期发布了其最强大的模型 Mythos，该模型在网络安全方面具有应用潜力。由于潜在的滥用风险，Anthropic 目前仅向有限的合作伙伴开放该模型，并且该模型已经落入非授权用户手中。
- AI 竞争中的计算资源争夺: AI 领域的竞争日益激烈，关键在于获取训练和部署 AI 系统所需的计算资源。OpenAI 也在积极通过多项大型交易来确保计算能力，包括与芯片制造商 Cerebras 的合作。
- Anthropic 的基础设施建设: Anthropic 近期面临 Claude 使用限制的批评，并积极寻求基础设施解决方案。除了与 CoreWeave 达成数据中心协议，还从亚马逊获得了 50 亿美元投资，并承诺在未来花费高达 1000 亿美元购买约 5 吉瓦的计算能力。
- 谷歌与 Anthropic 的合作关系: 尽管谷歌是 Anthropic 在 AI 模型领域的直接竞争对手，但它也是 Anthropic 的重要基础设施供应商。Anthropic 依赖谷歌云的芯片和基础设施，包括谷歌的张量处理单元 (TPU)，TPU 被认为是 Nvidia 处理器之外的最佳替代方案之一。
- TPU 计算能力扩充: 谷歌与 Anthropic 及芯片制造商 Broadcom 之前已宣布合作，将提供基于 TPU 的多吉瓦计算能力。此次新的谷歌投资进一步扩展了这一安排，谷歌云将提供额外的 5 吉瓦计算能力，未来可进一步扩展。
- 公司估值与 IPO 计划: Anthropic 的估值在 2 月份为 3500 亿美元，投资者现在希望以 8000 亿美元或更高的估值投资该公司。Anthropic 正在考虑最早于 10 月份进行首次公开募股 (IPO)。
时间与地点:
- TechCrunch 活动：2026 年 10 月 13 日至 15 日，加利福尼亚州旧金山。
作者信息:
|
My audio interface has SSH enabled by default
Rodecaster Duo Firmware Exploration and Customization Summary (中文)
本文记录了作者对Rodecaster Duo设备固件更新和自定义的探索过程。以下是主要内容：
1. 设备购买与用途:
- 作者购买了Rodecaster Duo，主要目的是解决他和女友在同一房间内使用麦克风进行游戏和Discord语音通话时产生的回声问题，并方便在游戏和工作电脑之间切换。
- 作者对Rodecaster Duo的使用体验非常满意，并推荐给有类似需求的用户。
2. 固件更新分析:
- 作者希望了解Rodecaster Duo的固件更新机制，因此尝试捕获更新过程中的磁盘活动。
- 发现固件更新文件是一个压缩的tar包 (gzipped tarball)。
- 设备在更新过程中，磁盘存在双分区，以防止因单一分区损坏导致设备无法启动。
- 重要发现： 固件更新过程中没有签名校验，这使得作者能够修改固件。
- 设备默认启用SSH，并使用公钥认证，默认密钥如下：
ssh-rsa AAAAB3NzaC1yc2EAAAADAQABAAACAQCX/bCFTDgViuPvdFL/VMMVRrw9b5S8HcDQk17qoCEYwmI+IIG8rEAsLiaeCOwyhf9IN+8/LRaN0Z5ZfU3WMbmsKEg8zd1Yvqq74nFbhO47vbtzmCi9S4ucIKkBEVOyvyN5lt9hWf5t5nZSmlfldZK3Pem5y8wHM5A+K/gSnzp4gwQ1QYfFb068uQ+ciIdOhb8SkUs8CwzotglIbp19I6ZmXmsNj/TmpbUf5rMfUAf1gysZ5j1UdRWrvWVh5daqvZRsBBPbXEeJfDU3Nr3HR14XYt9mgexrz/5oyKSj/lQYLmh9cDfsxvkGNIQ8fF9l+n2L1KZM4lLgiGk4KFBjQHaIBZx9OebCiiZCO4NTJUBDk9a+SZpiDiipADV07s7vTInYyFA6GrmKtnq3M6upT4WJBvVuL/BMnK5yY1RZtoqox2/pcCg2rH5S1GIy0v0HFJisl7kWInlaG2mdsaCx19wAjCFe/qT9LyxjQ6+rArI55/JJFDkNeMjrewRQwNdASjCox8vqXCBfjvsR9qv70/ywcymgsnLAnq2LuYg5FYwMMDYOvVnhACC+BYTdNDTn5oeMIjQCUenY/DPCHpJkf4YOf3YCMUTEU9tExhtwW/X+m21hS3+STLtTfqbUeg9CeuPQZgfl9vc65n3tMxAdlEGEDoTaNMAgr2TzJv92Ka9iQ==ssh-ed25519 AAAAC3NzaC1lZDI1NTE5AAAAIDaNyzPfIcEeQsfzyQs/wyX6mX52kiS+4eNHfCaxFlgj
3. 固件更新流程:
- 作者使用Wireshark和USBPcap捕获Windows PC上的固件更新过程。
- 通过 Claude Code 分析 pcap 文件，并获得固件更新的结构和 Python 脚本。
- 固件更新流程如下：
- 连接并启动Rodecaster Duo。
- 发送 'M' 命令进入更新模式。
- 挂载磁盘并复制
archive.tar.gz 和 archive.md5 到磁盘。
- 修改文件权限为 777 (出于便捷考虑)。
- 卸载磁盘。
- 发送 'U' 命令触发固件刷新。
- 等待设备重启。
4. 自定义固件:
|
|
The Classic American Diner
https://blogs.loc.gov/picturethis/2026/04/the-classic-american-diner/
|
There Will Be a Scientific Theory of Deep Learning
深度学习理论：学习力学 (Learning Mechanics) 的兴起
本文由多位作者共同撰写，旨在论证一个关于深度学习的科学理论正在逐渐形成，并提出了“学习力学 (Learning Mechanics)”这一概念。该理论致力于表征神经网络训练过程、隐藏表示、最终权重以及性能的重要属性和统计规律。
核心论点:
- 理论的出现: 作者认为深度学习理论正在兴起，它关注于训练过程的动态、宏观统计，并强调可证伪的定量预测。
- 五大研究方向: 这一理论的形成依赖于以下五个不断发展的研究领域：
- (a) 可解的理想化设置: 旨在为真实系统中学习动态提供直觉。
- (b) 可处理的极限情况: 揭示基本学习现象的洞见。
- (c) 简单的数学定律: 捕捉重要的宏观可观测指标。
- (d) 关于超参数的理论: 将超参数与训练过程的其他部分区分开来，从而简化系统。
- (e) 普遍行为: 跨系统和场景共享的通用行为，明确哪些现象需要解释。
- 学习力学: 作者将新兴的理论视为“学习过程的力学”，并将其命名为“学习力学”。
- 与其他理论方法的联系: 讨论了学习力学与统计和信息论视角等其他构建深度学习理论方法的联系，并预计学习力学与机制可解释性之间存在共生关系。
- 对理论可能性的质疑: 驳斥了关于难以建立或不重要建立深度学习基本理论的常见论点。
- 未来研究方向: 总结了学习力学领域的重要开放方向，并为初学者提供了建议。
关键细节:
总而言之，本文强调了深度学习理论研究的重要性，并提出了“学习力学”这一框架，认为通过对训练过程的动态、宏观统计进行研究，能够建立一个可证伪的、量化的深度学习理论。
|
|
Turbo Vision 2.0 – a modern port
好的，这是一份关于 Turbo Vision 的现代移植版的中文总结，字数控制在 800 字以内：
Turbo Vision 现代移植版总结
Turbo Vision 是 Borland 公司在 90 年代早期开发的文本模式用户界面框架。该项目是一个现代化的移植版，目标是在保持与原始代码兼容性的同时，提供跨平台支持和 Unicode 支持。
主要目标：
- 在尽可能少的修改原始代码的情况下，使 Turbo Vision 能够在 Linux 上运行。
- 保持与 DOS/Windows 的兼容性。
- 尽可能地保持与旧 Turbo Vision 应用程序的源代码兼容。
核心特性：
- 跨平台支持： 可在 Linux、Windows 等多种平台上运行。
- Unicode 支持： 增加了对 Unicode 的支持，允许显示和处理 Unicode 文本。
- 增强的颜色支持： 从原始的 16 色扩展到 24 位真彩色。
- 改进的鼠标和键盘支持： 支持 X11 和 SGR 鼠标编码，以及各种键盘协议。
- Widget 组件： 提供窗口、菜单、对话框、按钮、滚动条等各种预制组件，方便快速开发界面。
- 事件驱动编程： Turbo Vision 采用事件驱动模型，简化了应用程序的逻辑处理。
构建环境：
- Linux: 使用 CMake 和 GCC/Clang 构建，依赖
libncursesw 和 libgpm。
- Windows: 支持 MSVC、MinGW 和 Borland C++ 构建。
- Vcpkg: 可以使用 Vcpkg 包管理器进行安装和管理。
主要改进和新特性：
- Unicode 支持: 通过 UTF-8 编码实现，支持多语言文本显示。
- 扩展颜色支持： 允许使用 24 位 RGB 颜色，提供更丰富的视觉效果。
- 改进的鼠标支持： 支持中键和滚轮操作。
- 自动调整屏幕大小： 应用程序可以自动适应不同屏幕尺寸。
- 新的 API 函数: 新增了
TStringView, TSpan 等数据结构和函数，方便处理字符串和内存块。
- Clipboard 支持: 允许 Turbo Vision 应用程序与系统剪贴板进行交互。
- 应用内 Unicode 支持: 提供了
TClipboard 类以及 textEvent 方法，方便处理粘贴事件。
使用方法：
- 参考 Turbo Vision For C++ User's Guide 和 Turbo Vision 2.0 Programming Guide。
- 查看示例应用程序
hello、tvdemo 和 tvedit。
适用场景：
- 开发基于文本界面的应用程序。
- 创建命令行工具和实用程序。
- 移植旧的 Turbo Vision 应用程序。
- 构建游戏和模拟器。
项目地址：
总结：
Turbo Vision 现代移植版在保留经典框架的精髓的同时，增加了跨平台支持、Unicode 支持和增强的颜色支持等现代特性。 它为开发者提供了一个强大而灵活的工具，用于创建基于文本界面的应用程序，并方便地移植旧的 Turbo Vision 代码。
|
Plain text has been around for decades and it’s here to stay
文本型图表与UI设计工具：复兴与意义
本文介绍了近年来复兴的文本型图表与UI设计工具类别，并探讨了其背后的意义。
主要工具：
- Mockdown: 可以在网页上直接使用，甚至在移动设备上也能运行。
- Wiretext: 网页使用，但仅限于桌面端。
- Monodraw: Mac 应用程序。
核心观点：
- 复古与现代的结合: 这些工具是对 1970 年代到 1980 年代流行的 TUI (Text User Interface) 和 Turbo Vision 等技术的一种现代诠释，在保留其核心特性基础上，加入了现代化的设计理念、性能优化、网页访问、鼠标和触控板支持等功能。
- 约束的力量: 作者认为，随着计算机能力的不断提升，约束性实践将会变得越来越重要。 在AI时代，自我约束不仅可以简化工作流程，还可以提升挑战性。
- 纯文本的持久价值: 纯文本格式的便携性以及文本编辑作为交互界面的强大功能，使其具有长久的生命力。
- Mockdown的乐趣: Mockdown的ASCII喷绘功能特别有趣。
补充说明：
- 这些工具的“ASCII”概念是广义的，类似于人们使用“GIF”来指代特定类型的循环动画。
- 作者认为这些工具可能作为生成式AI的入门方式。
总而言之，文章强调了文本型图表工具的复兴，并探讨了其在现代技术环境中的价值，包括复古风格、约束性设计和纯文本的持久魅力。
|
Show HN: I've built a nice home server OS
轻鲸 (Lightwhale) 总结
轻鲸是一个专门设计的操作系统，旨在无缝运行 Docker 容器。它通过 ISO 镜像直接启动，无需安装或配置，直接进入一个完全可用的 Docker Engine 环境。
核心特点:
- 不可变性: 核心系统是不可变的，这使其本质上免维护并增强安全性。
- 数据隔离: 数据和自定义配置存储在独立的设备上，与核心系统文件完全隔离，便于备份和管理。
- 多功能性: 适用于家庭实验室、企业环境、边缘节点和集群，可在裸机或虚拟机上运行。
- 易用性: 采用极简设计，降低入门门槛，简化管理任务，提高生产力。
主要功能:
- 即插即用 (Plug and Play): 下载 ISO 镜像，直接启动服务器。
- 简洁设计 (Simplicity by Design): 减少系统组件，易于学习和掌握。
- 安全可预测 (Secure and Predictable): 不可变的核心提供最小的攻击面，且每次启动都保持一致。
- 可选持久化 (Opt-in Persistence): 数据存储在单独的设备上，默认情况下是 RAM 中，可启用持久化功能，将数据存储在独立存储设备上，实现重启后数据的保存。
- 高效节能 (Efficient and Eco-Conscious): 移除不必要的进程，减少资源占用，延长旧硬件的使用寿命。
- 数字主权 (Digital Sovereignty): 允许组织轻松自托管，摆脱大型科技公司的锁定，并保护隐私和数据。
快速上手:
- 下载 ISO 镜像。
- 将 ISO 镜像写入 USB 闪存设备。
- 从 USB 闪存设备启动机器。
- 使用默认用户名 (
op) 和密码 (opsecret) 登录。
- (可选) 启用持久化功能，通过写入“magic header”到存储设备来激活。
- (可选) 配置 Wi-Fi 连接。
- 运行 Docker 容器。
- 更改密码。
启动过程:
Lightwhale 使用经典 SysV-like 的 init 系统，启动过程简单透明。它首先加载 Linux 内核和根文件系统到内存，然后将控制权交给 /init 进程。/init 进程读取 /etc/inittab，挂载 /tmp 和 /run 的 tmpfs，并执行 /etc/init.d 中的 init 脚本。启动过程中，会挂载数据文件系统，提供 Docker 数据和 /etc、/var、/home 目录的上层覆盖。最终，Lightwhale 准备好服务容器。
不可变设计:
根文件系统是静态的 squashfs 镜像，不可修改，这带来了诸多优势：
- 零安装: 预先安装和配置好所有必要的软件。
- 零维护: 无需安装或更新软件。
- 减少攻击面: 抵御恶意和非故意的修改。
- 无冗余: 避免磁盘空间浪费和性能下降。
- 自由实验: 可以在本地进行实验，通过重启恢复初始状态。
持久化存储:
Lightwhale 提供临时和持久的写入能力。所有写入 Lightwhale 的数据都保存在 /mnt/lightwhale-data/lightwhale-state 目录下，作为 overlayfs 堆栈的上层。默认情况下，数据文件系统是易失性的 tmpfs，启用持久化后，数据文件系统将位于独立存储设备上。
常见问题:
- 支持哪些硬件？仅支持 x86-64 架构，支持 BIOS 和 EFI 启动。
- 如何安装软件？只能安装 Docker 容器，不能直接安装软件到文件系统。
- 如何更改主机名？使用
sudo setup-hostname 命令。
- 使用轻鲸的风险？Lightwhale 不提供任何形式的担保，用户需自行承担风险。
- 隐私政策？Lightwhale 不收集用户数据，只收集匿名 telemetry 数据，用户可以随时查看。
总而言之，轻鲸是一个轻量级、安全、易用的 Docker 容器运行平台，旨在简化容器部署和管理，并赋予用户更大的数字主权。
|
|
Tariffs Raised Consumers' Prices, but the Refunds Go Only to Businesses
https://www.nytimes.com/2026/04/24/us/politics/companies-consumers-tariff-refunds.html
|
SFO Quiet Airport (2025)
旧金山国际机场打造“静音机场”：减少噪音，提升旅客体验
旧金山国际机场（SFO）自2018年以来一直在致力于打造“静音机场”，并在新冠疫情期间进一步推进该项目。其核心目标是减少机场内的噪音，包括广播公告、重叠的PA信息和租户播放的音乐。
主要措施及成果：
- 限制广播公告： 广播信息仅限于每个登机口及其周边区域，而不是在整个航站楼内广播。
- 集中和减少公告： 与航空公司合作，自2020年起集中并减少广播公告，成功减少了40%的呼叫。
- 消除不必要的广播： 仅国际航站楼就已消除每天超过90分钟的不必要广播。
- 降低机械噪音： 目前正在努力减少自动扶梯和行走的噪音。
国际趋势：
SFO并非首例尝试“静音机场”模式。阿姆斯特丹史基浦机场至少自2011年起就实施了类似举措，新加坡樟宜机场和苏黎世机场的部分航站楼也采取了类似的策略。SFO是美国首个全面推进此类计划的机场，尽管其他一些机场设有安静休息室或在登机口附近降低噪音。
噪音对旅客的影响：
背景噪音会造成精神疲惫，尤其是在长时间的转机或清晨航班中。减少噪音有助于减轻压力。
技术替代方案与旅客偏好：
随着移动应用程序、电子邮件、短信和数字登机口显示屏等技术的发展，许多旅客已习惯通过这些方式获取航班信息。因此，广播公告变得不必要，除非是针对那些没有主动查询信息的旅客，例如登机口变更或寻找特定人员。整体而言，旅客似乎更喜欢安静的环境。
社会效益：
倡导者认为，静音机场更具包容性，有助于神经多样性旅客以及对感官刺激过于敏感的旅客。然而，也需要考虑到视力障碍旅客可能会依赖听觉提示。
总结：
旧金山国际机场通过减少噪音，正在努力为旅客创造更舒适、更安静的机场体验。 这一模式是否应该被更多机场采用，值得进一步探讨。
|
Diatec, known for its mechanical keyboard brand FILCO, has ceased operations
Diatec (FILCO) 公司已停止运营的总结
主要内容：
Diatec Co., Ltd.，一家以其 FILCO Majestouch 系列机械键盘而闻名的公司，已于2026年4月22日停止运营。
公司简介：
- Diatec 以 FILCO 品牌销售键盘。
- FILCO Majestouch 系列键盘以其稳定和坚固的机身著称，深受机械键盘爱好者的欢迎。
主要产品：
- Majestouch Convertible3 (2022): 支持有线和无线连接，可选择日式或英式布局，带或不带数字键盘，以及棕轴、青轴、红轴和静音红轴等多种键轴选择。
- Majestouch Xacro M10SP (2023): 一款大胆的拆分式键盘，具有机械轴、拆分设计和10个宏按键。
运营停止通知：
- Diatec 官网目前显示停止运营的通知。
- 通知感谢客户的持续支持，并表示公司已于2026年4月22日停止运营。
- 所有通过邮件订单和用户支持收集的个人信息已按照相关法律和内部规定安全删除。
总结： Diatec 公司及其 FILCO Majestouch 系列键盘的运营已经结束，公司已于2026年4月22日正式停止运营。
|
Do I belong in tech anymore?
总结：关于倦怠、AI 和技术行业的理想幻灭
本文讲述了作者辞去设计工程师职务的经历，并探讨了导致其倦怠的深层原因，包括人工智能（AI）的普及以及对科技行业理想的幻灭。
辞职原因：
作者在一家公司担任设计系统唯一的工程师，工作内容包括组件构建、产品优化、设计与工程之间的沟通，并取得了一定的工作成果。然而，作者开始质疑工作的意义，并感到日益痛苦。休息一周后，作者最终决定辞职，并感到如释重负。
AI 的影响：
作者描述了一系列在工作中遇到的与 AI 相关的场景，例如未经同意的会议记录、AI 聊天机器人回答产品问题、AI 快速审查代码、AI 生成设计原型等。这些场景让作者感到疲惫和疏离，并质疑 AI 的使用是否会导致知识流失和沟通缺失。作者认为 AI 的快速普及对自身倦怠产生了重要影响。
理想的破灭：
作者回忆起 2010 年代，当时科技行业被普遍认为是进步的象征，充满活力。然而，如今科技公司似乎放弃了应对气候变化、减少不平等和遵守“不要作恶”等原则。作者指出，一些公司为了迎合政治人物，甚至与战争罪犯合作，这让作者对科技行业的未来感到失望。
核心信念与未来计划：
作者总结了自己的一些核心信念：高质量的工作需要时间和努力，通过实践创造意义，努力比想法更重要，没有捷径可走。辞职后，作者计划休息、远离社交媒体和新闻，并专注于健身、学习合成器知识、观察自然、陪伴猫咪、以及为跨性别者提供法律姓名变更工具等活动。作者最终将寻找新的工作，并期望找到更符合自身价值观的工作。
**总而言之，**作者的文章表达了对科技行业当前发展方向的担忧，以及对自身职业生涯的反思，并呼吁重视人类沟通的重要性。
|
|
Show HN: A Karpathy-style LLM wiki your agents maintain (Markdown and Git)
好的，以下是根据提供的英文内容生成的中文摘要，字数控制在800字以内：
Wuphf：人工智能团队协作的共享大脑
Wuphf 是一个旨在为人工智能团队提供协作办公环境的项目，它将多个 AI 代理（Agent）整合到一个共享的、全天候运行的系统中。其核心理念是模拟真实办公室中的协作场景，让 AI 代理之间可以进行沟通、争论、分配任务并最终完成工作，避免了传统 API 模式的“消失”。
主要特点：
- 共享大脑： Wuphf 提供了一个共享的办公环境，让 AI 代理可以互相协作，就像一个团队一样。
- 即时可见： 所有代理的状态和活动都是可见的，这有助于提高透明度和协作效率。
- 全天候运行： 系统可以 24x7 全天候运行，确保工作能够持续进行。
- 命令行启动： 只需要一个简单的命令行指令
npx wuphf 即可启动，浏览器会自动打开办公界面。
- 开源和可定制： Wuphf 是一个开源项目 (MIT 协议)，可以自由地进行定制和扩展，包括更换品牌和添加自定义的代理包。
技术栈和前提条件：
- 代理 CLI： 默认使用 Claude Code，也可以使用 Codex CLI。
- tmux： 需要 tmux 来支持
--tui 模式（Web UI 默认在后台运行，tmux 作为内部备用方案）。
- Go： 从源代码构建需要 Go 语言环境。
核心功能和组件：
- Setup Prompt： 提供了一个用于引导 AI 代理安装的预设提示，方便快速上手。
- 选项配置： 支持多种配置选项，例如：
--memory-backend: 选择记忆后端（nex、gbrain、none）。--no-nex: 禁用 Nex 后端，避免上下文图和 Nex 管理的集成。--tui: 使用 tmux TUI 界面。--pack: 选择不同的代理包（starter、founding-team 等）。
- 记忆系统：
- Notebook（笔记本）： 每个代理都有自己的笔记本，用于记录临时性上下文、观察和结论。
- Wiki（维基）： 团队共享的维基，用于存储持久化的知识和信息。
- 后端支持： Wiki 支持多种后端，包括 markdown（默认）、nex 和 gbrain。
- 外部行动： 支持通过 One CLI 或 Composio 连接外部服务（例如 Gmail、Slack），使代理能够执行实际操作。
- Telegram/OpenClaw Bridge： 允许将 Telegram 机器人和 OpenClaw 代理集成到 Wuphf 办公室中。
工作流程：
- 代理在 Notebook 中工作，记录上下文和观察。
- 当 Notebook 中的内容看起来可靠时，代理可以将其提升到 Wiki。
- Wiki 指向最后记录上下文的代理，方便其他代理查询和提及。
稳定性说明：
- 当前版本处于 pre-1.0 阶段，
main 分支每天更新。建议将项目 fork 并在发布标签上固定版本，而不是使用 main 分支。
总结：
Wuphf 提供了一个创新的 AI 团队协作平台，旨在模拟真实办公室环境，提高 AI 代理的协作效率和透明度。它采用开源、可定制的设计，并支持多种后端和集成，为 AI 团队提供了一个强大的工具。
|
Google Flow Music
Flow Music 平台简介 (Flow Music Platform Overview)
Flow Music 是一个一体化平台，旨在帮助用户创作、发布和分享音乐作品。它提供了一系列工具和功能，涵盖音乐创作、视频制作和社交分享等多个方面。
主要功能模块：
创作 (Create):
- Lyria 3 音乐模型: 通过与 AI 助手 "Producer" 互动，用户可以创作完整长度的歌曲，并拥有丰富的音乐性和动态人声。Lyria 3 是该平台最新的音乐模型。
- 已生成示例歌曲: 平台展示了使用 AI 生成的几首示例歌曲，包括：
- SILICA (实验音乐)
- High Tide (电子音乐)
- The River's Debt (R&B)
- Fog Harbor (12首歌曲)
- Golden Afternoon (8首歌曲)
- Crystal Sky (15首歌曲)
- AI 音乐视频: 用户可以使用 Veo 视频模型创建音乐视频，控制角色、美学和所有细节，无需摄像团队。
构建 (Build):
分享 (Share):
- 音乐播放列表: 用户可以创建播放列表、发布歌曲。
- 社交功能: 平台支持关注喜欢的艺术家，并每天发现新音乐。
个性化 (Personalization) & 特色功能:
- Google Flow Music 学习用户风格: 平台会学习用户的创作风格，并随着用户的使用而不断改进。
- 音频效果: 提供音频效果处理功能。
- Stem 分割: 支持将音频分割成单独的音轨 (Stem)。
- 每日积分: 用户每天可以获得一定数量的积分。
- 音频混音: 提供音频混音功能。
入门方式:
|
