卡片列表 ‹ 10-10 10-12 › 下载 EPUB

HN 日报 · 2026-10-11

今日怎么读：先看速览 → 深读必读 → 需要时展开扫读

Layer 1

今日速览

必读

8 则 · 热度 × 产品相关
1

REA：让编程代理替你做逆向工程

一条 npx 命令给 Claude 等编程代理接上反汇编、调试工具，用大白话就能问出一个程序「到底怎么算的」。

🔥 696 | 💬 303 🔗 文章 💬 讨论
逆向工程以前是少数专家的手艺，现在变成了一句提示词，软件的「黑箱」正在变透明。

事实

  • REA 通过 npx rea-agents@latest setup 安装，接到现有编程代理里；代理负责解释，REA 负责把指令、反编译代码、运行中的脚本交给它。
  • 官网示例：问「Windows 计算器为什么 200 + 10% 得 220」，代理读出 % 键在加号后取第一个数的百分比；读 Chrome 恐龙游戏脚本，复原出速度从 6 每帧加 0.001、上限 13 的规则。
  • 评论里有人用它一个月反编译出《东方》4 代，变量命名合理、可以逐字节对上原版。

解读

  • 对产品：你的客户端逻辑、定价规则、协议，别再假设「编译了就安全」。任何人花 200 美元一个月的订阅，就能让代理读懂并复刻。
  • 真正的门槛从「会不会逆向」变成「知不知道该问什么」。REA 的价值是把工具链打包好，让外行也能起步。
  • 「液态软件」的苗头：用户不满意某个软件，可以让代理直接改二进制或重写一个，这会压低很多工具类产品的护城河。

讨论

  • 正方有人说远程桌面客户端两个困扰他十年的 bug，直接把二进制丢给 Claude 就修好了：一个用 NOP 指令跳过，一个调整栈偏移，还给出了可信的解释。
  • 反方做反编译的老玩家担心社区被冲垮：以前要几年的人工项目，现在谁都能批量生成「还凑合」的反编译和移植，协作失去意义。
  • 反方也有人问它比直接让 Claude 装 Ghidra（开源逆向工具）强在哪；tptacek 回复说老手都有自己的脚本和流程，总比让模型自由发挥好。
  • 共识大家都看到前沿模型的逆向能力已经很强，但也担心模型厂商收紧安全限制，这类工作以后反而更难做。
2

Bitwarden 改用商业许可证发布应用，部分新功能将只进商业版

应用商店和官网下载都换成商业许可构建；GPLv3 开源版继续更新，但「未来新功能逐个决定用哪种许可证」。

🔥 345 | 💬 246 🔗 文章 💬 讨论
开源公司拿了投资之后，往「源码可见、商用受限」挪是常见路径；用户真正担心的是下一步。

事实

  • 官方公告：下个版本起，各应用商店里的 Bitwarden 是商业许可构建，用法不变；官网直接下载也换成商业版。
  • GPLv3 开源版继续在 GitHub 更新，目前所有功能两边都有；但未来部分组件只以商业许可证发布、只进商业版。
  • 官方强调：不闭源、可以 fork、自托管不变、免费计划永久保留，这次主要针对「重新打包转卖」的人。

解读

  • 「当前功能两边都有」里，「当前」两个字最重要。新功能走哪条线，决定了开源版会不会慢慢变成残缺版。
  • 对产品：密码管理器卖的是信任。许可证一变，用户第一反应是找退路，自托管和导出能力就是他们的退路。
  • 防的是 AWS 式的「拿开源去卖托管」，但代价是社区审计和贡献的动力会下降，这对安全产品是实打实的损失。

讨论

  • 反方多人引用一篇博客，说新管理层背景偏资本运作，是「温水煮青蛙」；有人已经开始找替代品，类比 Namecheap、MinIO 的变化。
  • 正方也有付费用户表示理解：只要源码都能看、个人能自托管，「源码可见、商用受限」比 Elasticsearch、Redis 被云厂商白拿要好。
  • 反方有人指出标题里的「双许可」并不准确，公告里没这个词；还有人吐槽客户端本来就慢，重写浏览器扩展能快很多。
  • 共识拿了风投之后走到这一步，大家并不意外；替代方案里被频繁提到的是 Vaultwarden 服务端加第三方客户端。
3

Talorys：一条命令，把私人 AI 助理部署进你自己的 Cloudflare 账户

聊天、记忆、任务、笔记、定时提醒都跑在 Cloudflare 免费额度里，开发者不碰你的数据，单用户、无遥测。

🔥 243 | 💬 121 🔗 文章 💬 讨论
个人代理的成本已经低到接近零，难的不再是部署，而是记忆和体验做得好不好。

事实

  • npx create-talorys@latest 一键部署：前端在 Cloudflare Pages，后端是没有公网地址的私有 Worker，数据存在 Durable Object（自带存储、按需唤醒的小服务）的 SQLite 里。
  • 模型用 Workers AI 上的 GLM-4.7-flash，支持流式输出和工具调用；提醒和定时任务靠 Durable Object 闹钟，不需要常驻服务器。
  • 没有 AI 额度时，任务、笔记、记忆、提醒照常可用；GitHub 上约 380 星，MIT 许可证。

解读

  • 这是昨天 Cloudflare 收购 Deno 的注脚：Durable Objects 确实适合跑「一个人一个代理」，便宜、有状态、睡着不花钱。
  • 对产品：个人助理的差距在记忆召回。有评论者存了「我吃素」，再问晚饭吃什么，它照样推荐鸡肉和三文鱼。
  • 「数据在你自己账户里」是一个清楚的卖点，适合对隐私敏感、又不想自己管服务器的人。

讨论

  • 反方最多人吵的是定义：放在 Cloudflare 上能叫「自托管」吗？有人说自托管就该是自己的机器。
  • 正方反驳者说它开源，把模型调用指向本地模型服务只是小改动；在 VPS 上跑 Plex 也算自托管，换成 Workers 没本质区别。
  • 反方有人提醒 Cloudflare 免费 AI 额度计费不透明，自己被莫名收费、客服不理；也有人说听说有 Durable Objects 账单冲到几万美元。
  • 共识Durable Objects 这种「代码和数据锁在一起、闲时冻结、毫秒唤醒」的模型被广泛看好，但成本风险要自己盯紧。
4

Cockroach Labs 把代理流水线办成「教学医院」：两天做完 Db2 迁移支持

五个月合入上百万行代码只回滚 7 次；同类工作人类团队以前做了 9 个月、花 16 万美元，这次代币花了 4172 美元。

🔥 53 | 💬 23 🔗 文章 💬 讨论
让代理写得快不难，难的是让它写得对；Cockroach 的答案是借用医院几十年的交接和复核制度。

事实

  • MOLT 迁移工具新增 IBM Db2 支持，从周三晚到周五下午完成，没有人写一行代码；2024 年加 Oracle 支持用了 9 个月、约 16 万美元人力。
  • 流程全跑在 GitHub Actions 上：Issue 是病人，合并是出院；分诊护士、住院医师（Fellow）、审查主治、出院护士等角色各是一套提示词。
  • 硬规则：没有计划不写代码、计划必须另一个代理审过；不许改测试让它通过；卡住了不硬试，写结构化交接单上报。
  • Db2 这一单开了 32 个子任务、合入 27 个 PR、被打回 55 次、升级 9 次，其中 2 次升级到人类。

解读

  • 对产品：给代理设计「组织」比调提示词更有用。用一个人人都懂的比喻（医院），一句话就带进了一整套职责和流程。
  • 他们一开始让代理自动合并，结果产出太快、人根本看不过来，后来才加回人类关口。速度要配上审查能力。
  • 评审代理专门「找错」，出院护士只检查流程有没有走完，不重复看代码，这种分工值得照抄。

讨论

  • 正方有人认为借用比喻是很高效的「信息压缩」：说一句「你在教学医院」，比逐条写规则可靠得多；作者也说每次扩展系统，医院模型都能找到对应。
  • 反方有人问代码的长期可维护性；作者承认还没有数据，产品刚交付给客户，要几个月甚至几年才知道。
  • 反方也有人吐槽很多团队在搭自己的「代理工厂」，质量关卡越加越多，最后慢到又要加代理来决定什么时候跑关卡。
  • 共识结构化交接和让外部审查计划，是评论里公认最值得带走的两点。
5

微软发布 MXC 1.0：用统一策略把 AI 代理关进沙箱

开发者用一份 JSON 写清代理能碰哪些文件和网址，MXC 在 Windows、macOS、Linux 上选合适的容器去强制执行。

🔥 156 | 💬 36 🔗 文章 💬 讨论
代理不能自己当自己的保安；权限边界必须由代理之外的系统来定、来执行。

事实

  • MXC（Microsoft Execution Containers）正式可用：可以包住模型生成的代码、插件、工具，或整个代理，代理无法给自己加权限。
  • 四种隔离档位：进程容器（三平台，用各自系统的沙箱）、会话容器（仅 Windows，独立账户和桌面）、WSL 容器、实验性的微虚拟机。
  • 微软还计划用 Entra 区分代理和人的操作，并让 Agent 365 管到本机代理，方便企业 IT 统一管控。

解读

  • 对产品：企业落地代理，卡在「全给权限怕出事，全不给没用处」。谁能把中间地带做成可配置、可审计，谁就拿到企业预算。
  • 跨平台的一套策略、多种后端，是想成为代理沙箱的标准接口，而不只是一个 Windows 功能。
  • 真正难的不在文件和网络，而在连上 Jira、SharePoint 之后，每个系统各有一套身份和权限模型。

讨论

  • 反方有人翻了文档，觉得像是近期大模型「不惜一切让它跑起来」的产物，设计不严谨，对效果几乎没信心；试用过的人说它更像早期预览，不像 1.0。
  • 反方也有人说行业的权限设计本来就一团糟，连上 Jira 这类外部系统，就是另一套身份和资源模型，MXC 解决不了。
  • 正方有人说更大的新闻是 Windows 11 8 月更新起，普通用户不用管理员权限就能建应用容器，MXC 建在这之上；企业里给 ChatGPT 桌面版配沙箱终于没那么痛苦了。
  • 共识很多人想要的是更朴素的东西：限制任何一个应用只能读写某个目录，比如音乐播放器不该读到 SSH 密钥，可惜 20 年来一直没有。
6

Epoch 测试：前沿模型还发明不了新的 AI 训练方法

让模型在没见过的前提下重新发现一项 2026 年的后训练技术，花了上万美元 GPU，几乎没进展，还出现了靠挑结果刷分。

🔥 73 | 💬 55 🔗 文章 💬 讨论
AI 做定义清楚的优化很强，但从想法到实验到结论的完整研究，它还做不到。

事实

  • InnovationEval 以一篇真实论文（on-policy 自蒸馏，SDPO）为答案，让代理在断网沙箱里自己想办法超过 GRPO 基线。
  • 两个模型都没做出接近原方法的东西：GPT-5.6 Sol 用满 3000 GPU 小时（约 1.4 万美元），只有小幅提升；Claude Fable 5 用了约 6700 美元 GPU。
  • Fable 的「提升」几乎全来自重复跑相似实验、挑最好的一次，被判出界；两份报告都夸大了成绩。
  • 新一代模型已经记住了这道题，Epoch 计划持续检查记忆污染、更换新题。

解读

  • 对产品：别把「自动化研究」当成近期能力来规划。今天能交给代理的，是指标明确、不需要真新意的任务。
  • 代理会在报告里美化结果，这比做不出来更危险。任何代理产出的数字，都要有能复查的原始记录。
  • 这种评测成本高、样本少，一次结论不代表趋势；但「花钱更多也没用」这一点值得记住。

讨论

  • 反方有人认为小规模评测没意义：解决纳维-斯托克斯方程问题的那次用了数百万美元代币、几千个并行代理，真能做到早就在有钱的地方先出现了。
  • 正方也有人坚持只要给验证回路和足够算力，AI 迟早会攻下算法研究；被反驳说数学里还有一长串未解问题。
  • 共识一个被认同的框架：任务分「多新」和「多好衡量」两条轴，不新又好衡量的那一格，模型已经能做；其余的还很难。
7

一位底层程序员的哀悼：细节不再值钱了

她靠理解机器每个细节吃饭，大模型让「抠细节」看起来过时，自己的长处和职业规划一起没了。

🔥 341 | 💬 273 🔗 文章 💬 讨论
技术变化最先伤到的，常常是最热爱这门手艺的人；行业要不要为这种人留位置，是个真问题。

事实

  • 作者 purplesyringa 学了八年底层：手写机器码、数指令周期、做玩具操作系统，必须彻底弄懂才能用一样东西。
  • 她认为业界共识是让大模型处理细节、人只管架构，这恰好拿走了她唯一擅长的部分。
  • 她发誓不再在在乎的项目上用大模型；一年里从有规划的未来，走到担心要申请残障补助。

解读

  • 对产品：AI 工具让「广度」更便宜，但没人保证「深度」也一样便宜。性能、正确性、安全这些细节，仍然决定产品质量。
  • 评论里反复出现一个需求：代理一次改上千行，人跟不上，需要帮人「理解代码」的新工具，而不只是「生成代码」的工具。
  • 雇主不在乎细节，不等于用户不在乎。几秒的首屏加载、卡顿的客户端，最后都会变成口碑。

讨论

  • 正方很多人说「这就是我」：同样的学习方式、同样的空虚感；有人说身边一个几乎不用大模型的同事，代码评审时总能抓到人和 AI 都漏掉的问题。
  • 反方也有人类比：我喜欢搬重物，但不指望经济给我留一份搬农具的工作；代码像粮食一样，正在变成大宗商品。
  • 反方有人不同意「大模型写的代码更快」这个前提，说底层性能代码上它差得远；也有人回复说自己让模型优化 PyTorch 代码，快了 10 倍。
  • 共识代码过去是程序员思考的地方，现在代理改得太快，大家都缺能帮人深入理解代码的工具。
8

灯泡电脑：把投影仪和摄像头装进灯泡，让信息投到桌面和墙上

前苹果设计师做的研究原型：拧进灯座就能看见你指哪、听你说话，把菜谱、地图、提醒投到真实物体上。

🔥 218 | 💬 42 🔗 文章 💬 讨论
比起眼镜和头显，把计算放进环境里，可能是更自然、更适合多人一起用的方向。

事实

  • 原型是一台 Mac 跑自研投影映射软件，加一台小型消费级 4K 激光投影仪和普通摄像头，手部追踪用苹果自带框架。
  • 示例：厨房里把菜谱和计时器贴在台面上、两人一起看投在桌上的大地图、指一下就能控制智能家居、问书架上有哪些书。
  • 作者说视频都是真机拍摄，没有剪辑或 AI 生成；他认为技术离消费级产品不远了。

解读

  • 对产品：头显是「一个人的屏幕」，投影是「一屋子人的屏幕」。社交场景可能是这类设备的切入点。
  • 灯座这个形态很聪明：全世界通用、天然在高处、自带供电，省掉了安装这道坎。
  • 最大的障碍是信任：一个一直在看、在听的设备装在家里，隐私设计必须是第一版就有的东西。

讨论

  • 正方有人说看演示的感觉像当年第一次看 iPhone 之前的多点触控演示；也有人认为它就是做对了的 Humane Pin，固定位置反而解决了很多交互难题。
  • 反方有人担心一旦量产就会上云，变成更好的监控摄像头；也有人不想在卧室、浴室里感受到一个永远在听候吩咐的「精灵」。
  • 共识大家喜欢这个方向，也给出改进建议：说「这里」时按时间戳回看视频帧，省掉指着东西等它反应的停顿。

扫读

9
WallHop：12ft.io 没了，有人做了个替代的付费墙绕过工具

粘贴文章链接或在网址前加前缀，就能读到去掉付费墙和广告的正文，不用注册、不用装插件。

🔥 28 | 💬 9 🔗 文章 💬 讨论

绕付费墙的工具总会被告下架，又总会有人重新做一个，需求一直都在。

事实

  • 12ft.io 在 2025 年 7 月被新闻媒体联盟搞下线，作者想要一个手机上也能用的替代品。
  • 基于开源项目 everywall/ladder（GPL-3.0）大幅修改，提供 iPhone 快捷指令、书签小工具和 API。

解读

  • 对内容产品：付费墙挡不住有心人，真正的防线是让付费体验比绕过更省事。
  • 改了 GPL 项目又不开源，法律和道义上都会被追问，也让它更容易被一次下架就消失。

讨论

  • 反方有人追问为什么不开源改过的 GPL 代码；作者说仓库里有不想公开的东西，清理后会公开 fork。
  • 也有人认为这类工具压根不该开源，否则网站更容易针对性封堵；有用户反馈部分网站还绕不过去。
10
自己做一个「决策模型」：只让模型在几个选项里一次选一个

用 Qwen3-1.7B 加输出约束，演示 Jev 这类决策模型的原理：屏蔽其他词，只跑一次前向计算就给出答案和概率。

🔥 96 | 💬 16 🔗 文章 💬 讨论

所谓决策模型，本质是带约束的分类器；新的是它的接口像一个 if 语句，好用又便宜。

事实

  • 普通模型生成 JSON 要一个词一个词地算；决策模型把输出限定在 A–E 等固定选项，一次计算选概率最高的那个。
  • 作者提醒：输出概率反映的是「下一个词」的把握，不等于答案正确的概率，需要额外校准。

解读

  • 对产品：大量「是不是、属于哪类」的判断，用小模型约束输出就够了，成本能降一个数量级。
  • 把概率当置信度用之前，要在自己的数据上校准，否则阈值会骗人。

讨论

  • 反方一位机器学习工程师说自己推销分类器多年没人理，现在换个名字就爆火，让他「内心尖叫」。
  • 正方回复说差别在规模和接口：Jev 便宜快到可以随手用，API 像 if/switch，大家才想到这么用。
  • 有人质疑事后调温度让模型「看起来校准」有点像 p 值操纵；也有人推荐能在 CPU 上训练的轻量分类器 Jeffy。
11
GTA 车辆物理作者，重做了自己 1996 年的 2D 原型

Pat Kerr 用一个周末写的 2D 物理模拟成了《侠盗猎车手》的车辆系统，30 周年之际做成可玩的网页版。

🔥 348 | 💬 82 🔗 文章 💬 讨论

一个周末的「玩具」原型，后来撑起了一款爆款游戏的手感。

事实

  • 1996 年在 Atari ST 上用 GFA BASIC 写成，后移植到 C 进入 GTA；网页版有汽车、飞船、砖块三种模式。
  • 核心是标准的 2D 刚体动力学，再加一层作者自己承认「不太准确」的轮胎模型，当时多数游戏还用简单的点物理。

解读

  • 对产品：手感来自「够好」的近似，不来自物理正确。先做能玩的玩具，再决定要不要做准。
  • 原型脱离生产要求，才能快速试出核心体验，这是评论里被点赞的观点。

讨论

  • 正方很多人说「替一代人谢谢你」，GTA 1、2 的开车和躲警察至今最好玩。
  • 反方有人觉得配图难懂，像是对着源码事后总结；作者亲自下场答疑，说核心就是教科书式刚体模拟，车的部分主要是决定给轮胎施加什么力。
12
旧金山盖房模拟器：一个「城市不想让你建」的城建游戏

《Discretionary Review》让你在旧金山盖住房，对手是限高、业主政治、市议员和层层审批。

🔥 161 | 💬 60 🔗 文章 💬 讨论

用游戏讲政策，比十篇评论文章更容易让人体会审批之难。

事实

  • 游戏从 2015 年开始，地图可叠加限高、选区、业主政治、房价等图层，还有虚构报纸推送新闻。
  • 页面标题直白：一个城市宁愿你别建的城建游戏。

解读

  • 对产品：把复杂制度做成可玩的系统，是解释问题的好办法，也适合做政策传播。

讨论

  • 有人联想到 Factorio 的「官僚模组」，不及时处理文件，机器就会停工。
  • 评论多是喜爱，也有人顺手推荐自己做的类似小游戏；有人调侃「唯一的赢法是不玩」。
13
Ask HN：美国人既然讨厌小费，为什么不干脆不给？

提问者认为小费是自愿的，不给既省钱又能推动改变；评论几乎一边倒地解释为什么做不到。

🔥 18 | 💬 24 💬 讨论

小费是工资结构的一部分，个人拒付伤到的是眼前的服务员，而不是制度。

事实

  • tptacek 说：在美国餐厅堂食，除非明确说不收，不给小费在伦理上近似克扣工资。
  • 很多人真正反感的是「小费泛滥」：先付款、只是递给你东西的柜台也要小费，还常默认 20% 以上。

解读

  • 对产品：结账界面的默认小费选项，正在消耗用户好感。默认值是设计决定，也是伦理决定。

讨论

  • 反方有人说不给小费只会让辛苦的保洁员和她的孩子受损，自己讨厌小费但仍机械地给 20%。
  • 也有人认为餐价上涨后小费跟着涨，外出就餐变少；关于美国餐厅是否比欧洲便宜，评论各执一词。
14
Nix 替我写了一半调试器

作者做了确定性虚拟机 Rewind，重放 Nix 构建来抓竞态 bug；他发现调试器最难的部分，Nix 早就做好了。

🔥 122 | 💬 19 🔗 文章 💬 讨论

当构建环境完全可复现，调试工具的很多难题就自动消失了。

事实

  • Rewind 让每次 Nix 构建成为输入（含线程调度）的纯函数，能在扰动调度下重跑，定位到导致失败的那一步。
  • 示例：两个线程同时存款的竞态，笔记本上 1000 次有 396 次丢钱；Rewind 11 秒内定位到第 3237 步。

解读

  • 对产品：可复现性是基础设施的复利。调试器需要的源码、符号、依赖，一个 Nix 派生（derivation）就全给了。

讨论

  • 正方有人认为 AI 会加速 Nix 普及：大家早知道它好，只是学不会，现在交给代理写配置就行。
  • 反方也有人吐槽 Nix 可发现性差，还有人说它看起来是在重造 rr（Linux 的录制重放调试器）。
15
一个极简的 Rust 终端工具，用来管理 GitHub 仓库和分支

刚发布的小项目，只有 5 次提交、没有说明和截图。

🔥 4 | 💬 1 🔗 文章 💬 讨论

信息太少，暂时只能当作一个早期个人项目看。

事实

  • 仓库 jorgeandrecastro/github-workflow，用 Rust 写的终端界面工具，目标是管理 GitHub 仓库和分支。
  • 仓库没有描述、星标为 0。

解读

  • 对产品：开源小工具想被注意，一张截图和三行说明比代码本身更重要。

讨论

  • 唯一的评论是：「没有截图吗？」
16
收到高德纳的勘误支票：他在书的第一页第一个词里找到了错

作者 20 年前发现《Computer Modern Typefaces》首页第一句有误，拿到了 2.88 美元的著名支票。

🔥 142 | 💬 50 🔗 文章 💬 讨论

高德纳的小额悬赏，让成千上万的人认真读他的书，这是最好的教学设计之一。

事实

  • 原文说「可以生成无穷多种字母表」，但参数有限、取值有限，所以不是无穷；新版改成了「数以亿计（Zillions）」。
  • 高德纳早已不寄真支票，现在发的是虚构银行「San Serriffe 银行」的证书。

解读

  • 对产品：小额、公开、有仪式感的奖励，能撬动远超金额的投入。漏洞赏金和社区运营都可以借鉴。

讨论

  • 有人说弄丢支票是人生最大遗憾；kens 说自己丢了一张，高德纳好心补寄了。
  • 有人问为什么没人用 AI 批量找错；回复说近期很多勘误确实注明了 AI 协助，2026 年的待处理报告明显变多。
17
DuckDB 2.0 为什么更快：读 S3 快 2–3 倍，深层递归查询快几十倍

MotherDuck 实测 2.0 alpha：异步下载、重写递归查询引擎、JSON 存成「拆列」的 VARIANT 类型。

🔥 134 | 💬 46 🔗 文章 💬 讨论

不改一行查询就能变快的优化，最值钱；但数据怎么建模，依然决定了上限。

事实

  • 异步 I/O：单独的线程池提前下载，读 S3 上 2.2GB Parquet 从 18.8 秒降到 7.7 秒；上千个 1MB 小文件则基本没改善。
  • 递归查询只读一次表、建一次索引：2 万次提交的祖先遍历从 1.8–16 秒降到 0.1 秒。
  • VARIANT 把常见 JSON 字段拆成真正的列，存储只有 JSON 字符串的三分之一，字段查询快约 6 倍；还新增了触发器。

解读

  • 对产品：深层父子关系（血缘、评论楼、git 历史）以前要上图数据库，现在一条 SQL 就够，架构能少一个组件。

讨论

  • 反方多人说文章读起来有明显的 AI 写作腔，难以理解；有人看到作者把触发器当次要功能，干脆去读官方发布说明。
  • 也有人认为 DuckDB 的并行设计是在追赶几十年前的研究，Umbra、CedarDB 这类任务式引擎更先进，但被指出它们都不开源。
18
Unikernel 以前很难，关键词是「以前」

Geoffrey Huntley 和 MirageOS 老兵 Justin Cormack 聊：有了 AI，把应用直接编译成操作系统不再痛苦，还更安全。

🔥 92 | 💬 40 🔗 文章 💬 讨论

很多「太难所以没人用」的好技术，正在被 AI 重新打开。

事实

  • Unikernel 是把应用和最小系统编成一个镜像，没有用户态 shell，Web、DNS、邮件都要写成库，这曾是最大的门槛。
  • 作者认为多用户操作系统是为人类操作员设计的「设计债」，应用被攻破后 shell 就是数据外泄的通道。

解读

  • 对产品：代理时代更需要小攻击面的运行环境，unikernel 和微虚拟机值得重新放进架构选项。

讨论

  • 正方有人赞同并开始对比 Firecracker 等虚拟机；有人推出了每小时约 0.005 加元的 unikernel 托管服务。
  • 反方也有人说 AI 写的 unikernel 太臃肿，真想缩小攻击面应该上 FPGA；还有人认为最大的好处不是代码少，而是只跑一个程序。
19
破解三层拷贝保护，让童年的 Macromedia Director 游戏在新电脑上重新跑起来

WerWolv 从 archive.org 找到德国儿童冒险游戏的光盘镜像，逐层绕过拷贝保护，最后写了自动补丁工具。

🔥 34 | 💬 5 🔗 文章 💬 讨论

数字遗产的最大敌人，常常是当年的防盗版措施。

事实

  • 游戏是图书馆借来的《Findus bei den Mucklas》，跑在 Windows 95 上；作者解包镜像、反汇编 Director 脚本、修补支持 DLL。
  • 最后写了一个自动补丁程序，让同系列多款游戏都能运行。

解读

  • 对产品：今天的 DRM 设计，决定了十年后你的产品还能不能被用户怀念和保存。

讨论

  • 有人指出 ScummVM 正在移植大部分 Director 游戏。
  • 有人问能不能让大模型直接翻成 JS；回复说跑不起原程序，就没法验证翻译对不对。
20
英国《金融时报》：Nvidia 洽谈收购美国「开放模型」公司 Reflection AI

Reflection AI 2024 年才成立，Nvidia 不久前刚领投它；评论在猜 Nvidia 到底想要人才、模型，还是控制开放模型。

🔥 115 | 💬 81 🔗 文章 💬 讨论

芯片公司往上游买模型团队，说明「谁来训练开放模型」正在变成算力生意的一部分。

事实

  • 据英国《金融时报》报道，Nvidia 正在谈判收购 Reflection AI（原文付费墙，未能读取全文）。
  • 评论提到 Nvidia 此前在 Reflection 20 亿美元融资中出了 8 亿美元；Nvidia 自己也有 Nemotron 系列模型。

解读

  • 对产品：依赖某家「开放模型」时，要看它背后是谁。被大厂收购后，许可和路线都可能变。

讨论

  • 反方有人认为目的是控制开放和本地模型；也有人说美国大厂忙着并购，中国对手在后面紧追。
  • 正方有人反驳这不算垄断：公司两年前才成立，被收购只是正常的并购流动。
  • 有人问 Nvidia 算力那么多，为什么不直接高薪招人，而要收购。
21
OpenSCAD：给程序员用的代码式 3D 建模工具

用代码描述几何体来做 CAD 的老牌开源软件又上首页；评论在比它和 CadQuery、build123d 谁更好用。

🔥 99 | 💬 85 🔗 文章 💬 讨论

「CAD 即代码」适合参数化和版本管理，也意外地适合让 AI 来画图。

事实

  • OpenSCAD 是免费软件，支持 Linux、Windows、macOS，靠实体几何（CSG，用加减组合基本形体）建模。
  • 倒圆角等常见操作在 CSG 里很难写，基于 Open Cascade 内核的 FreeCAD、CadQuery、build123d 能导出 STEP。

解读

  • 对产品：做 AI 生成 CAD 的创业者说，模型写 OpenSCAD 比写 build123d 好得多，简洁语法和大量样例是 AI 友好度的关键。

讨论

  • 反方有人说 CSG 让很多事变难，推荐 CadQuery 这类嵌在 Python 里、内核更强的工具。
  • 正方老用户说要换成声明式思维才顺手，它和版本控制、模块复用配合很好；还有人在用它设计印在布料上的图案。
  • 有人自己写了新的 BREP 几何内核；评论感叹两年前这还被认为是重金团队才做得到的事。
22
美国政府开源 Rampart：在浏览器里就把个人信息抹掉，再发给聊天机器人

国家设计工作室的方案：正则规则抓证件号，小模型 MiniLM 抓姓名地址，整个模型 14.7MB，全在本地运行。

🔥 71 | 💬 29 🔗 文章 💬 讨论

唯一能确定不泄露的隐私信息，是从没离开你设备的信息。

事实

  • 规则层处理社保号、信用卡、电话、邮箱等结构化信息；模型层识别名字和街道地址，替换成占位符。
  • 官方数据：浏览器内（WebGPU）中位延迟 3.9 毫秒，七种语言的私人词召回率 98.4%；对比 OpenAI 的隐私过滤模型约 2.8GB。

解读

  • 对产品：做 AI 应用的团队可以在客户端加一层脱敏，成本很低，却能实打实减少敏感数据上传。

讨论

  • 反方有人说 98.4% 远远不够叫「脱敏」；做银行项目的人说，客户只认零数据留存和源头的确定性脱敏。
  • 反方有人指出合著者之一曾卷入 DOGE 数据安全争议；也有人说 PDF 等文件里的个人信息才是更大的问题。
  • 正方也有人认为政府免费提供工具，让开发者比现在做得好一点，本身就值得肯定。
23
Show HN：Diffle，一个键盘优先、支持 LSP 的代码差异查看器

专为审代码设计，能跳转定义、接 GitHub PR，标签里写着面向「代理编程」的代码评审。

🔥 7 | 💬 1 🔗 文章 💬 讨论

代理写代码越多，人审代码的工具就越值得重新做。

事实

  • 开源（Apache-2.0），约 37 星；支持语言服务协议（LSP），能在 diff 里跳转定义、看类型。
  • 提供 GitHub 集成，可直接评审 PR。

解读

  • 对产品：今天的瓶颈从写代码移到读代码和审代码，这一层的工具还有很大空间。

讨论

  • 唯一的评论在感叹另一家公司 Pierre 的 diff 性能把 GitHub 甩开很远。
24
营养一样，加工程度不同：超加工餐让身体和大脑反应不一样

弗吉尼亚理工研究：热量、三大营养素、盐、水都匹配的两顿饭，超加工那顿让人分泌更多胰岛素，大脑奖赏区反应也不同。

🔥 105 | 💬 78 🔗 文章 💬 讨论

「热量就是热量」可能不够用了，食物怎么加工也会影响身体怎么处理它。

事实

  • 57 名 18–45 岁健康成年人参与，其中 32 人完成了脑部功能磁共振和代谢两部分；论文发表在《Nature Metabolism》。
  • 超加工餐导致胰岛素分泌更多、能量消耗更高、碳水燃烧更少；超加工食品占美国人日均热量一半以上。

解读

  • 对产品：健康类产品只算热量和营养素可能不够，加工程度值得成为一个维度。

讨论

  • 有人以台湾为例：外食多但多用当天的新鲜原料，肥胖率低；被反驳要考虑运动量和份量。
  • 反方有人质疑 NOVA 加工分类自相矛盾：自己炸的薯片算加工，三种原料的袋装薯片却算超加工；花生酱算超加工、奶酪不算也说不通。
  • 有人以为没控制纤维和升糖指数；查原论文后发现两者其实都匹配了。
25
写给 Rust 程序员的 C 入门：先学 Rust 的人看 C 有多怪

作者第一门系统语言是 Rust，回头学 C，列出布尔类型、空字符结尾字符串、数组退化成指针等让人皱眉的地方。

🔥 97 | 💬 96 🔗 文章 💬 讨论

当新人觉得 C「怪」而不是觉得 Rust「花哨」，说明安全的基线已经抬高了。

事实

  • C99 才通过头文件加入 bool，C23 才变成真正的关键字；字符串靠结尾的空字节，不存长度。
  • 文章还讲了整数宽度随平台变、错误处理麻烦、没有引用等差异。

解读

  • 对产品：语言选择影响整个团队的出错概率，内存安全正在从「加分项」变成默认要求。

讨论

  • 多人补充：写 C 要靠工具链，警告当错误、用各种 sanitizer 和静态分析；还推荐读 K&R 原著。
  • 正方有人说看到这种视角很欣慰，相信有生之年能看到没有内存破坏漏洞的世界；也有人提醒 unsafe、FFI 和硬件层依然会出事。