卡片列表 ‹ 10-25 10-27 › 下载 EPUB

Layer 1

今日速览

必读

8 则 · 热度 × 产品相关
1

Dan Luu:别再用旧成本算账,软件可以做得更大

以 pgrust 为例:认真测、认真跑基准,AI 时代的大重写也能做出可用的东西。今日热度第一(昨天已上榜,讨论继续发酵)。

限制大多数人的不是模型能力,而是脑子里那张「这事要做一年」的旧价目表。

事实

  • pgrust(用 Rust 重写 Postgres)在测试中挖出多个 Postgres 真 bug:SP-GiST 数值错误、JSONPath 缓存错误、pgcrypto、字典加载器内存安全问题等。
  • Dan Luu 自述:不懂正则和编译器,也用个位数小时做出比通用库更快的正则引擎、ripgrep 分支、加速 Rust 构建的工具——「对我够用」的质量,离产品级还差很多。
  • 他的判断:人们抱怨 Rust 编译慢之类的问题,是因为还带着「agent 之前的成本模型」;以前写编译器的人像「想做独立游戏先写引擎」的人,如今这类事变得合理。
  • 举例:用 GPT-5.1/5.2 做 Azul 棋类 AI 要大量纠偏;换 Fable 5.1 / Opus 5.5 后,模型能读论文并正确实现技术。

解读

  • 产品侧:「能做」和「能交付」之间隔着测试和基准。pgrust 可信,是因为它测出了别人的 bug,不是因为它说自己快。
  • 对小团队:以前因为太贵而砍掉的内部工具、性能优化,值得重新排一遍优先级。
  • 术语平讲:vibeslop=随手让 AI 生成、没人认真验证的项目;SP-GiST=Postgres 的一种索引结构。

讨论

  • 正方很多人说终于能做搁置多年的点子:给 Kobo 阅读器写带沙箱的应用 SDK、自制遥控工具、每出一个新模型就试一个月级项目。
  • 反方AI 加速的代码常对测过的场景过拟合,换个场景就不快、也难维护;「更快的 Postgres」只是更快的马。
  • 反方有人晒的项目只放截图和 README 不放代码,被指「狡猾甚至欺骗」——能力宣称同样需要可验证。
  • 共识真正的稀缺是「只有你能写出的需求」,不是「更快的 ripgrep」这种人人能提的规格。
2

大模型几个月降价 80%:不是慈善,是竞争

Max Woolf 梳理 6 月以来 OpenAI 与 Anthropic 的价格战:缓存读取价砍得最狠,开源权重在背后追。

当换模型只要改一行配置,价格就会往边际成本走——「token 迟早涨价」的说法缺证据。

事实

  • 时间线:GPT-5.6 Luna 7 月降价 80%;Fable 5.1 缓存读取价降 75%;GPT-6 Sol 定价 $2/$10,再到 6.1 Sol 缓存价减半;Opus 5.5 称「服务成本更低,定价随之下调」。
  • 作者算账:写代码类 agent 里缓存读取占 token 总花费 96%–99%,所以缓存价降 75% 约等于使用成本降 70%–75%。
  • Vercel 网关数据:每 token 成本降到 4 月的 43.3%,但总花费仍在涨——模型变好的速度比变便宜还快。
  • 开源侧:DeepSeek V4.1 Flash 在 OpenRouter 上有 29 家托管商(5 月是 13 家);Kimi K3.1 Pro 接近 Opus 5.5 的分数、价格一半。两家都传将 IPO。

解读

  • 对 Afizzy:长对话产品的成本大头是「每轮重读历史」,挑模型时看缓存读取价和命中率,比看标价更准。
  • 护城河在往上移:两家都在做企业合约和个人助理(Dots、Duet),说明光卖 token 守不住。
  • 术语平讲:MTok=百万 token;cache read=重复读取已缓存上下文的计费;OpenRouter=一个 API 接多家模型的路由平台。

讨论

  • 正方DeepSeek 称 V4.1 Flash 每 GPU 小时收入约 $38,按 10 个月回本定价——推理本身能赚钱。
  • 反方有人认为 LLM 不是可行生意,亏损靠融资和宣传撑着;也有人担心这是看谁先撑不住的价格战。
  • 反方GPU 像机票座位,不用就浪费;需求有限才降价。另有人怀疑两家在推「监管」来挡中国开源模型。
  • 共识更好的缓存和更小的模型(新版本实际变小)是降价的直接原因,不必过度解读。
3

十年老 CNN 看皮肤癌,比前沿大模型准

皮肤科医生用 200 个活检确诊病例测 GPT-6 Astra 和 Claude Fable 5.1,输给一个微调 20 分钟的 Inception v3。

专用小模型赢在准确率,大模型赢在「不敢放人走」——先想清楚你的产品更怕哪种错。

事实

  • 数据:MILK10k 公开集,随机抽 200 个病灶(100 个不该放走:黑色素瘤、基底细胞癌等;100 个良性),每个都有临床照和皮肤镜图。
  • 首选诊断正确率:CNN 125/200(62%),两款 LLM 各 84、85(42%);允许第二选择时 173 对 134、138。
  • 但在预设阈值下,CNN 把 30 个黑色素瘤里的 18 个判为可放走,两款 LLM 只放走 3、4 个;LLM 也几乎不放走良性病灶(32、22 对 CNN 的 76)。
  • 作者自列局限:样本小、LLM 每例只跑一次、全是难例;CNN 只是基线,受监管的商用产品更强。可在手机浏览器里跑。

解读

  • 产品侧:窄任务、量大、有标注数据时,用大模型帮你造一个专用分类器,往往比直接调用大模型更准更便宜。
  • 两款 LLM 各有「偏爱答案」:GPT 把 75 个病灶叫基底细胞癌(实际 25 个),Claude 把 53 个叫光化性角化病(实际 20 个)——错误是系统性的,不是随机的。
  • 术语平讲:CNN=卷积神经网络,图像分类老牌架构;皮肤镜=带光源的放大镜;活检=取组织做病理确诊。

讨论

  • 正方专用网络打败通用模型理所当然,就像计算器做乘法比 LLM 强;但很多人真的在问「有 LLM 何必训练模型」,这种提醒有用。
  • 反方CNN 在同来源数据上微调,对比不公平;SkinGPT-4 论文报告 80% 的诊断被评为正确或相关。
  • 反方真实诊断有病历、追问、非标准照片,LLM 的潜力在多模态上下文,不在单张图分类。
  • 共识经验法则:预训练里多、又专门做过强化学习的任务(如写代码),LLM 才可靠;其他领域像「读过几本书、很会说的普通人」。
4

上下文工程现状:老病没好,又来新病

Drew Breunig 在 AGNTCon 的演讲:从「百万 token 塞一切」到「让模型自己管上下文」,每次进步都制造新故障。

agent 跑得越久越容易钻牛角尖;最便宜的修法往往是清空对话、只留产物。

事实

  • 四种老故障:上下文中毒(错误信息进来出不去)、分心(太长后模仿历史而不是规划)、混淆(无关信息影响答案)、冲突(工具和指令互相打架)。
  • 六种修法:按需增补(RAG/skills)、工具筛选、子 agent 隔离、修剪、外存到文件、压缩摘要。有企业每个工程师启动就加载 600 个 skill,表现骤降。
  • 两种新病:「对抗权重」——模型被训练习惯的工具形态和你的不同;「上下文惯性」——死盯一个假设不放。Anthropic、微软、伯克利的解法都是定期清空上下文、保留环境产物。
  • 作者经验:约 20 万 token 是警戒线;他预测 2027 年的难题是个人 agent 半年以上积累的记忆和技能互相冲突,需要「有策略的遗忘」。

解读

  • 对 Afizzy:陪伴产品的长期记忆正是作者说的下一个坑——记得越细越容易自相矛盾,要设计合并、过期和遗忘规则。
  • 系统提示里反复大写「请并行调用」,说明在对抗训练习惯;看到这类写法,先想是不是选错了模型或工具形态。
  • 术语平讲:harness=包在模型外面、管工具和上下文的那层程序;compaction=把历史压缩成摘要。

讨论

  • 正方「什么交给代码确定执行,什么交给模型概率决定」这句被多人认为抓住了核心。
  • 反方有人说新模型 25 万 token 很快就满,清掉反而变笨;也有人说厂商自带 harness 后,自己加规则反而冲突,不设置更好。
  • 反方Pokémon 例子是权重里的知识出错,不算上下文中毒,概念有点混。
  • 共识剪掉中间轮次会让后面的缓存全部失效(缓存按前缀算),修剪要算成本。多人确认对话越长模型越笨。
5

JetBrains 开源 Thinkrail:围着 agent 造的轻量 IDE

基于开源 pi 编码 agent,每个任务开独立 git worktree,用 SPEC.md 规格图让意图跨会话留存。

IDE 厂商在找自己在 agent 时代的位置,但「worktree + 沙箱 + 标签页」已经人人会做。

事实

  • 功能:每个工作区是独立 worktree 和分支,多个 agent 并行不碰主目录;内置 Monaco 编辑器、终端、对 diff 留评论再喂给 agent。
  • 「活规格」:代码旁维护一组相互链接的 SPEC.md,agent 用专门工具读写;支持 MCP 服务器、Agent Skills,可接 JetBrains AI 或任意模型商。
  • Apache-2.0 开源,GitHub 约 1.7k 星;评论指出它基于 VS Code 系组件,而非 JetBrains 自家引擎。

解读

  • 产品信号:JetBrains 同时有 Air、Fleet(已停)等多条线,像在试错求生;老用户说重构、跳转这些强项在 agent 时代没那么值钱了。
  • 「规格当真相」值得借鉴:把意图写成文件,比指望模型记住对话可靠。
  • 术语平讲:pi=一个开源的命令行编码 agent;git worktree=同一仓库同时检出多个分支到不同目录;MCP=让模型调用外部工具的协议。

讨论

  • 反方README 被检测为 100% AI 生成,有人因此不信任项目;也有人担心 PR 也都由 AI 审。
  • 反方这类新 IDE 本质是 git + docker + tmux,学会这些工具比被 IDE 的方案绑住更好。
  • 反方agent 不跑在容器或微虚拟机里,被认为不安全。
  • 共识JetBrains 现有 IDE 的 worktree 支持很差,且一直推自家不透明的 token 套餐——用户流失是真问题。
6

一个人指挥 Claude 子 agent,把 F-Zero X 移植到 3DS

基于 F-Zero X 反编译工程,24 天做到 New 3DS 上 60 帧立体 3D,后续又支持老 3DS 和 64DD 扩展包。

这是一份难得的「agent 做硬核工程」账本:时间、token、钱、失败的路都写清楚了。

事实

  • 第一阶段(8/11–9/3):一个长会话做调度,147 个子 agent 干活;消耗 31.7 亿 token,按 API 标价约 $4,974;中位帧率从 12–20 提到 59.6。
  • 第二阶段 43 天:硬件性能计数器显示老 3DS 瓶颈是指令缓存未命中而非指令数,于是重写渲染器,让循环塞进 16KB 指令缓存,3D 下多数赛道 59–60 帧。
  • 人的作用:作者否决了「能用就行」的回放方案,坚持「我们要真 60 帧」;另有一页专门写「唯一由人写的部分」。
  • 不附带 ROM,资源需玩家自备;作者称马上发布联机和自定义赛道分享更新。

解读

  • 产品侧:agent 擅长并行铺量,关键转折仍靠人定目标、看硬件数据、拒绝凑合。
  • 成本参照:同等工程雇人做远超 $5k;但多数人用订阅而非 API 计费,真实花费不好比。
  • 术语平讲:反编译工程=把原游戏机器码还原成可编译的源码;指令缓存=CPU 里存最近用过指令的小内存,装不下就会变慢。

讨论

  • 正方单独留一页人写的笔记被称赞:既有 AI 的细节量,又有人的判断。
  • 反方按 API 价算成本不真实,大家实际用订阅甚至多个账号;想知道真实花费。
  • 共识即便成本放大到 3 万或 10 万美元,比雇人做仍便宜得多。
7

亚马逊给 3 岁孩子卖平板,被批「电子安抚奶嘴」

Amazon Kids 平板主打「第一台真平板」、全天续航和儿童 AI 功能;儿科研究者担心用屏幕哄孩子会伤情绪调节。

把产品设计成「随身哄孩子的伙伴」,商业上很顺,对用户长期却可能是负资产。

事实

  • 产品:8.7 或 11 英寸安卓平板,带提手和保护壳,宣传「足够撑过一趟航班/自驾」;生成式 AI 是高级功能卖点。
  • 密歇根大学儿科医生 Radesky:提手设计让人担心它被当成随身伙伴;AI 替孩子做创作可能削弱独立思考。
  • 研究:JAMA Pediatrics 汇总 23 项荟萃分析、280 多万儿童,屏幕暴露与学业、语言、情绪问题相关;2022 年研究发现用设备安抚 3–5 岁儿童与更差的执行功能有关。
  • 亚马逊回应:否认宣传「让孩子坐好」,称产品参考了 ConnectSafely 等机构意见。

解读

  • 对 Afizzy:陪伴类产品同样会被问「你在替代真人关系吗」;未成年人边界、使用时长和依赖设计要先想好,不要等舆论来问。
  • 「全天续航」「随身带」在成人产品是卖点,在儿童产品就成了指控——同一个功能,用户是谁决定了它的道德含义。
  • 术语平讲:执行功能=记忆、计划、控制冲动的能力;情绪反应性=遇到压力时的冲动程度。

讨论

  • 正方像给孩子推销可卡因的老广告;父母自己也知道这是图方便的坏选择。
  • 反方没带过难带孩子的人别急着指责父母;一开始只是工作会议时让孩子看一会儿,后来就滑坡了。
  • 共识替代方案:给孩子旧电脑、真相机、实体玩具;不少家长立了「礼物不送屏幕」的规矩。
8

Show HN:Hurston-1,会说美国南方和非洲口音的开源 TTS

亚特兰大小团队基于 Maya1 微调,专为电话线路优化,可用一句话描述口音、性别、语速来生成声音。

语音 AI 的短板不在演示音质,而在「真实用户的口音和电话线路」。

事实

  • 训练:约 190 小时语音,其中约 136 小时来自自建、付费且同意授权的口音语料(总库 1800+ 小时),含约 10 小时与 AI 语音客服的真实通话。
  • 评测:口音分类器判为非洲口音的概率从 0.60–0.87 提到 0.84–0.98;难句词错率单次 14.5%,开自检重试后 6.2%;盲听 78% 选它、6% 选原模型。
  • 电话模式直接输出 8kHz G.711,可接 Twilio;Apache-2.0,3B 参数。局限:每次调用都是新声音,不能保持同一角色声音。

解读

  • 产品侧:作者首推用途是给语音识别和语音客服造口音测试集——先测出你的系统在哪类用户上掉链子。
  • 对 Afizzy:角色陪伴最需要「同一个角色每次声音一致」,这正是它目前做不到、计划下一版做的。
  • 术语平讲:TTS=文字转语音;WER=词错误率;G.711=电话网络标准音频编码。

讨论

  • 正方美国南方口音在主流语音识别里表现很差,评测和线上效果因此脱节;这个方向很有价值。
  • 反方试听样本受限访问,网页播放不了;「Afro-English」等命名被质疑笼统,非洲各地口音差异巨大。
  • 共识作者回应:本版先求稳定表现这些口音,后续版本会更细分。

扫读

9

从 1995 年家乡一个县做起,如今覆盖五国,0–5 岁孩子每月免费收到一本书。

好的公益像好的产品:中心只管选书、谈价、配送,钱由各地伙伴出,于是能复制。

事实

  • 灵感来自她父亲不识字;项目覆盖美、加、英、澳、爱尔兰,每月寄出数百万本。
  • 评论:批发价约每本 $2.5,选书和谈判由基金会做,书费由地方慈善或政府出(田纳西州政府承担一半)。
  • 田纳西医院在产房就帮新生儿登记。有评论者称孩子收到最后一本书时附有多莉的信。

解读

  • 规模化的关键是把成本拆给本地伙伴,代价是没有伙伴的地区就覆盖不到。
  • 每本书附有教家长怎么读的一页——交付的不只是货,还有用法。

讨论

  • 正方大量家长现身说法:书质量好、题材多元,孩子会认出封底的多莉。
  • 共识不识字的孩子也受益:给孩子大声读书是帮他们以后学会阅读的最好方法之一。
10

第一轮落后,决选以约 51.8% 对 48.2% 胜出;投票最后时刻被最高法院延长两小时,引发争议。

据评论,Polymarket 一刻钟内从八成押博索纳罗翻成六成押卢拉——实时概率不等于结果。

事实

  • 官方统计:卢拉约 6424 万票(51.78%),对手约 5982 万票(48.22%),投票率约 80.8%(AP、DW 等报道)。
  • 据卫报,这是巴西 1980 年代恢复民主以来首次有第一轮落后者翻盘;路透原文抓取失败,以上来自其他媒体报道。
  • 延长投票的裁决起因是卢拉称多地公交被停运,博索纳罗方可能提起法律诉讼。

解读

  • 选举之夜的预测市场剧烈摆动,说明它对最后几小时的计票信息很敏感,也很噪。
  • 延长投票时长这种程序争议,会成为败选方挑战结果的抓手。

讨论

  • 反方有评论认为卢拉被允许做了 2022 年禁止博索纳罗做的事,包括延长投票。
  • 正方有人反驳:延长投票是双方都提出的请求,法院只是执行。
11

一个 Chrome 扩展:标签页不看就开始计时长草,超过 5% 就点不了,得拿砍刀、电锯或火焰喷射器清掉。

把「这个页面多久没看了」变成看得见的状态,比任何提醒都直观。

事实

  • 每个标签页有「冷落计时器」,离开视线时计时,看着时暂停;植物从边缘向中间长。
  • 可调完全长满所需时间;作者原想禁止关闭长满的标签页,觉得太烦作罢。
  • 代码分后台脚本、页面覆盖层和弹窗三部分,已开源。

解读

  • 产品启发:给「陈旧程度」一个视觉隐喻,用户不用读内容就能判断哪些在用、哪些在囤。
  • 游戏化清理(砍藤蔓)把烦事变成小乐趣——比弹窗提醒更不招人烦。

讨论

  • 正方有人说它其实有用:一眼看出标签页多旧;还有人希望真的加上「不清完不能关」的选项,防止误关。
  • 反方用标签页休眠插件更实用,省内存比可爱重要。
  • 共识类似做法早有:Trello 的卡片「老化」插件会让久未处理的卡片变透明或泛黄。
12

2015 年旧文:在 BBS 时代看到破解组织做的炫技片头,跟着 Denthor 的教程学 Pascal,从此只想「做」而不是「玩」。

让人入行的往往不是职业规划,而是第一次看到「电脑还能这样」的震撼。

事实

  • 作者 Alfie John 在澳大利亚长大,用软盘交换游戏、拨号上 BBS,被游戏前的 cracktro(破解片头)吸引。
  • 转折是下载到 ASPHYXIA 的 Denthor VGA 演示教程,用 Turbo Pascal 6.0 一行行敲代码。
  • 此文 2015 年曾在 HN 讨论过(89 分、59 评)。

解读

  • 启发:好的教程把「施魔法」拆成「画一个像素→精灵→线框 3D」的阶梯,门槛低、天花板高。
  • 术语平讲:demoscene=用代码做实时音画演示的极客圈子;BBS=拨号电子公告板,互联网普及前的社区。

讨论

  • 共识评论区成了怀旧帖:Apple IIe、VIC-20、卡西欧图形计算器,各自的入行故事;多人也是读 Denthor 教程起步。
  • 有人说最大的动力是第一份工作里有完全自主权,用软件解决真实的人的问题。
13

迪士尼动画工作室官方流程页:以《疯狂动物城 2》为例拆解序列、镜头、帧和各部门分工。

90 分钟的电影,是 3–5 年里几十个部门对每一帧的接力。

事实

  • 《疯狂动物城 2》时长 97 分 30 秒,41 个序列,144,355 帧;立体 3D 左右眼共渲染 288,710 帧。
  • 流程分开发、前期、资产制作(建模、绑定、材质、模拟)、镜头制作(布局、动画、特效、灯光)和后期。
  • 迪士尼动画研究图书馆存有 6500 万件历史资产。此页 2022、2024 年都上过 HN。

解读

  • 对内容产品:把复杂流程拆成序列→镜头→帧的层级,是管理大规模创作的通用方法。
  • 术语平讲:绑定(rigging)=给模型装骨骼和控制器,让动画师能摆动作。

讨论

  • 正方皮克斯给永远不会出镜的抽屉内部也做贴图,被当作匠心的例子。
  • 反方前特效师说那是传说式说法:在看不见的地方花时间,等于少花在看得见的地方。
  • 共识迪士尼和皮克斯至今各有自己的渲染器和管线,合并多年也没统一。
14

组织者 Bogomil Shopov 征集议题:翻墙、匿名通信、取证、发布、设备安全,要看衔接处哪里会断。

受压制的人从不只用一个工具,最弱的一环决定结果——这个视角之前没人负责。

事实

  • 专场不讲单一项目,按是否推进整条链路评选:互操作、共享威胁模型、共享失败数据。
  • 背景:俄、伊朗、中国等地审查升级为白名单断网、TLS/QUIC 指纹识别、深度包检测加主动探测、下架翻墙应用、强推国家通讯软件。
  • 举例:翻墙协议被识别指纹,或通讯软件的推送通知把身份绑到谷歌、苹果账号。

解读

  • 产品启发:安全是链条问题,单点做得再好,交接处一漏就全漏。
  • 术语平讲:深度包检测=检查流量内容识别协议;主动探测=审查方主动连接可疑服务器确认是不是代理。

讨论

  • 反方不存在不受审查的互联网,加密流量也跑在可被关掉的网络上。
  • 反方多数人只要审查符合自己政治立场就能接受;审查和内容管理的界线也争论不休。
  • 正方FOSDEM 本身口碑很好:没有推销、技术含量高;有伊朗裔开发者分享了自己做的翻墙工具。
  • 讽刺的是,有人打开这篇文章时卡在「正在验证你的请求」。
15

本地媒体申请查阅一名被投诉打人的警察 2018–2026 年记录,市政府估算需 44,816 工时。

当公开要靠付钱,「定价」本身就成了拒绝的方式。

事实

  • 尤金市警方称处理请求要 $2,484,599.04,另一名前警察的记录要价约 $19.6 万,合计近 270 万美元。
  • 理由是无法缩小检索人员范围,要查所有在职和离职市政员工的记录。
  • 作者来自新闻自由基金会:要么档案是世界最大,要么数据库刻意被维护成难以检索。

解读

  • 系统设计也是政策:档案系统检索难,等于给公开设了门槛。
  • 术语平讲:公共记录请求=美国各州类似 FOIA 的信息公开申请。

讨论

  • 共识44,816 小时约等于 21 年工作量,荒谬到等着被起诉;美国国防部曾对一次 FOIA 请求报价 6.6 亿美元。
  • 另一种拖法是按月挤牙膏式回复;也有前经办人说拖延不一定故意,只是没人负责。
  • 欧洲用户说当地申请不收费;德国正在讨论引入类似的高收费限制。
16

收录公元前 753 年到公元 1475 年罗马及其后继国家所有有名的陆战海战,可按时期、对手、胜负筛选。

把史料做成可筛选的数据表,比读十本书更快看清「罗马主要在跟谁打」。

事实

  • 1,469 场已知结果的战役计入胜负,另有 236 场内战单独排除;东西罗马和 1204 年后的后继国家合并统计。
  • 每个点的面积代表战役数,扇区代表对手;对存疑或「传统记载」的战役单独标注并说明理由。

解读

  • 好的数据产品会把「哪些算、哪些不算、为什么」写清楚,这比图表本身更重要。
  • 评论普遍认为大量由 AI 生成,但数据和可视化仍然好用。

讨论

  • 反方手机上导航难用;有人指出达契亚人的归类有误。
  • 正方有人以为漏了家乡附近的 Maiden Castle 之战,细查后发现那不算真正的战役。
  • 建议每场战役加维基链接,方便看背景。
17

短文引用《Agency》里一边聊天一边在后台倒卖积分的 AI,对照今天的全双工语音和 7×24 后台 agent。

让人震撼的不是 AI 会说话,而是它边说话边在后台做很多事。

事实

  • 吉布森 2020 年出版《Agency》,比 ChatGPT 早近三年;书中 AI 助手 Eunice 在对话同时自己弄钱、找资源。
  • 作者列举:GPT-Live、Block 的 Dessa 做全双工对话;OpenAI Dots、Meta Muse 做后台长期运行的 agent。

解读

  • 对 Afizzy:「边聊边做事」是陪伴产品的下一步,但用户是否愿意开口说话还是问号。
  • 术语平讲:全双工=双方可以同时说、随时打断,像真人通话。

讨论

  • 正方有人用 AI 助手半小时做出了自己写了四十年都不满意的饮食记录工具。
  • 反方我们连给真人打电话都躲,改发短信,为什么要对 AI 说话?
  • 共识科幻早有先例:斯特罗斯《Accelerando》、吉布森《神经漫游者》《边缘世界》都写过类似场景。
18

盖蒂博物馆与土库曼斯坦国家博物馆合作,修复丝路古城梅尔夫出土的 5–6 世纪佛头。

修复先要拆掉前人的「修复」——旧的泡沫、树脂和纱布比原物更难对付。

事实

  • 佛头高约 90 厘米,未烧制黏土包木、草、绳骨架,是已知最西的同类佛像,原属一尊坐佛。
  • 1966 年前后出土,后被切成四块;内部填充物被换成不合适的现代材料。
  • 团队用摄影测量建 3D 模型、打印支撑外壳;已完成 5 次赴阿什哈巴德的工作,还需 3 次。本帖 0 评论。

解读

  • 3D 扫描 + 打印定制支撑,是数字工具服务实物修复的好例子。
  • 术语平讲:摄影测量=用多角度照片重建精确 3D 形状。

讨论

19

两年抗议后的提前选举中,学生名单拿到过半席位,结束武契奇 14 年的统治。

一场由车站雨棚坍塌引发的无领袖运动,用创纪录的投票率把强人选下台。

事实

  • 据卫报引用的 Ipsos/CeSID 预测:学生名单约 52.9%、250 席中拿 141 席(过半需 126),武契奇阵营约 38.8%、103 席。
  • 抗议起因是 2024 年诺维萨德火车站雨棚坍塌致 16 人死亡,被视为腐败象征;投票率创纪录。
  • 路透原文抓取失败,以上来自卫报、BBC、AP 报道。

解读

  • 评论把它和今年早些时候匈牙利欧尔班下台放在一起看,视为区域性信号。
  • 胜选只是开始,新政府要在经济和治理上证明自己。

讨论

  • 正方多位与塞尔维亚有联系的用户称「美好的一天」:媒体不自由、网络水军泛滥的日子结束。
  • 反方有人质疑:能通过投票换掉政府,说明压迫没那么严重。
  • 关于欧元区是否衰退有争论,有人指出塞尔维亚不在欧盟,巴尔干增长还不错。
20

作者从日本淘来官方测速配件,抓蓝牙包解出转速数据,做了一个会毒舌点评发射的本地应用。

一个玩具配件,从红外测速到蓝牙协议到小模型配音,是完整的硬件黑客小样本。

事实

  • 测速器通过红外传感器读发射器内黑白转盘,算出每次发射转速;用 LightBlue 和 PacketLogger 抓蓝牙通知包,不需要官方应用。
  • 应用:Express 后端连蓝牙设备,用 Ollama 跑 gemma3:1b 生成一句吐槽,Kokoro TTS 配音,React 前端做 3D 陀螺动画。
  • 小模型数学差,作者先在代码里算好趋势(变好/变差),再交给模型点评。

解读

  • 产品技巧:确定性的计算交给代码,模型只负责语气和措辞——和今日上下文工程那篇的结论一致。
  • 术语平讲:BLE=低功耗蓝牙;Notify 特征值=设备主动推送数据的通道。

讨论

  • 正方评论都在怀旧和称赞;有人感谢作者「没用 AI」,其实作者用了本地小模型和 Claude 帮忙做动画。
21

2025 年 12 月 arXiv 论文提出无注意力架构,小模型困惑度落后同规模 Transformer 约 10%–15%。

又一个「替代注意力」的尝试,规模还小,暂时只是思路。

事实

  • 方法:把相邻 token 对编码为 Grassmann 流形上的二维子空间,再门控融合回隐藏状态;序列长度上线性复杂度。
  • 结果:13–18M 参数模型在 Wikitext-2 上困惑度在同规模 Transformer 的 10%–15% 以内;SNLI 上作为分类头略胜。
  • 本帖 4 分、1 评,唯一评论只标注了年份(2025)。

解读

  • 对产品方:这种规模的结果离替代 Transformer 很远,看看就好。
  • 术语平讲:困惑度=语言模型预测下一个词的不确定程度,越低越好;Grassmann 流形=所有固定维度子空间构成的几何空间。

讨论

22

上世纪 90 年代末给儿子买卡时顺手买的 42 套全新卡,在阁楼放了 15 年。

收藏品的价值来自「完整、未拆、成套」,以及当年的孩子如今有钱了。

事实

  • 当年 300 英镑买的一套拍出 7.5 万英镑;头号拍品含近全新喷火龙的套装,估价 1.5–2 万英镑,成交 10 万英镑。
  • 拍卖行称这是英国最贵的卡牌拍卖,可能是欧洲纪录;10 月 9 日伦敦刚创下 87.2 万英镑纪录。
  • 拍卖行解释:当年的孩子已三四十岁,有可支配收入,怀旧驱动需求。

解读

  • 怀旧是被低估的消费驱动:用户长大后的购买力,会回头买童年的东西。
  • 术语平讲:master set=某系列所有卡(含各种稀有版本)的完整集合。

讨论

  • 评论多是自嘲:小时候的闪卡都跟着裤兜进了洗衣机。有人澄清是 42 套,不是 42 张。
23

从 10 月 23 日起,文件管理器和网页邮箱出问题,官方批量重置受影响用户密码,文件管理器仍下线。

官方没说原因,但用户已经在拿最近的 PHP 漏洞对号入座——沉默会被猜测填满。

事实

  • 状态页:受影响的邮箱和 FTP/SFTP 用户密码已被重置,账户所有者可在控制面板自行设新密码;通知邮件分批发送。
  • 反复提醒:DreamHost 不会发邮件要密码,也不会让你点链接登录。
  • files.dreamhost.com 的文件管理器截至最新更新(太平洋时间 10 月 25 日 11:43)仍不可用。

解读

  • 事故沟通要点:说清用户该做什么、哪些邮件是假的——这部分 DreamHost 做得还行,原因说明缺位。
  • 术语平讲:SFTP=加密的文件传输协议。

讨论

  • 推测:文件管理器是商业 PHP 应用 Monsta FTP,可能被最近公开的 PHP 漏洞攻破、导致凭据外泄。官方客服机器人否认,但用户不信。
  • 老用户说这是怀旧时刻,有人庆幸五年前就迁走了;也有人说它仍在正常经营。
24

按邮编查看美国 Flock 车牌识别设备分布,数据来自研究者利用其暴露的访问令牌拿到的清单。

监控网络本身的数据泄露了,反过来成了公众了解监控的地图。

事实

  • Flock 摄像头拍下每辆经过的车,记录车牌、时间、地点,以及品牌、颜色、凹痕、贴纸等「车辆指纹」;警方可跨州共享查询。
  • Flock 称每月处理超过 200 亿次车辆读取;研究者清单列出 17 万多台摄像头,比官方说的约 12 万多约 40%。
  • 数据是 2025 年 12 月的快照,不完整;华盛顿邮报统计至少 50 名警察被指滥用车牌识别,46 起涉及 Flock。

解读

  • 隐私品牌的内容营销:Proton 用一张地图把抽象的监控变成具体的「你家门口」。
  • 术语平讲:ALPR=自动车牌识别。

讨论

  • 反方有人发现地图漏了一些志愿者地图 DeFlock 有的位置,比如斯坦福校园入口。
  • 也有人担心 Proton 在政府打压 VPN 的环境下这样「戳」会招来麻烦。
25

一个可旋转的 3D 网页模型,缩小版电网配全国发电结构,可调需求、气价、风光和极端天气场景。

电网的铁律是每一刻供需必须相等——看懂这一条,就看懂了电价和停电。

事实

  • 数据:2025 年美国发电 4,528 TWh 创纪录;公用事业装机 1,281 GW;输配电损耗约 5%。
  • 天然气发电占 40.2%,通常是最后一个被调用的电厂,因此它的燃料成本决定所有人的电价。
  • 可选场景:热浪、冬季风暴、日食、飓风、大停电及之后的黑启动。

解读

  • 交互模型解释复杂系统,比长文好懂;评论认为这是 AI 辅助做的,但缺少「这是什么、为什么做」的说明。
  • 术语平讲:边际电厂定价=最后一个被需要的电厂报价决定市场价。

讨论

  • 反方vibe coding 的项目也该写清背景;深浅色切换做了五种动画,被吐槽是 AI 的风格。
  • 正方做得像个游戏;有人推荐同主题桌游《Power Grid》和电力地图网站。
  • 有人指出光伏场实际要比核电站占地大很多,模型比例不真实。