卡片列表 ‹ 10-31 11-02 › 下载 EPUB

HN 日报 · 2026-11-01

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

Karpathy 两小时做了个「HN 版 YouTube」

HackerTube 只收录 HN 用户推荐过的 YouTube 视频，没有账号，没有标题党缩略图，推荐只存在你自己的浏览器里。

🔥 644 | 💬 227 🔗 文章 💬 讨论
AI 让「我不满意这个产品，自己做一个」变成一个周六上午的事。

事实

  • 起因：周五深夜打开 YouTube，满屏夸张缩略图和重复推荐，作者觉得受不了。
  • Opus 5.5 下载全部 HN 评论，用 Sonnet 过滤，留下约 4 万条推荐视频的评论，对应 2007–2026 年间 6454 个视频、150 个主题。
  • 做法：用视频 50% 位置的截图代替上传者的缩略图；推荐不需要账号，状态存在本地；全站数据可下载。
  • 作者说整个过程现在大约 2 小时。

解读

  • 数据源的质量决定了产品的质量：用「真人认真推荐过」当筛选器，比任何算法都省事。
  • 换缩略图是个小改动，却直接去掉了标题党的主要武器。
  • 提供数据下载、鼓励用户「交给自己的 AI 改一版」，这是一种新的开源分发方式。
  • 对内容产品的提醒：用户对「为留存而优化」的推荐已经有明显的厌倦。

讨论

  • 正方很多人说浏览起来很放松，不用一直提防被骗点击。
  • 共识有人分享土办法：关掉 YouTube 观看记录，首页就没有推荐，只能主动搜索。
  • 反方也有人说别以为全是纯技术内容，Veritasium 这类大号视频肯定也在里面。
  • 共识有人建议加按时间从新到旧排序；也有人反映下载链接有点问题。
2

点一个 ChatGPT 分享链接，账号就被接管

安全公司 Parameter Labs 发现：一条公开分享的对话，能让恶意代码在打开者的登录态下运行，读取私人聊天。

🔥 300 | 💬 148 🔗 文章 💬 讨论
AI 产品功能越多，攻击面越大；「预览 HTML」这种功能本身就是风险。

事实

  • 攻击链从两个看似无害的功能开始：图表和 HTML 预览；最后借助一个 JSONP 风格的回调参数跳出沙箱。
  • 受害者只需打开链接；攻击代码可以列出对话列表、读取从未分享的私人对话并发到外部服务器。
  • OpenAI 于 10 月 26 日修复，定级 P1（最高级），赏金 5000 美元。

解读

  • 任何「让用户内容在你的域名下运行」的功能，都要当成最高风险来设计隔离。
  • 分享链接是增长利器，也是钓鱼入口；分享页最好和登录态的主站彻底分开。
  • 术语平讲：JSONP 是一种老式跨站取数据的方法，返回的是可执行的脚本，容易被拿来绕过安全策略。

讨论

  • 反方最多人吐槽赏金太低：对 P1 漏洞给 5000 美元，等于告诉研究者别再报了。
  • 正方也有人说赏金不会涨，涨了就会催生一个专门刷漏洞的行业。
  • 共识有人联想到 ChatGPT 桌面版的「工作」模式也曾被曝能远程访问电脑文件。
  • 反方有人说文章读起来像 AI 写的，技术细节反而不好跟。
3

Linux TCP 握手出现 9.8 分远程漏洞

CVE-2026-98432 存在于每台 Linux 服务器接受 IPv4 连接的代码里；上游已修，Ubuntu 和 RHEL 还没发补丁。

🔥 315 | 💬 153 🔗 文章 💬 讨论
最基础的代码出了最高危的问题，而大多数人用的发行版内核还在等。

事实

  • 这是 IPv4 TCP 握手中的「释放后使用」漏洞，可远程、免认证触发，问题可追溯到 Linux 4.4。
  • 上游 10 月 11 日和 15 日修复，补丁只有 4 行；Debian、SUSE、Amazon Linux 已有修复内核。
  • 报告者来自 Anthropic，称 Claude 写出了能在开启 multipath TCP 监听的服务器上以 root 执行命令的利用代码；Go 程序默认会开这种监听。
  • 临时缓解：丢弃带 IPv4 选项的 TCP 包，不用 multipath TCP 就关掉。

解读

  • AI 找漏洞、写利用的能力在变强，从披露到被利用的时间窗口会越来越短。
  • 上游修了不等于你修了：要知道自己的服务器跑的是哪家发行版内核、它什么时候跟进。
  • 术语平讲：释放后使用＝程序还在用一块已经归还的内存，攻击者可以往那块内存塞自己的数据。

讨论

  • 共识有人指出标题删掉了「Linux」，BSD、Mac、Windows 不受影响。
  • 反方有人认为经公网利用不太现实，多数运营商路由器会丢弃带 IP 选项的包。
  • 反方很多人质问：Ubuntu 和 RHEL 主打服务器，为什么还没修？
  • 共识有人分享用 RSS 加自动提醒，把 CVE 和自己跑的服务对上号。
4

用户称：碰到训练模型的任务就被 Anthropic 拦截

一名港科大博士生说，只是让 Claude 帮忙提交训练任务和做分析，就被判为「训练竞品」，之后相关请求被拦、模型被降级。

🔥 174 | 💬 80 🔗 文章 💬 讨论
把核心工作压在一家模型厂商身上，风险在变大。

事实

  • 当事人说训练数据来自开源模型，Claude 只负责提交任务和跑分析。
  • 之后凡涉及 RFT、SFT 或训练更大模型的请求，会被拦截、从 Opus 5.5 降到 Opus 5，或直接终止会话。
  • 这条推文约 14.5 万次浏览。

解读

  • 对 AI 产品团队：供应商的使用政策随时会变，而且判定是黑箱，申诉成本高。
  • 关键流程最好能在两三家模型之间切换，提示词和工具调用不要绑死一家。
  • 术语平讲：SFT（监督微调）和 RFT（强化微调）是在现有模型上继续训练的两种常见方法。

讨论

  • 共识最高赞评论：专业用户都应该准备备选模型，推动生态开放和可迁移。
  • 反方有人指出当事人在香港，那里 Claude 不提供服务，用 VPN 做训练相关工作本身就是可疑信号。
  • 正方也有欧美用户说遇到同样的拦截，和地区无关。
  • 共识多人举例 Claude 最近拒绝正常请求，比如拆分自己的代码库、导出上下文。
5

Jepsen 测「为 AI 设计」的数据库：96 个问题

Jepsen 测试 ParticleDB 发现，它号称的「完整 ACID」并不成立，最新版仍会丢已提交的数据。

🔥 189 | 💬 99 🔗 文章 💬 讨论
宣传说「形式化证明」，测试却发现一堆基本错误；数据库要看独立测试，别看官网。

事实

  • 共发现 96 个问题：崩溃、死锁、丢数据，还有删不掉的半隐形行、被删的表以变形的样子回来、字符串变成整数。
  • 多数问题只需一台服务器、一个客户端、不注入任何故障就能复现；后续版本修掉了大部分，但仍剩 10 个。
  • 官网曾称用 TLA+ 形式化证明，但测试期间拿不到任何 TLA+ 规格。
  • Jepsen 建议用户停止部署并尽快迁移；这次测试由厂商 Orkes 出钱。

解读

  • 「为 AI 设计」是营销词，数据正确性才是数据库的本分。
  • 选型时问一句：有没有独立的一致性测试报告？
  • 术语平讲：ACID＝事务要么全做要么不做、数据始终一致、互不干扰、写了就不丢。

讨论

  • 共识评论普遍认为报告措辞非常严厉，讨论部分「毁灭性」。
  • 正方ParticleDB 团队成员回复：已花几个月修复，现在每天跑 Jepsen 测试。
  • 共识有人总结：有的软件设计本身是对的，只是局部有 bug；有的设计本身就错，靠运气运行。
  • 正方也有人称赞厂商敢付钱让 Jepsen 测、还公开结果，这本身值得肯定。
6

Signal 分支 Molly 三个月没更新，已知漏洞未修

Molly 最后一版停在 7 月 31 日，官方 Signal 10 月已修的漏洞它还没修，有人建议换回官方版。

🔥 299 | 💬 175 🔗 文章 💬 讨论
安全软件的分支，最怕的不是功能少，而是跟不上上游补丁。

事实

  • Molly 最新版本 v8.19.2-4 发布于 7 月 31 日。
  • 10 月披露的一个漏洞，官方 Signal 8.27.1 已修复，Molly 仍受影响。
  • 很多人用 Molly 是为了不依赖谷歌服务也能收推送（UnifiedPush）。

解读

  • 用户用分支，往往是因为主产品少了一两个功能；主产品补上，分支的存在理由就弱了。
  • 维护分支的真正成本是持续跟进安全更新，不是写新功能。
  • Signal 不欢迎第三方客户端，这次事件给了它一个有力的理由。

讨论

  • 共识有人发现官方 Signal 已支持一个账号用两台设备，这曾是用 Molly 的主要原因。
  • 正方有人说 Signal 对非普通用户不友好，UnifiedPush 很容易加却不加。
  • 反方有人反驳：每个人用不同的推送服务，反而让你在人群中显得特别，不利于隐私。
  • 共识有人放出自己维护的分支 Polly，已补上相关修复。
7

5 个 27B 小模型组队，编程题胜过 Fable 5

Memdoor 复现 GVS5H 论文的方法：5 个 Qwen3.8-27B 分工解题，在 LiveCodeBench Hard 前 10 题上平均 9.8 分。

🔥 55 | 💬 26 🔗 文章 💬 讨论
流程设计得好，小模型组队也能接近大模型；但样本只有 10 道题。

事实

  • 五个角色：规划、两个出主意的、解题、管理，外加一个修复者；各自从空白上下文开始，只通过磁盘文件交流。
  • 是否成功由跑样例的脚本判断，不由模型判断。
  • 5 轮平均：Memdoor 9.8/10，论文作者的流程 9.6，Fable 5 单独 8.0；50 次运行花费约 35.8 美元。

解读

  • 对产品团队：在很多任务上，「流程 + 便宜模型」可能比「单个昂贵模型」更划算。
  • 用脚本而不是模型来判断对错，是多智能体系统最可靠的一环。
  • 术语平讲：harness（编排框架）＝把模型调用、步骤和检查串起来的那层代码。

讨论

  • 反方有人不信 5 个 27B 能比肩 Fable 5，认为是一厢情愿。
  • 反方也有人提醒：只测了前 10 题，而且这个基准已经好几年，可能被刷饱和了。
  • 正方支持者说，本地模型能保持竞争力很重要，不想永远受大厂摆布。
  • 共识作者回复：试过 Cerebras，速度快但输出上限 32K，装不下 128K 的推理预算。
8

AI 文本水印会不会让回答变差

欧盟规则生效后，主要实验室要给 AI 文本加水印。作者引用 Google 自己的论文说：单条回答质量不变，但多次回答会变得更像。

🔥 12 | 💬 1 🔗 文章 💬 讨论
「不影响质量」只在单次回答上成立，换成真实的多轮使用就未必了。

事实

  • Anthropic 称水印不影响 Claude 的输出质量，依据是 Google 发在 Nature 上的 SynthID-Text 方法。
  • 该方法的附录承认存在「多样性和可检测性的取舍」：同一提示多次生成，加水印的回答彼此更相似。
  • 附录也写到，这可能降低「生成多个再挑最好」这类系统的整体质量。

解读

  • 很多 AI 写作产品依赖「多给几个版本让用户选」，多样性下降会直接伤害体验。
  • 评估模型时，不能只看单条回答，要看多轮和多次生成的表现。
  • 术语平讲：文本水印＝在挑选下一个词时做手脚，留下肉眼看不出、算法能检测的统计痕迹。

讨论

  • 反方唯一的评论认为文章混淆了概念：多样性降低不等于质量降低，也可能更稳定地给出好答案。

扫读

9
意大利农民在阁楼找到百年麦种，种出了「古麦」

帕尔马农民 Claudio Grossi 把曾祖父留下的不明种子扔进粪堆，长出了几种古老小麦。

🔥 102 | 💬 40 🔗 文章 💬 讨论

被现代农业淘汰的品种，可能正好解决今天的问题。

事实

  • 1990 年代初，Grossi 在阁楼发现一袋不知存放了多久的种子，农场始建于约 1915 年。
  • 长出的麦子抗旱，长得高能盖过杂草，不需要化肥和除草剂。
  • 缺点是太高，大风大雨容易倒伏。

解读

  • 效率最优的品种不一定最有韧性；单一化会丢掉备份。
  • 老东西的价值，常在环境变了之后才显现。

讨论

  • 共识瑞士评论者说当地很多农民仍种古老斯佩尔特小麦，美国 1920 年代因磨坊改换品种才放弃。
  • 反方有人担心古种子会带来生态问题；回复说大面积单一种植的破坏要大得多。
  • 反方也有人说标题党，但更多人认为标题如实。
10
父子俩把一台小电脑装进薄荷糖铁盒

作者和 12 岁儿子花两个月，用旧零件做了一台装进 Altoids 铁盒的掌上游戏机。

🔥 23 | 💬 0 🔗 文章 💬 讨论

AI 查不到的东西，最后还是靠网上一个陌生人的帖子。

事实

  • 起点是 MIT 旧货市场送的一个机器人套件和一台旧 ThinkPad。
  • AI 给的屏幕引脚图把 10 针说成 20 针，最后在 Arduino 论坛找到原理图。
  • 儿子负责全部 CAD 设计和 3D 打印，换用 Arduino Nano 和锂电池缩小体积。

解读

  • 冷门硬件资料上，AI 幻觉依然严重，真人留下的文档很珍贵。
  • 动手项目是很好的亲子教育。
11
电动车曾经是为女性设计的

IEEE Spectrum：20 世纪初，电动车好启动、没尾气，厂商把它定位成女性用车。

🔥 22 | 💬 3 🔗 文章 💬 讨论

定位来自产品的特点，也被当时的偏见塑造。

事实

  • 1911 年电启动器发明前，汽油车要手摇启动，噪音大、有尾气；电动车一拧开关就走。
  • 电动车也卖给医生，夜里出诊不吵醒邻居；GE 的充电器广告专门用女性形象。
  • 美国汽车产量从 1901 年的 7000 辆涨到 1910 年的 18.1 万辆。

解读

  • 同一个产品，换一个目标用户，卖点就完全不同。
  • 技术竞争的胜负，常由基础设施决定，比如充电和加油。

讨论

  • 共识有人回忆坐过 Detroit Electric：车里有花瓶，用舵柄代替方向盘。
  • 共识也有人说电动车是最平顺的通勤车，只是加速之外没什么驾驶乐趣。
12
数据库 CPU 100% 时，它其实在等内存

Pivot 博客：CPU 显示满载，其实大量时间在等内存；让 GROUP BY 更快的办法是多做计算、少跳内存。

🔥 114 | 💬 34 🔗 文章 💬 讨论

性能瓶颈常常不在计算，而在数据怎么摆放。

事实

  • 现代 CPU 每纳秒能执行 4–8 条指令，一次读内存要 50–100 纳秒，相当于 400–800 条指令。
  • L1 缓存约 1 纳秒，L2 约 3–4 纳秒，L3 约 10–15 纳秒。
  • 作者声明写文章没用 LLM。

解读

  • 监控上的「CPU 100%」不代表 CPU 真忙，可能在空等。
  • 让数据在内存里挨着放，往往比换更快的机器有效。

讨论

  • 共识有人说曾因为调整数据结构让它更利于缓存，被同事批「过早优化」。
  • 反方有人认为方案本质只是聚簇的哈希表，算不上数量级的提升。
  • 共识有人问经典的《每个程序员都该知道的内存知识》有没有 2026 年的新版。
13
谷歌太空 TPU 卫星传回第一条 AI 回答

Project Suncatcher 原型卫星 10 月 1 日发射，本周首次让在轨的数据中心级 TPU 生成回答：一首关于太空的俳句。

🔥 23 | 💬 18 🔗 文章 💬 讨论

里程碑很小，真正的难题是散热和辐射，还没开始测。

事实

  • 卫星上跑的是 Gemma 4 开源模型，提示从地面站上传，飞过挪威斯瓦尔巴时传回结果。
  • 接下来测试 TPU 在高温和辐射下的表现；下一步计划 2027 年发射两颗互联卫星。

解读

  • 太空算力的卖点是能源和土地不受限，代价是发射和散热的质量成本。
  • 对多数产品团队，这还是远期信号，不是可用的基础设施。

讨论

  • 反方有人说文章空洞，只有一首诗，大家关心的散热和辐射一字没提。
  • 反方有人认为在太空放 AI 很傻：散热难、发射贵，不如海上漂浮太阳能。
  • 正方也有人说卫星散热早已解决，问题只是需要大量昂贵的质量。
14
认识 86% 的词，只能听懂 38% 的台词

learnfromx 统计《葬送的芙莉莲》等 8 部动画：学会剧中最常见的 500 个词，词汇覆盖率 85.9%，但整句全懂的只有 38.4%。

🔥 61 | 💬 39 🔗 文章 💬 讨论

「覆盖率」这个指标好看，却不等于你真能听懂。

事实

  • 覆盖率按出现次数算，助词出现一千次就算一千次；前 100 个词就有 68.3% 覆盖率，但只能全懂 8.5% 的句子。
  • 差距来自句子长度：一句平均 7 个词，只要有一个不认识就卡住。

解读

  • 选指标时要问：它衡量的是用户真正关心的结果吗？
  • 语言学习产品可以用「句子能懂多少」代替「词认识多少」。

讨论

  • 反方多人指出：靠上下文能猜出很多不认识的词，统计低估了理解程度。
  • 共识有人分享学德语的类似体验：85% 的词大概对应 50% 的句子。
  • 反方也有人吐槽文章是和 Claude 合写的，有些句子很别扭。
15
达斯汀·霍夫曼回忆拍《毕业生》

纽约客随笔：这部让他成名的电影，拍摄时他每天都觉得自己在失败。

🔥 53 | 💬 14 🔗 文章 💬 讨论

当事人觉得在失败，常常只是因为身在其中看不清。

事实

  • 他住在父母家，每天被父亲追问拍摄细节和批评，五天后就搬去了剧组酒店。
  • 导演 Mike Nichols 不赶时间，拍了好几个月；霍夫曼说连试镜都不想去。

解读

  • 冒名顶替感在成长期很常见，不代表做得差。
  • 评论里的观点：他的焦虑恰好符合角色。

讨论

  • 共识有人说职业成长中也天天觉得自己做不好，可能是因为没有参照系。
  • 反方有人说电影老得不好，第一次看觉得平淡又尴尬。
  • 正方也有人认为正是他觉得自己在失败，才演活了那个尴尬焦虑的角色。
16
Colin Percival：学者的责任

Tarsnap 作者回忆 2005 年发现英特尔超线程侧信道漏洞，放下找工作，花半年协调各方修复。

🔥 81 | 💬 28 🔗 文章 💬 讨论

发现问题的人有责任把它处理好，哪怕代价是自己的事业节奏。

事实

  • 2004 年交完博士论文后，他发现超线程会通过缓存泄露信息，几周内做出能还原 RSA 私钥的演示。
  • 此后半年他负责私下通知各安全团队；英特尔曾通过雅虎要求他撤回发表。
  • 他说住在加拿大不用担心巨额医疗费，所以能承担半年失业。

解读

  • 负责任披露要花大量时间和协调成本，不只是技术工作。
  • 社会保障会影响一个人能不能「做正确的事」。

讨论

  • 共识有人引用当年英特尔的回应：攻击不实际；评论说这至今仍是大厂的标准说辞。
  • 正方有人说在 AI 时代，难利用的漏洞也变容易了，因为 AI 的耐心只受预算限制。
  • 反方有人说在美国他可能也能拿到医疗补助，不一定必须找工作。
17
Show HN：把 NES《魂斗罗》改写成 C 再跑在浏览器里

作者把 1987 年 NES 版《魂斗罗》的汇编转成 C，再编译成 WebAssembly，还加了联机双人模式。

🔥 41 | 💬 27 🔗 文章 💬 讨论

老游戏移植的门槛，正在被 AI 大幅降低。

事实

  • 汇编 → C → WebAssembly，浏览器里直接玩，支持在线双人。
  • 目前不少玩家反映没有音乐。

解读

  • 游戏代码本身就是可以被 AI 「翻译」的资产。
  • 加上联机，老游戏多了一种社交玩法。

讨论

  • 共识有人问用了多少 AI；回复猜测几乎全是 AI，自己用 Codex 半小时就能拼出类似东西。
  • 共识有人推荐 3dSen，能把 NES 游戏转成 3D 体素画面。
  • 反方也有人说日版《魂斗罗》更好玩。
18
阿雷西博望远镜倒塌的根源：锌在慢慢「蠕变」

美国国家科学院报告：固定钢缆的锌套筒长期缓慢变形，钢缆被拔出，2020 年平台坠落。

🔥 13 | 💬 5 🔗 文章 💬 讨论

百年来没出过事的技术，也会在没人注意的地方失效。

事实

  • 故障链始于三年前的飓风玛丽亚。
  • 报告称这是一百多年使用中首次记录到的长期锌蠕变失效。

解读

  • 「一直没出过问题」不等于不会出问题，关键设施要监测慢性退化。
  • 难检查的部件，最需要冗余。

讨论

  • 反方有人担心：所有桥梁和塔都用这种方式固定钢缆，而它很难检查。
  • 共识有人贴出报告原文链接（2024 年发布），说重点在第二页。
19
Python 里的 None 被用得太多了

作者讲哨兵值：None 同时表示「缺失」「未设置」「出错」和「真的是空」，容易出错。

🔥 46 | 💬 27 🔗 文章 💬 讨论

一个值承担太多含义，bug 就藏在含义之间。

事实

  • 例子：缓存返回 None，分不清是键不存在还是值本来就是 None。
  • Pydantic 2.14 的 MISSING 正式转正，用来区分「显式设为 null」和「根本没传」。
  • 自定义 object() 哨兵运行没问题，但静态类型检查器认不出来。

解读

  • API 设计里，「不更新」和「清空」要分开表达，否则用户数据会被误删。
  • 这和前端 JSON 里 null 与缺字段的区别是同一个问题。

讨论

  • 反方有人说用 Option 类型就解决了，何必这么麻烦。
  • 反方有人纠正：字典取不存在的键应该报错，是作者用了 get 才返回 None。
  • 正方也有人说这已是兼容 Python 习惯下最好的做法。
20
雕塑重现罗马「变色杯」的光学效果

Ars Technica 报道：研究者复原了 1600 年前莱库格斯杯的配方，并做成雕塑。

🔥 13 | 💬 0 🔗 文章 💬 讨论

古人做到了，现代人到现在才搞清楚怎么做。

事实

  • 莱库格斯杯是罗马时期的玻璃杯，光从外面照呈绿色，从里面透光呈红色。
  • 原文抓取失败，具体做法未能核实；帖子暂无评论。

解读

  • 古代工艺常是「知其然不知其所以然」，这正是复原研究的价值。
  • 本条细节有限，感兴趣可点原文。
21
简单电路就能产生复杂行为

交互文章：用几个神经元搭一个追光的小生物，看看最简单的「大脑」能做出什么。

🔥 212 | 💬 68 🔗 文章 💬 讨论

看起来像智能的行为，可能只来自几根连线。

事实

  • 一只眼一个鳍只能直走，大多数时候错过光源。
  • 加第二只眼和鳍、改变交叉或同侧连接，就能转向、靠近或躲开光。

解读

  • 复杂行为不一定需要复杂系统，这对设计 AI 智能体也是提醒。
  • 可交互的讲解比文字更能讲清抽象概念。

讨论

  • 共识有人指出思想源头是 1948 年 Grey Walter 的机器乌龟，比 Braitenberg 的《车辆》更早。
  • 反方有人反问：把「神经元」换成 PID 控制器，你还会说它有智能吗？
  • 共识多人推荐 Braitenberg 的书和 BEAM 机器人。
22
Show HN：住在引导扇区里的语言模型

bootgpt：512 字节的手写汇编加 11.5 KB 的 int8 模型，开机后不进系统，直接「梦」出一段假的 Linux 启动日志。

🔥 52 | 💬 1 🔗 文章 💬 讨论

没有实用价值，但把「模型到底是什么」展示得很清楚。

事实

  • 模型从后续 23 个扇区加载，在 386 的 16 位实模式下运行，没有操作系统也没有 C 运行库。
  • 只有 8 个字符的上下文和一个隐藏层；Python 模拟和引导扇区的输出逐字一致。
  • 训练数据是 3 MB 自动生成的假启动日志。

解读

  • 重复度高的数据，能让极小的模型看起来很像样。
  • 把一件事做到极简，往往最能讲清原理。

讨论

  • 共识唯一的评论说：这种无用的工程提醒人们，不是所有事都要讲经济价值。
23
Distributed Proofreaders：志愿者校对公版书

这个网站把公版书拆成单页，志愿者对着扫描图逐页校对 OCR 文本，已完成 5 万多本。

🔥 23 | 💬 1 🔗 文章 💬 讨论

把大活拆成小块，就能让很多人一起做。

事实

  • 已保存 51469 本书，10 月完成 106 本。
  • 每页要经过三轮校对和两轮排版，最后提交给古腾堡计划。

解读

  • 经典的众包设计：任务小、有对照、多轮复核。
  • AI 时代，人工校对的价值反而更明显。

讨论

  • 共识唯一的评论说这个项目本月满 26 年。
24
GCC 怎么编译 switch 语句

博客详解 GCC 把 switch 变成跳转表、决策树或位图测试的各种技巧（原文写于 2024 年）。

🔥 196 | 💬 39 🔗 文章 💬 讨论

看似简单的 switch，编译器背后有很多取舍。

事实

  • 连续的 case 会变成跳转表；有固定偏移时，编译器会自动减掉偏移。
  • 除位图优化外，这些优化在 clang 里也有。

解读

  • 编译器优化是在编译时间、运行速度和代码体积之间做取舍。
  • 了解底层，才能判断「这段代码为什么慢」。

讨论

  • 反方有人批评 GCC 和 clang 至今不为大型稀疏 switch 用完美哈希，自己一天就实现了。
  • 正方回复说这种场景少，开发者时间有限，取舍合理。
  • 共识有人分享：超大 switch 在 LLVM 开优化后编译了半小时。
25
读和写，没你想的那么对称

2015 年的老文：文件读写 API 看起来对称，但因为缓冲，出错时的行为差别很大。

🔥 76 | 💬 22 🔗 文章 💬 讨论

写成功了不等于写进磁盘了。

事实

  • 程序的读写通常经过多层缓冲，写操作返回成功时，数据可能还在内存里。
  • 读出错会立刻知道，写出错可能很久以后才暴露。

解读

  • 涉及用户数据的产品，要想清楚「保存成功」到底意味着什么。
  • 很多读者以为标题讲的是人的阅读和写作，结果是系统编程。

讨论

  • 共识有人补充：读通常对延迟更敏感，预读太多反而可能变慢。
  • 共识有人提起 PostgreSQL 的「fsync 门」事件，正是写入错误被吞掉。