卡片列表 ‹ 11-01 11-03 › 下载 EPUB

Layer 1

今日速览

必读

8 则 · 热度 × 产品相关
1

HackerTube 继续霸榜,评论区开始讨论「推荐拆分」

Karpathy 用 HN 评论里推荐过的 6454 个视频做的 YouTube 替代品,两天涨到 2263 分、538 条评论。

推荐系统的门槛塌了:一个人加一个模型,就能按自己的口味重做一个内容入口。

事实

  • 数据来自 2007 年以来约 4 万条推荐视频的 HN 评论,共 6454 个视频、150 个主题。
  • 用视频中间位置的截图代替原缩略图;推荐不需要账号,状态存在本地浏览器。
  • 全站数据可导出;已经有人照着做了书籍版 HackerBooks。

解读

  • 高赞评论认为这是「信息流拆分」的大机会:过去推荐和索引很难做,现在小模型就能按个人偏好做过滤和排序。
  • 这类产品的护城河不在代码,而在「谁筛选过的数据」:这里借用的是 HN 用户 19 年的口碑。
  • 对内容产品的提醒:用户愿意为「不被算法操纵」的感觉专门换一个入口。

讨论

  • 正方有人说这是 100% 的硬核内容,没有网红软广和标题党新闻。
  • 反方有人吐槽年度最热帖之一只是一个静态数据加界面,怀念「老 HN」。
  • 反方也有人提醒:一旦流行起来,大家就会刻意去刷 HN 推荐,筛选器自己也会被污染。
  • 共识YouTube 官方 App 体验差是普遍共鸣,很多人想要自己的客户端。
2

一天之内,HackerTube 有了「书籍版」

HackerBooks 收录被至少两位 HN 用户提到过的约 1.65 万本书,每本书都链回原评论;作者说几乎全是 Claude 写的。

好点子被复制的速度从几周变成了一天,真正稀缺的是数据和品味。

事实

  • 作者看到 HackerTube 后,让 Opus 5.5 写了数据管线和网站,自己主要负责拍板和买域名。
  • 约 16.5k 本书,时间跨度 2007 年至今;书目信息来自 Open Library,数据可在关于页下载。
  • 按提及次数统计,夸和骂都算一次;购书链接是联盟链接(Bookshop.org、Amazon)。

解读

  • 「提及次数」不等于「推荐」,这是 AI 快速做产品时最容易被忽视的数据定义问题。
  • 开放数据下载让用户自己补需求:有人想看「冷门书」,回复就建议下载 CSV 让 AI 自己筛。
  • 联盟链接是这类策展站最直接的变现方式,但也会让用户怀疑排序的动机。

讨论

  • 正方很多人惊讶于网站加载速度极快,追问技术栈。
  • 反方有人指出分类出错,比如《数据密集型应用系统设计》被放进「商业管理」,机器学习教材被放进「心理学」。
  • 反方也有人反感帖子里的 AI 腔文字。
  • 共识过去类似网站很多都成了 404,大家希望这个能活得久一点。
3

同一个应用用 12 个框架让 AI 写,成本差了将近一倍

Nolan Lawson 让 Opus 5.5 用不同 JS 框架各做 5 遍同一个宝可梦应用,比较花费、时间、代码量和性能。

在 AI 写代码的时代,框架选择终于可以用数据而不是感觉来决定。

事实

  • 中位花费:Hono+htmx 约 2.67 美元、Astro 2.76、Next.js 3.14,Angular 最高约 4.97 美元。
  • 耗时:Astro 约 8 分钟最快,Angular 约 17 分钟最慢;代码量 Hono+htmx 约 1370 行,Angular 约 2000 行。
  • Lighthouse 性能和可访问性几乎都接近满分,差别主要在发给浏览器的 JS 体积上。
  • 作者承认只测了一种偏内容展示的应用,结果随机性很大。

解读

  • 「对 AI 友好」以前是营销话术,这个测法把它变成了 token、时间和代码行数。
  • 越简单、越接近平台原生的方案(服务端渲染 + 少量 JS),AI 用起来越便宜。
  • 对团队的启示:选型时可以先让 agent 跑几遍小样,用真实账单比一比,而不是听谁说哪个框架「更适合 AI」。

讨论

  • 正方有人认为框架最大的价值是「禁止什么」,能防止多人长期项目里的坑,这一点对 agent 同样适用。
  • 反方有人说结论被埋在结尾:作者自己也说这不是一份终极选型指南。
  • 反方也有人批评多数框架作者不懂浏览器引擎,从 JS 操作 DOM 本身就很贵;回复则提醒字符串拼 HTML 容易出安全问题。
  • 共识除了用 AI 换框架,也可以让 AI 帮你维护和现代化老框架。
4

数学家:AI 一次放出 700 篇论文,我们该怎么办

Frank Calegari 在 Terence Tao 博客发客座文章,说 OpenAI 10 月 6 日放出的 700 多篇数学论文是分水岭,数学界不必悲观但要改规矩。

当证明变便宜,选题、理解和解释就成了数学家真正的价值。

事实

  • OpenAI 10 月 6 日发布 700 多篇研究论文,作者认为 AI 已能在多个领域做出突破性贡献。
  • 但这些论文写得很糟,不守引用规范,有些甚至是错的。
  • 有数学家感叹,自己职业生涯公开提过的所有重大开放问题都被宣称证明了。
  • 作者主张:用 AI 完整证明、但自己彻底理解并提出新问题的人,应得到实质性的学术认可。

解读

  • 这是「生产变便宜、验证变贵」的又一个例子,和代码领域一模一样。
  • 作者用有限单群分类作比:大问题被解决后,领域热度反而会冷下来,社区需要主动去整理和延伸。
  • 对任何被 AI 冲击的专业:评价标准要从「谁做出来的」转向「谁理解了、谁提出了下一个好问题」。

讨论

  • 正方有人说这像数学从手工业进入工业时代,大家还没敢想得足够大。
  • 反方有人指出类比不完美:数学不是盈利产业,工业化的驱动力不同。
  • 反方很多数学家的抱怨集中在证明又长又丑、难以理解,而且不引用前人工作。
  • 共识有人提醒这篇文章不是 Tao 本人写的,但他愿意挂在自己博客上也说明了态度。
5

Apollo 经济学家:AI 对大多数公司「零财务回报」

Apollo 首席经济学家 Torsten Slok 说,除去 7 家科技巨头,标普 500 其余公司的利润率和人均收入都没变。

AI 让工作变快,但变快不等于赚更多,中间还隔着竞争和定价。

事实

  • Slok 看的是「标普 493」:标普 500 去掉 Alphabet、亚马逊、苹果、Meta、微软、英伟达和特斯拉。
  • 他发现利润率和人均收入持平,看不到 AI 提升生产率的证据。
  • 他的原话:AI 也许是个好计算器,但商业里的智能主要是判断力。

解读

  • 高赞评论指出:这只看了公司顶层营收,衡量不了 AI 投资的真实回报。
  • 一个有意思的解释:大家都用 AI,效率提升被竞争抵消了,最后多出来的只是付给模型厂商的「税」。
  • 对做 AI 产品的人:客户迟早会问「省了多少钱、多赚了多少钱」,速度提升本身不够。

讨论

  • 正方有化工数据团队说,从想法到原型从 1–2 周缩短到 1 天。
  • 反方追问很直接:能公开说出带来了多少收入或利润吗?
  • 反方Simon Willison 提醒,同一个人去年说「大公司 AI 采用率在下降」,那个判断后来没站住。
  • 共识大家想看的是人均收入和利润随 token 花费变化的长期数据,现在的图表下不了结论。
6

联想「加密指纹 U 盘」拆开只是一张没加密的 SD 卡

有人拆开联想 ThinkPlus 指纹加密 U 盘,发现数据直接存在普通 SD 卡上,插到电脑上就能读。

「加密」写在包装上不算数,安全要看数据本身有没有被加密。

事实

  • Reddit 帖子和 Tom's Hardware 报道:U 盘里是一张未加密的 SD 卡。
  • 取出 SD 卡插进电脑,数据就能直接读取,指纹验证形同虚设。
  • 帖子提到用 Codex 辅助分析,但评论指出其实拆开就够了。

解读

  • 硬件安全产品最怕的不是被破解,而是根本没做;这种问题本该在出厂前被发现。
  • 对消费者的教训:敏感数据先用开源加密工具加密,再放进任何存储介质。
  • 对品牌:一次这样的事件损害的是整个产品线的信任。

讨论

  • 反方有人质问联想以后怎么还能被信任做安全硬件,并提到它过去预装后门的历史。
  • 正方有人说这类产品他从来不信,正确做法是在上面再套一层自由软件加密。
  • 共识有人在政府法规要求下不得不用类似产品,自己也不放心。
  • 共识有人调侃:好莱坞黑客大片的剧情其实就是「拆开,里面是张普通 SD 卡」。
7

LeCun 新论文:不同模型会学到同一种「世界表示」,而且有更省的办法

Balestriero 和 LeCun 证明了 JEPA 架构在「好视角」数据上会收敛到同一表示,并称下一个词预测是低效路线。

规模不是唯一杠杆,训练数据的「配对方式」可能更关键。

事实

  • 「柏拉图表示假说」认为不同模态的模型随规模变大会学到同一种世界表示,论文把它证成了定理。
  • JEPA(联合嵌入预测架构,即在抽象表示空间里做预测,而不是逐个预测词)在「同一场景的两次观测」这种好视角上,只差一次旋转就能对齐。
  • 用好视角训练,达到同样对齐所需样本少 42 倍;1.09 亿参数的文本 JEPA 和图像编码器的对齐度超过所有测试的语言模型(最大 720 亿参数)。

解读

  • 如果成立,多模态对齐可以用小得多的模型和数据做到,成本结构会变。
  • 论文认为下一个词预测是「坏视角」的 JEPA,这解释了为什么语言模型只能靠堆规模才和视觉对齐。
  • 关键问题是:网上有多少数据天然就是「好视角」?这决定了这条路能不能规模化。

讨论

  • 正方有人看好 JEPA,认为自回归下一个词预测的成功多少有点运气。
  • 反方有人质疑这类论文常常只证明了一个子集,实验设计未必能证明「随规模收敛」。
  • 反方也有人觉得这个假说可能只是在说「存在一种最优降维方式」。
  • 共识最关心的问题是:能不能找到像网页文本那样规模的「好视角」训练集。
8

全球电网每分钟一次的抖动,原来是 UPS 在整点一起动作

Nature Energy 论文发现,电网频率普遍存在 1 分钟周期的波动,来源是时钟同步的 UPS 和储能设备控制软件。

数百万台设备各自「每分钟检查一次」,加起来就成了一个全网问题。

事实

  • 世界各地电网频率数据都有持续的 1 分钟周期振荡,过去原因不明。
  • 原因:数字化控制的设备(主要是 UPS 和电池储能)时钟同步,在整分钟产生用电峰值。
  • 这种波动幅度近年在多个电网明显增大,加剧了水电机组磨损。
  • 电池储能、数据中心和物联网扩张可能让问题更严重。

解读

  • 给每个做定时任务的人的提醒:所有人都在整点跑任务,就会在系统层面形成共振。
  • 解决办法很朴素:给定时任务加随机延迟,比如 systemd 的 RandomizedDelaySec。
  • 数字化设备越多,软件设计就越会影响物理基础设施。

讨论

  • 共识有人类比齿轮:齿数互质才能均匀磨损,定时也应该错开。
  • 正方公共 NTP 服务器在整分钟也会看到流量尖峰,因为很多人把对时命令放在 crontab 里。
  • 反方有人怀疑不只是 UPS,所有按分钟精度调度的设备都有份。
  • 反方有人担心可被用来攻击电网;回复说几兆瓦对电网只是噪声,不现实。

扫读

9

Raph Levien 的 4bpp 图像压缩方案,针对 RP2350 这类资源极受限的芯片,解码极快。

不是所有场景都追求压缩率,有时解码速度才是瓶颈。

事实

  • 每像素 4 位,用差分编码加调色板。
  • 为 RP2350 微控制器优化,不针对桌面 CPU。

解读

  • 编码慢、解码快的不对称设计,适合一次写入、反复读取的嵌入式场景。
  • 有人提出没和 JPEG 等方案对比速度数字,说服力不够。

讨论

  • 反方有人说 BCx 纹理压缩做的事类似但更高效。
  • 共识多人联想到 Amiga 的 HAM 显示模式。
10

Postgres 核心开发者 Robert Haas 的博客说 19 版晚了,原因和 AI 有关(原文未能抓取,以下基于评论)。

AI 让发现 bug 变容易,但修 bug 和审查的人手没变多。

事实

  • 原文抓取失败,只能从评论了解讨论方向。
  • 评论引用原文:长期来看情况更不明朗,在某些方面更令人担忧。

解读

  • 评论的核心判断:发现问题已经不是瓶颈,验证和修复才是。
  • 对开源项目和团队都一样:AI 生成的报告越多,维护者的负担越重。

讨论

  • 正方有人认为 AI 擅长查找类任务(找 bug、找漏洞),因为结果容易验证。
  • 反方回复说查找任务最常见的错误是遗漏,反而很难发现。
  • 反方有人说 AI 出现前他就在 beta 版里找到过严重 bug,不认为这是新问题。
11
想买个不偷看你的电视?HN 的答案是:别让它联网

Ask HN:有人想买 60–80 寸 4K 电视只配 Apple TV 用,问哪个牌子最注重隐私。

几乎所有电视都不尊重隐私,最实用的办法是把它当纯显示器。

事实

  • 提问者愿意多花钱,只想让电视当 Apple TV 的显示器。
  • 多位用户的做法:不接 Wi-Fi 和网线,只用 HDMI 接外部盒子或小电脑。
  • 有人甚至拆掉电视里的无线模块。

解读

  • 智能电视的商业模式靠数据和广告补贴硬件,隐私天然是反面。
  • 「傻电视」或商用显示器是一个被低估的细分需求。

讨论

  • 共识不联网 + Apple TV 是主流答案。
  • 反方有人提醒部分三星电视会通过附近其他三星设备回传数据,不联网也不保险。
  • 正方有人推荐接一台二手 Linux 小主机,完全自己掌控。
12

nullprogram 2025 年旧文:给 C/C++ 程序做模糊测试的实用清单。

没做过模糊测试的程序,几乎一测就能找出 bug。

事实

  • 作者六年里对约 1000 个项目做过模糊测试。
  • 第一条建议:同时开地址检测器和未定义行为检测器,多写断言。

解读

  • 模糊测试(给程序灌随机输入找崩溃)便宜又有效,却长期被忽视。
  • AI 写代码越多,这类自动找 bug 的手段越重要。

讨论

  • 正方有人说在大厂用 AFL 在资深工程师的代码里找出过不少问题,改变了他对「C 写安全靠技术」的看法。
  • 反方回复说技术水平仍然重要,只是不够。
13

《洛杉矶书评》长文:越来越多年轻女性进入殡葬行业,作者跟随一位防腐学徒了解这一行。

一个古老行业的人员结构在悄悄变化。

事实

  • 作者通过一位 2023 年认识的防腐学徒展开采访。
  • 冬季是殡葬业最忙的季节,肺炎、流感和新冠每年都会带走很多人。

解读

  • 评论把话题引向另一个变化:私募基金在收购看起来很本地的殡仪馆。

讨论

  • 共识有人说家里的殡仪馆被卖给投资公司后,服务变得毫无尊重。
14

伊利诺伊大学用铝和橡胶的混合结构引导热量绕过物体,让红外相机从各个方向都看不到它。

不是挡住热量,而是让热量绕路走。

事实

  • 装置把热量引导绕过物体,而不是阻挡。
  • 可用于电子散热、热防护和隐身,相关论文发在 Nature Communications。

解读

  • 热管理是电子产品和数据中心的老难题,这类结构设计有实际用途。

讨论

  • 共识评论多是联想到军事用途和科幻电影里的光学迷彩。
15

用 Rust 写的 git difftool,支持 25 种语言的代码、配置、图片、PDF、压缩包等,号称几万行 C++ 文件 100 毫秒内比完。

diff 是每天都用的东西,按内容类型做对比还有很大提升空间。

事实

  • 作者从 Gentoo 收录的 7400 个仓库里抽了 2000 个 diff 手工分析,再设计各类内容的对比流程。
  • 代码对比基于树结构 diff 算法 APTED,默认只高亮改动的字符。
  • AGPLv3 开源,当前 v0.3.0;作者说用 AI 但不是凭感觉乱写。

解读

  • 先手工研究 2000 个真实样本再动手,比直接堆功能靠谱,也顺带成了测试集。
  • 在 AI 生成代码越来越多的今天,更好的代码审查和 diff 工具会更值钱。

讨论

  • 正方有人欢迎 Rust 软件用 copyleft 许可。
  • 反方有人按说明配置后只看到单列输出,没有演示里的效果。
  • 共识大家想要三方合并 diff 和不改全局 git 配置的用法。
16

History Today 的一篇历史文章(原文未能抓取,以下基于标题和唯一一条评论)。

编故事永远比调查真相容易,印刷术只是放大了它。

事实

  • 原文抓取失败,内容细节无法核实。
  • 唯一一条评论说:可以卖印刷新闻之后,「假新闻」几乎马上就出现了。

解读

  • 今天的 AI 生成内容,不过是同一个老问题的新版本。
17

作者把 Copper 当 C 的替代品用,加入继承、泛型、多返回值、defer 等,强调极简。

个人语言的价值在于作者完全懂它,而不是大家都来用。

事实

  • 支持类型继承、泛型、多返回值、可选类型、无头文件导入。
  • Ruby 风格语法,编译快,BSD 许可。
  • 作者说极简是最重要的特性,让「脑力有限的人」也能完全理解。

解读

  • 好工具常常始于自己用,作者博客里关于语言设计取舍的文章同样值得读。
  • 文档没说清内存模型、是否有 GC、能否与 C 互调,这些是别人采用前最关心的。

讨论

  • 反方有人觉得语法前后不一致,比如变量声明和字面量的写法顺序相反。
  • 正方有人欣赏它作为个人项目的完整度。
  • 共识大家想知道内存模型、编译目标和 C 互操作性。
18

Jeff Kaufman 调查发现,大多数车企的 V2H 只支持停电时放电,不能同时用太阳能给车充电。

电动车当家庭储能听起来很合理,但标准和产品还远没跟上。

事实

  • V2H(车辆给住宅供电)普遍是单独的放电模式,停电期间不能充电。
  • 作者能找到的唯一方案是特斯拉 Cybertruck 加 Powershare,成本太高。
  • Enphase 双向充电器目标 2026 年四季度量产,作者猜会拖到 2027 年。

解读

  • 隔离电网的断开装置没有统一控制协议,是生态卡住的关键。
  • 需求明确但产品碎片化,是硬件和能源软件的机会。

讨论

  • 正方有人补充:特斯拉 10 月 1 日起为新 Model 3/Y 开放了该功能,但需要 Powerwall 3。
  • 反方有英国用户说花一年、钱不是问题也没装成。
  • 共识很多人用延长线从车上取电,给暖气、冰箱和网络撑几天。
19

一位程序员用 groff 排版了自己写的两部中篇,第二部 4 万词只用了 10 天。

工具不重要,持续写下去才重要;但喜欢的工具能让人愿意开始。

事实

  • 第一篇约 1.5 万词写了七个多月,第二篇约 4 万词只用 10 天。
  • 作者 2025 年 7 月起读了约 30 本小说,才开始自己写。
  • 用 perl 脚本把类 Markdown 标记转成自定义 groff 宏。

解读

  • 技术人常在工具链上花太多时间,评论也拿这点开玩笑。
  • groff 仍然能稳定输出高质量排版,O'Reilly 早年也用 troff 排书。

讨论

  • 共识很多人回忆大学用 troff 排论文的经历。
  • 反方有人调侃:搭写作流程也可能是一种无限拖延。
20

Seoul Viosys 称用纯氮化镓直接发白光,不再依赖 YAG 稀土荧光粉,芯片最小 10 微米。

白光 LED 摆脱稀土是供应链大事,但换来的是对镓的依赖。

事实

  • 30 年来白光 LED 靠蓝光芯片加稀土荧光粉(YAG)实现。
  • 新芯片 WICOP 3 只用氮化镓就能发白光,最小 10 微米。
  • 公司计划用于 AR 显示和 AI 数据传输的光通信。

解读

  • 微型 LED 越小,AR 眼镜和高密度显示的空间越大。
  • HN 把原链接换掉并封禁了原站,因为原文 AI 错误太多。

讨论

  • 反方有人指出镓 99% 的初级产量在中国,供应链风险只是换了个地方。
  • 反方也有人追问显色效果,偏黄或偏蓝都会是问题。
21

Tedium 2019 年旧文:烘焙用的硅油纸从哪来,为什么这些年这么流行。

厨房里一张不起眼的纸,背后是一段化工史。

事实

  • 现在的烘焙纸用硅树脂涂层防粘。
  • 评论补充:00 年代之前用的涂层是 Quilon,之后改用硅树脂。

解读

  • 很多日常产品的普及来自材料工艺的一次小替换。

讨论

  • 反方有人说文章只提硅树脂,没讲 PFAS,别乱下结论。
  • 共识有人科普烘焙纸和包肉的屠夫纸不是一回事。
22

作者把多年前的 canvas 3D 库重做成 WebGL 2 版本,自带图表原语,手机上能稳 120 帧。

老项目借新技术重生,小而快本身就是卖点。

事实

  • 演示在手机上 FPS 稳定在 120。
  • 库里还带了时间序列、热力曲面图和仪表盘等图表原语。

解读

  • 有评论说 Claude 生成的 3D 演示和这里的几乎一样,怀疑训练数据里就有这个库。
  • 也有人说现在直接让 AI 写项目需要的 3D 代码,不再用库。

讨论

  • 正方多人称赞性能和砖块演示很好玩。
  • 共识有人想要和 Three.js、Babylon 的对比文档。
23

数千名 RadiaCode 探测器用户上传轨迹,汇成超过 5000 万个剂量率数据点的公共地图。

众包传感器数据能做出有趣的地图,但质量控制是硬伤。

事实

  • 约 5000 万个测量点、2 万多条轨迹、2700 多位贡献者。
  • 浏览免费,发布需要账号;数据来自 RadiaCode 设备。

解读

  • 这是硬件厂商用社区数据给设备增加价值的做法。
  • 测量方式不统一,有人专门去找高辐射点,地图容易误导。

讨论

  • 反方澳大利亚用户说政府的航测辐射图才是真的,这个只是零星手持轨迹。
  • 反方有人在服务条款页就劝退了。
  • 共识缩放时比例尺变化让人难以下结论。
24

Outcrop 用 AR 把地质图叠在风景上,告诉你眼前的岩石叫什么、何时形成、当时大陆在哪。

把专业数据变成「举起手机就能看」的体验,好奇心就被点燃了。

事实

  • 数据来自 Macrostrat 的全球地质图,可离线使用,iPhone 和 Android 免费。
  • 从作者另一个应用 Flyover Country 的 AR 功能分化出来。
  • 可以回拨大陆板块位置,看岩石形成时的地球。

解读

  • 免费开放数据 + 手机 AR,做出了让家长和孩子一起玩两小时的产品。
  • 网页版呼声高,但 AR 依赖 ARKit/ARCore,是平台取舍的典型问题。

讨论

  • 正方有家长说和 9 岁孩子一玩就是两小时。
  • 共识不少人希望有网页版,不想装 App。
25

2018 年旧文:℡ 和 № 这样的单个字符,在域名里会被规范化成 .tel 和 .no。

Unicode 规范化很有趣,也正因如此浏览器要防仿冒域名。

事实

  • 域名处理会把很多花体、上标字符折叠成普通字母。
  • 作者的联系页 edent.tel 可以写成 edent.℡。

解读

  • 同样的机制会被用来做钓鱼域名,所以现在很多浏览器会拦截或改写。
  • 有人提醒:密码规范化如果用兼容形式,会无谓降低强度。

讨论

  • 共识不少人发现 Firefox 和 Chrome 已经打不开文中的示例链接。
  • 正方有人分享 20 年前注册 π 域名被扣费后又被退回的经历。