## 缺失的阶梯：人工智能与软件工程的未来
人工智能正在迅速自动化传统上由初级工程师执行的任务——这些任务对于培养基础技能、判断力和系统理解至关重要。虽然最初关于人工智能将“基本上”编写所有代码的预测并未完全实现（目前的估计范围在30-50%），但人工智能*正在*显著改变开发者环境，提高生产力，但也造成了关键的技能差距。
研究表明存在“监督悖论”：依赖人工智能可以*降低*学习效果，甚至会使经验丰富的开发者放慢速度，但开发者越来越不愿意在没有它的情况下工作。这种依赖威胁着未来高级工程师的培养，因为传统的学习过程——解决具有挑战性的任务——正在被绕过。
来自Anthropic等的数据显示，人工智能正在影响招聘，在人工智能相关岗位中，年轻专业人员的新工作开始数量明显下降。公司正在采用人工智能，但并未取代入门级职位，这表明未来可能长期缺乏能够有效监督人工智能生成代码和维护系统完整性的经验丰富的工程师。
解决方案并非仅仅是采用人工智能，而是积极重建“阶梯”——实施结构化的学习路径，优先考虑理解而非速度，将上下文视为重要的基础设施，并对人工智能的角色设定现实的期望，将其视为工具而非教师。核心挑战是确保我们继续培养能够监督和验证人工智能输出的工程师，否则我们将失去构建和维护复杂系统所需的专业知识。
每日HackerNews RSS
## 人工智能时代工程职业发展的变化
最近在Hacker News上的一场讨论集中在人工智能如何重塑软件工程角色以及职业发展所需的技能。核心问题是传统工程职业阶梯上某些“梯级”可能消失，尤其是初级职位。
由于人工智能现在能够处理以前分配给初级工程师的许多任务——例如样板代码和错误修复——公司正在质疑大量招聘初级工程师的必要性。一些人建议将重点转向学徒制，培训个人有效利用人工智能，注重对良好代码的“品味”，并识别设计/安全漏洞。
然而，存在争议，这是否仅仅是初级职位的重新定义。人们担心随着速度加快，代码质量可能会下降，以及过度依赖人工智能生成的代码而缺乏足够监督的风险。
这场讨论凸显了一个更广泛的转变：价值正在从*编写*代码转移到*指导*和*验证*人工智能生成的代码。提升技能并专注于更高层次的技能，如系统架构和业务理解，被认为是未来工程师的关键，可能需要进一步的教育或人工智能工具本身的专业化。最终，这场讨论指向了软件工程师学习、成长和创造价值方式的根本性变化。
启用 JavaScript 和 Cookie 以继续。
## 寄生社会关系：摘要 寄生社会关系是指我们与从未谋面的人建立的单向连接，通过故事、音频、视频和互联网等媒体产生熟悉感。这个概念诞生于1956年，承认了我们与所观察对象建立联系的自然倾向，并因技术而得到放大。 虽然历史上是通过讲故事和语言建立的，但互联网——尤其是社交媒体——极大地*增加了*这些连接的可能性。我们与网络名人、作者，甚至历史人物发展出这些关系。 尽管有时被认为具有负面影响——作为“真实”关系的替代品——寄生社会关系也可能是有益的。它们提供灵感、与过去的联系，甚至是评估潜在现实世界互动的依据。最终，拥有这些关系可以是一种积极的体验，通过思想和内容促进共同理解和连接。
对不起。
启用 JavaScript 和 Cookie 以继续。
## 西班牙关闭空域给美国飞机 – Hacker News 摘要
Hacker News 上的一篇帖子讨论了西班牙决定关闭其空域给可能对伊朗采取行动的美国飞机。 这引发了关于美国外交政策、美西关系价值以及美国海外军事存在带来的财务影响的争论。
许多评论员质疑美国期望获得进入西班牙空域的理由，强调西班牙的主权。 一些人指出了美国历史上的干预以及冲突升级的可能性。 还有人争论围绕西班牙美国基地的财务安排，质疑考虑到使用限制，收益是否超过成本。
一个反复出现的主题是对美国外交政策的批评以及卷入不符合欧洲利益的冲突的可能性。 还有关于美国对以色列的援助及其对国际关系的影响的讨论，一些人指责美国将以色列的利益置于更广泛的战略考量之上。 讨论还涉及北约的复杂性以及联盟可能的变化。
目睹了社交媒体从早期以人为本的发展历程，作者对其目前的走向表示担忧。他们观察到，社交媒体正朝着自动化和武器化的方向转变，这得益于模仿真实互动的AI工具——它们撰写帖子和评论，*仿佛*是由真人创作的。
尽管运营着成功的时事通讯和播客，作者仍然将真实的互动置于“增长黑客”之上，珍视社交媒体作为分享想法和建立联系的空间。他们哀叹AI“声誉教练”的兴起，这些教练优先考虑产出和数据，而非真实的存在，从而助长了“有毒的激怒机器”。
作者倡导透明度，敦促人们识别并揭露自动化内容，并要求平台优先考虑信息而非人为制造的互动。他们强调*保持*在线存在的重要性，即使——甚至特别是在挣扎时，认为脆弱和诚实对于维护网络的社会结构至关重要。
## Marginalia Search NSFW 过滤器：摘要 作者为 Marginalia Search 开发了一个 NSFW 过滤器，起因于 API 用户请求。最初使用 fasttext 等快速分类器尝试效果不佳，原因是训练数据偏差——从 NSFW 搜索收集的样本包含过多“与 NSFW 相关”的噪声，导致误报。最先进的 Transformer 模型对于搜索引擎的实时需求来说速度太慢。 解决方案采用了一种新颖的方法：利用大型语言模型 (LLM)，如 Qwen 3.5，来*标记*大量（10K 个样本）搜索结果为安全或 NSFW。然后，使用这些标记数据训练一个从头开始实现的简单、单隐藏层神经网络。 该网络专注于精心挑选的特征——指示 NSFW 内容的术语，以及用于避免过度过滤的“区分性”术语。训练是迭代的，过滤器在实时搜索结果上的表现被用于完善特征集并减少误报。虽然不完美（NSFW 分类器很少能做到完美），但该过滤器在初步评估中实现了约 90% 的准确率，现已在 API 上上线，并计划提供 UI 选项。作者强调了平衡速度、准确性和实际 NSFW 内容低发生率的“棘手”性质。
对不起。
Cherri 是一种新的编程语言，专为构建和维护 macOS 上的大型、复杂的“快捷指令”而设计。与直接在“快捷指令”应用内构建不同，Cherri 允许使用 CLI、VSCode 扩展或专用 macOS 应用进行桌面开发。
它旨在与“快捷指令”动作实现 1:1 映射，以便于调试，并具有包管理器（使用 Git 仓库）、类型检查、函数以及包含文件的功能。Cherri 优先创建优化后的“快捷指令”，以最大限度地减少尺寸和内存使用。
主要功能包括导入现有“快捷指令”、定义自定义动作和嵌入文件。它还处理通过 macOS 或备用服务器对“快捷指令”进行签名。安装方式包括 Homebrew、Nix 或直接下载。该项目的创建者强调了在“快捷指令”语言领域持续发展的必要性，并以此为基础，延续之前经常被废弃的努力。
## Cherri：一种用于 Apple Shortcuts 的新语言
一种名为 Cherri 的新编程语言已经开发完成，旨在直接编译成 Apple Shortcuts。这解决了在 Apple 原生 Shortcuts 应用中构建复杂自动化流程时令人沮丧的开发体验，许多人觉得它不直观且难以维护。
有几位用户报告成功使用 Cherri，并借助 Claude 等 LLM 创建了数百个用于 macOS 自动化的 Shortcuts——这些任务使用 AppleScript 或其他方法要么不可能，要么过于繁琐。该语言允许更轻松的代码重用和脚本编写，克服了可视化界面的限制。
讨论强调了 Apple 自动化工具（Shortcuts、AppleScript、Hammerspoon）的挑战，许多人希望拥有更强大的 SDK，最好是 Python。人们也对 Apple 对向后兼容性的承诺以及频繁的破坏性更改表示担忧。该项目包括原生 macOS 签名和云端回退，以提供跨平台支持。
最终，Cherri 旨在赋能高级用户和开发者，以更友好的代码方式充分利用 Apple 的自动化功能，尤其是在人工智能辅助开发时代。
## AnchorGrid 门检测摘要 AnchorGrid 的门检测 API (POST /v1/drawings/detection/doors) 识别建筑平面图 PDF 中的门，并以边界框形式返回结果。它需要先前上传的文档 ID 和可选的页码。 **免费版：** 处理时间为**每份作业 2-4 分钟**，具体取决于文档复杂度和页数。 费用为**每页 2 个积分**，终身上限为**402 个积分**。 **更快的处理速度：** 升级到 Pro 或 Enterprise 计划将使用专用 GPU 基础设施以获得更快的结果。这些版本还可以在作业完成后启用 webhook 通知。 **关键细节：** * **身份验证：** 通过 X-API-Key 标头。 * **响应：** 初始的 202 Accepted 响应提供了一个 `job_id` 用于轮询状态 (GET /v1/jobs/{job_id})。 * **结果：** 包括门的位置（页码、边界框）、过滤后的门数量 (`doors_found`) 和处理时间。 * **速率限制：** 根据版本而异（免费版：每分钟 5 个，Pro 版：每分钟 60 个，等等）。
有效的研究需要平衡探索与整理。虽然Pinboard、Books.app和摘录应用等数字工具对收集资料有帮助，但作者认为**在纸质笔记本上手写笔记是研究过程中最有价值的部分。** 最大化笔记本使用价值的关键在于持续的整理：**在每页写上日期，添加页码（奇数就足够了！），并建立一个持续更新的索引**，记录主题、引言和想法。为了管理有限的空间，笔记只写在右页，相关的想法或交叉引用则用铅笔写在左页。这创造了一个灵活的系统，其中偶数索引条目表示“非直接”的联系。 尽管笔记可能分散在多个笔记本中，但这种方法——结合勤奋的索引——能够实现高效的回忆，并促进对研究材料更深入的参与，最终扩展思维能力并改善研究成果。