## 幻影：拥有自己电脑的AI
幻影是一种新的AI代理方法，超越了可抛弃的聊天机器人，旨在创造一个持久的、自我改进的合作者。 与每次会话都会丢失上下文的传统代理不同，幻影在一个专用的虚拟机上运行，允许它安装软件、构建工具并*记住*过去的交互。
这意味着幻影可以自主构建复杂的解决方案——例如从原始数据创建分析仪表板，或通过Discord等新的通信渠道扩展其功能——而无需持续的人工指导。 它甚至监控自己的基础设施并主动提高性能。
主要功能包括持久内存、创建动态工具的能力、加密安全以及可共享的公共URL，用于它构建的任何内容。 幻影不受您笔记本电脑资源的限制，并且全天候运行。 它会随着时间的推移学习和进化，变得越来越符合*您的*特定需求，并且可以通过MCP服务器与其他AI工具集成。
幻影专为任何人设计，即使是没有编码经验的人，也提供了一种强大的自动化任务和构建定制解决方案的方式。 它可部署在专用虚拟机上，并通过Anthropic API密钥提供免费试用。
每日HackerNews RSS
对不起。
在深夜刷Reddit时，我偶然发现了一个有趣的故事：新西兰的道路工人困惑于交通锥子不断被一种叫做“kea”的本地、调皮的鹦鹉移动。结果发现，这些“马戏团”般的鸟类有策略地重新摆放锥子，*故意*让交通停止，希望从下车的司机那里得到施舍——本质上是发明了收费站！ 这引发了我对鸟类智力的深入研究。虽然没有单一的“鸟类智商测试”，但研究人员使用诸如镜子测试（自我识别）、伊索寓言（解决问题）和延迟满足测试等方法。鸦科鸟类（乌鸦、渡鸦、喜鹊）和鹦鹉始终表现出卓越的能力——工具使用、未来规划、沟通，甚至理解他人的认知。 令人惊讶的是，鸟类的大脑虽然较小，但神经元密度是同等大小的灵长类动物大脑的*两倍*。一只渡鸦的10克大脑在计算能力上可以与一只黑猩猩相媲美！虽然鸦科鸟类擅长解决问题，但鹦鹉在沟通方面表现出色，其中一些，比如非洲灰鹦鹉Alex，展现了令人印象深刻的词汇量和抽象思维。讽刺的是，最“笨”的鸟，鸮鹦鹉，在没有天敌的环境下进化，当受到威胁时只是会僵住。 结论？智力不是关于大脑的大小，而是效率。称某人为“鸟脑”可能恰恰是一种赞美。
## 自制路由器：对美国新政策的回应
美国政府最近宣布了一项 фактически 禁止进口新型消费级路由器型号的政策。作为回应，并且作为一个有趣的科技项目，利用现有硬件自制路由器是一个可行的选择。本质上，任何运行Linux的计算机——迷你电脑、旧笔记本电脑，甚至重新利用的服务器——都可以充当路由器。
这个过程包括安装轻量级的Linux发行版（如Debian或Alpine），配置WAN和LAN网络接口，并利用诸如`hostapd`（用于Wi-Fi）、`dnsmasq`（用于DHCP & DNS）和`nftables`（用于防火墙/NAT）等软件。 多个以太网端口是理想的，但USB适配器可以作为补充。
虽然看似复杂，但核心思想很简单：路由器只是计算机。这种方法提供了稳定性和控制力，作者的设置即使使用旧硬件也能可靠地处理家庭流量。 除了基本的路由之外，这些系统还可以扩展到VLAN、VPN和入侵检测等功能，但为了获得最佳性能，建议保持路由器软件的精简。 这不一定是每个人都能实用的解决方案，但它展示了硬件的灵活性和软件的力量。
《Spring Boot 最佳实践：来自 400 个模块代码库的经验教训》
Spring Boot Done Right: Lessons from a 400-Module Codebase
38 天前
启用 JavaScript 和 Cookie 以继续。
## Spring Boot：纪律胜于技巧
最近 Hacker News 上的一场讨论围绕着维护大型 Spring Boot 代码库（400 个模块）的挑战。核心观点并非框架本身，而是有效使用它所需的*纪律*。虽然 Spring Boot 提供了强大的工具和模式（如依赖注入和自动配置），但其易用性可能导致开发者优先考虑框架规范，而非解决实际问题。
作者在离开 Spring Boot 生态系统后，发现在 TypeScript 和 Python 等语言中拥有更大的简洁性和控制力，更倾向于使用 SaaS 解决方案来处理常见的任务，如身份验证。其他人则认为 Spring Boot 的优势在于提供结构和一致性，尤其是在大型企业中，可以防止 Node/TypeScript 环境中常见的混乱“微服务地狱”。
一个关键点是，一致应用模式的重要性——即使是看似奇怪的做法，例如仅用于注解的空类——也能保持可预测性和可调试性。最终，这场讨论强调，成功的软件开发更依赖于对基本原则的纪律性执行，而不是巧妙或前沿的技术。语言或框架的选择次于团队保持一致性和避免不必要复杂性的能力。
## AI 即将到来的修正 当前的人工智能繁荣建立在不可持续的财务基础上，可能为重大的市场修正埋下伏笔。虽然人工智能承诺提高生产力，但“七巨头”科技公司为与 OpenAI 和 Anthropic 等人工智能实验室竞争所需的巨额资本支出（capex）很大程度上是防御性的。这些公司不一定*需要* 花费，但必须这样做才能迫使竞争对手筹集更大、更难获得的融资。 谷歌在应对这一问题方面具有独特优势，能够发出支出信号而无需立即部署资金。与此同时，人工智能实验室面临成本上升（能源、内存）和产品变现困难的问题。OpenAI 已经开始采取广告等措施，而 Anthropic 则推动提价，这可能会影响需求。 投资的减少可能迫使实验室止损，从而影响整个市场的估值，减缓并购活动，并损害养老基金。过度建设的数据中心容量和 GPU 需求下降可能会进一步加剧局势，可能影响英伟达，甚至引发银行损失。虽然高需求*可能* 会抵消这些问题，但历史表明，繁荣与萧条的周期很可能发生，而且修正可能比许多人预期的更近。
## C++ 哈希表基准测试总结 (2022年8月)
经过一项涉及 29 个哈希表和 174 种组合（不同的哈希函数和分配器）的大型工作，对 C++ 哈希表进行了全面的基准测试，测试系统为隔离的 Intel i7-8700 系统，运行 Manjaro Linux，使用 clang++ 13。测试涵盖了近 2,000 次独立评估，涉及各种场景：复制、插入/删除、随机访问和字符串操作。
主要发现是没有任何一个“最佳”哈希表；性能因工作负载而异。**ankerl::unordered_dense::map** 作为多面手始终表现良好，而 **emhash7/8::HashMap** 在速度方面表现出色。**gtl::flat_hash_map** 提供了与 Google 的 **absl::flat_hash_map** 相似的强大性能。**boost::unordered_map** 与 **PoolAllocator** 结合使用，在内存使用和复制速度方面显示出显著改进。
哈希函数选择至关重要。**std::hash** 和 **boost::hash** 由于缺乏雪崩效应，通常在整数类型上表现不佳，导致显著的减速。**absl::Hash** 和 **ankerl::unordered_dense::hash** 提供了更好的整数哈希。
基准测试评估了内存使用情况以及不同数据类型（整数、字符串）和访问模式下的性能。完整的测试结果，包括详细图表和方法论，可在 [https://github.com/martinus/map_benchmark](https://github.com/martinus/map_benchmark) 处开源获取。
对不起。
arXivLabs是一个框架，允许合作者直接在我们的网站上开发和分享新的arXiv功能。个人和与arXivLabs合作的组织都接受并拥护我们的开放、社群、卓越和用户数据隐私等价值观。arXiv致力于这些价值观，并且只与坚持这些价值观的合作伙伴合作。您是否有为arXiv社群增加价值的项目想法？了解更多关于arXivLabs的信息。
## 人工智能、人类思维与工具的演变
一篇由特伦斯·陶撰写的近期论文（并在Hacker News上广泛讨论）探讨了人工智能与人类智力活动之间的关系。其核心论点将人工智能视为增强人类思维、组织和传播思想的工具的自然发展，但强调必须保持“以人为本”。
然而，评论员们表达了怀疑，指出历史模式表明技术进步并不一定优先考虑人类福祉（引用的例子包括全球化、社交媒体和不受约束的市场力量）。人们担心人工智能的发展已经倾向于优先考虑效率而非质量，甚至迫使员工在输出存在缺陷的情况下使用它。
讨论还质疑人工智能是否*曾经*真正“以人为本”，并提及其起源于军方资助的研究。进一步的争论集中在计算机本身是否以人为本，以及人工智能可能加剧现有社会问题的潜力。一些人认为，关注教育的规模化以适应人工智能，忽略了真正智力培养的基本需求，而另一些人则强调人工智能可以 democratize 知识获取。
最终，这场对话反映了一种谨慎的观点，许多人对真正“以人为本”的人工智能未来持怀疑态度，一些人还对人工智能益处过度宣传表示担忧。
这个时钟以字母顺序显示当前时间。灵感来自Mastodon上的一个帖子。在三针模式下，小时、分钟和秒各自按其英文拼写独立排序，并分别对应一根指针。在组合模式下，所有可能的时间（43,200个）都被拼写出来，按字母顺序排列，而一根指针指向当前时间。
对不起。
## MCP：一次合格的尝试 MCP（多工具调用协议）旨在标准化AI工具集成，就像语言服务器协议对代码编辑器所做的那样。它在两个关键领域表现出色：为**图形界面AI客户端**（如Claude Desktop）提供方便的工具访问，例如Jira，以及向代理提供**结构化、最新的文档**——这是一个令人惊讶的强大用例。对于这些应用，MCP通过减少重复集成提供了实际价值。 然而，MCP在**代理循环内的程序化工具调用**方面存在困难。虽然N+M集成的核心理念是合理的，但依赖LLM生成正确的JSON-RPC来调用工具是不可靠的。更好的方法是让LLM *编写代码* 来调用MCP工具，甚至直接调用API。 程序化MCP的关键问题包括高上下文开销（尤其是在工具很多的情况下）、潜在的安全漏洞（通过操纵工具描述）以及对LLM较弱的结构化输出生成能力的依赖。对于复杂的流程，Anthropic的“Skills”提供了一种可行的替代方案，但缺乏互操作性。 最终，MCP的成功取决于使用场景。文档和图形界面集成受益于其标准化，而复杂的代理驱动的工具调用往往会引入比解决的问题更多。
对不起。
Ghostmoon 是一款免费、轻量级的 macOS 工具，提供通常隐藏在设置中或需要终端命令才能使用的强大系统控制功能。它能快速访问诸如管理显示器、弹出驱动器、切换音频设备、静音麦克风和测量网速等功能。
除了基本控制之外，Ghostmoon 还可以重启网络堆栈、重置数据库、强制清空废纸篓、刷新系统以及生成安全密码。它还会显示重要的系统状态信息，包括电池健康状况和循环次数。
目前处于预发布阶段，用户首次启动时需要绕过 macOS Gatekeeper。通过捐赠支持该项目可以解锁“Ghostmoon XE”，它具有扩展功能，例如 Time Machine 卷弹出和扩展密码生成器。它与运行 macOS Ventura 或更高版本的 Apple Silicon 和 Intel Mac 兼容。
对不起。