由于 Last.fm 移除了原生的 RSS 支持，开发者 @xiffy 创建了一个可靠的替代方案。该服务允许用户通过简单替换所提供链接中的用户名，来生成针对其 Last.fm 个人资料的自定义 RSS 订阅源。 目前可用的订阅源包括： * **近期曲目** * **收藏曲目** * **热门曲目和艺术家**（支持自定义周期：从 7 天到全部时间） * **推荐曲目**（提供 RSS 和兼容 Soundixx 的 JSON 两种格式） 订阅源现在还包含作为附件的高分辨率曲目图像。该项目是为应对 Last.fm 功能衰退而推出的“挫败驱动型”解决方案，其特点是轻量级、注重隐私，且完全没有广告、追踪器和冗余脚本。你可以通过将示例 URL 中的 “thexiffy” 替换为你自己的 Last.fm 用户名来访问你的订阅源。
每日HackerNews RSS
一个轻量的开源工具为 Last.fm 添加了 RSS 和 JSON 订阅源，可提供最近播放和收藏的曲目、热门音乐与艺人以及推荐内容。用户赞赏它页面体积小、速度快、使用简单，而且适合用于制作数据面板，或避免依赖 Last.fm 的完整 API。
讨论随后延伸到 Last.fm 为何如今显得没那么有用。评论者怀念它曾经提供的社区电台、本地演出发现、推荐功能，以及真正能让人们因为共同的音乐品味而结识的社区。如今，这类活动大多转移到了 Instagram、Resident Advisor、各类小众社区和线下场景，不过人们普遍批评 Meta 的平台主导地位。
提到的替代方案包括自托管的 Koito、ListenBrainz、MusicBrainz、Rate Your Music，以及支持多平台播放记录的工具。也有人报告了一些技术问题，包括无效的 JSON、不正确的 MIME 类型和不一致的推荐结果。另一个子讨论则扩展成了对旧版 PHP 代码质量的广泛争论。
麦当劳正日益利用人工智能为其在美国近1.4万家门店制定菜单价格。该AI引擎通过分析数百万笔交易和竞争对手的数据来预估“客户的支付意愿”，这往往导致同一款商品在邻近门店的价格出现显著差异。 尽管麦当劳称该工具是一个旨在优化价值的非强制性建议系统，但许多加盟商表示，他们受到了公司总部的压力，要求其遵循算法的指导。这一策略旨在提高整体收入（公司收入主要来自总销售额的提成），但却与面临运营成本上升且需要更高利润率的店主之间产生了矛盾。 此举带来了重大的声誉和法律风险。消费者历来对算法价格歧视持负面态度，法律专家也警告称，该系统可能会招致反垄断审查，因为该公司自身也承认加盟商可能被视为竞争对手。尽管麦当劳坚称该工具能帮助加盟商做出明智的决策，但这种对AI驱动定价的推动，凸显了企业总部与当地店主之间日益加剧的权力斗争，同时该品牌还正面临客流量下滑以及公众对动态定价模式的强烈质疑。
Hacker News 的用户讨论了麦当劳据称计划使用 AI 估算每家门店顾客的支付意愿，并据此调整菜单价格。多数评论者认为 individualized pricing 不公平或具有剥削性，尤其是在巨无霸等产品的成本相对固定的情况下。许多人将其与 SaaS、旅游和服务等行业现有的动态定价进行了对比，也有人指出，餐厅本来就会通过折扣和促销活动来吸引非高峰时段的顾客。
一些用户质疑麦当劳承诺的低价为何在实际中往往会变成更高的价格，并将此归咎于加盟商的行为。其他人则关注糟糕的顾客体验，包括餐品价格高、质量不稳定以及自助点餐机不可靠等。有人建议使用折扣应用、利用优惠券和“买一赠一”优惠、组织起来抵制价格，或干脆不再光顾麦当劳。讨论还涉及隐私、消费者知情权、群体压力，以及监管或诉讼的可能性。
Cloudflare 已宣布其成为公共证书颁发机构（CA）的计划，这标志着该公司在致力于互联网安全方面迈出了重要一步。在推出 Universal SSL 十二年后，Cloudflare 旨在为网络信任生态系统提供更具韧性和冗余的基础设施。 为实现这一目标，Cloudflare 正在采取两项主要策略： 1. **广泛的兼容性：** 他们已同意收购现有的 GlobalSign 根证书，以确保即时覆盖各类设备；同时，他们也正在申请将其为未来标准设计的新根证书纳入各大浏览器和操作系统的根证书计划中。 2. **现代化升级：** Cloudflare 计划在后量子安全领域处于领先地位，并力争在 2027 年前签发默克尔树证书（MTCs）。 新的 CA 将以 ACME 为先，并以透明化为设计理念，利用自动续期流程实现“小范围故障”控制，从而最大限度地减少干扰。通过充当“零号客户”，Cloudflare 将在公开发布前对其自身基础设施进行大规模的严格测试。该举措旨在为现有 CA 提供一种可靠的自动化替代方案，在行业向后量子标准过渡的过程中，降低系统性风险并确保网络证书供应链的稳健与长久。
The Hacker News 上的讨论主要围绕 Cloudflare 计划成为一家公共可信证书颁发机构展开。该机构将提供免费证书、后量子支持，以及 ACME 续期信息（ARI），以推动更安全、有效期更短的 TLS 证书。
支持者欢迎更多竞争者加入，以减少对 Let’s Encrypt 的依赖，并认为 Cloudflare 已在 TLS 和互联网安全方面积累了丰富经验。他们指出，与数千家小型运营者相比，集中化服务可能更经济，也更具韧性。
批评者质疑，Cloudflare 正在通过 CDN、机器人管控和内容审核政策逐渐成为互联网的守门人。其他人则担忧证书吊销、证书颁发机构（CA）的所有权、根证书项目监管、ARI 与现有 ACME 客户端之间的兼容性，以及由顶级域名运营或基于 DNSSEC 的替代方案是否可行。该讨论还围绕互联网最初是否真的以去中心化为目标展开，并得出结论：分布式基础设施与政治或经济控制的集中化并非同一回事。
特斯拉已从花旗银行和富国银行获得 300 亿美元的新信贷额度，以取代此前 50 亿美元的融资安排。此举正值该公司从长期的高速增长期，转向销售停滞和利润微薄的转型阶段。
在 2024 年销量下滑 1% 后，特斯拉正转向大规模资本支出，以资助自动驾驶出租车和人形机器人等雄心勃勃且具有投机性的项目。公司计划大幅增加开支，预计 2026 年的资本支出将达到 250 亿美元。然而，这些投资尚未产生明确的回报，许多承诺的产品面临生产延迟或性能问题。
尽管拥有约 430 亿美元的现金储备，特斯拉近期出现了现金流负增长，从而引发了此次流动性注入。公司表示预计不会立即动用这笔新信贷额度；然而，这一转变标志着其在平衡激增的运营成本与在疲软市场中维持盈利的挑战时，采取了防御性姿态。这些高风险投资最终能否产生可观的收入，对投资者而言仍存在极大的不确定性。
Hacker News 上的一场讨论围绕 Electrek 的头条文章展开：特斯拉在获得 300 亿美元信贷额度的同时，正接近不盈利状态。评论者认为，这种表述过于耸人听闻：信贷额度只是提供借贷能力，可能用于资本支出、人工智能计算、扩张等，并不意味着公司已经陷入亏损。有人主张采用更加中立的报道方式，并指责 Electrek 持反特斯拉偏见。
更广泛的争论涉及特斯拉的战略。批评者表示，特斯拉的车型阵容正在老化，而且过于狭窄；公司忽视了价格亲民的大众市场车型，以及七座 SUV 或厢式车等实用车型。此外，它还面临来自中国更强的竞争、质量问题，以及政治因素带来的品牌损害。
支持者则认为，投资者看重的是特斯拉作为一家人工智能、自动驾驶和机器人公司的价值，而不只是把它当作汽车制造商。Robotaxi、Optimus，以及与 SpaceX 可能建立的联系，都足以证明其估值是合理的。另一些人则反驳称，这些承诺一再延期，专注于盈利的汽车业务才是更理性的做法。
一条旁支讨论提到，电动车需要的动力总成维修更少，但仍需要更换轮胎、刹车片、补充各种液体、检查悬挂系统，并进行安全检测。
在使用 Serde 高效工作多年后，作者指出了其设计上的根本局限性，特别是它对递归、僵化的数据模型以及统一 Cargo 特性的依赖，这些问题导致了序列化过程中出现“边缘情况”故障。 为了解决这些问题，作者推出了 **Deser**，这是一个基于替代架构构建的序列化库。与 Serde 基于类型的递归不同，Deser 使用了基于事件的接收器与发射器模型，状态在堆上管理。这带来了多项优势：它是非递归的（防止了栈溢出），天然支持异步 I/O 的暂停，并且具备可扩展的数据模型以保留上下文，从而实现了更好的错误报告、无损缓冲以及对 XML 命名空间等格式特定细微之处的更好处理。 虽然 Deser 的目的并非“取代”根深蒂固的 Serde，但它为处理复杂、不可信或高度嵌套的数据提供了一个强有力的替代方案。该库相当成熟，支持多种格式（如 JSON、TOML、XML 等）以及可组合适配器和验证等高级功能。尽管 Deser 在运行时性能上会有所权衡，并依赖了内部的 `unsafe` 代码，但对于那些触及 Serde 架构约束上限的开发者而言，它提供了一种更灵活、更可靠的方法。
一则 Hacker News 讨论帖围绕 **《Deser：重新思考 Rust 序列化》**展开，共获得 72 分和七条评论。评论者将 Deser 与 **Facet** 作比较，指出两者都关注 Rust 序列化和编译时开销等问题；不过，一位贡献者表示，Facet 从未实现其编译速度方面的目标。
另一条讨论串质疑文章中的代码示例是否由 AI 生成。一位评论者认为，Pangram 错误地判定了生成代码周围文字的作者归属。有些人则为文章中对“Deser”及其名称的简短说明辩护，认为这是对 Serde 的戏谑式引用，而不是多余的开场介绍。
正在检查您的浏览器……需要启用 JavaScript
《黑客新闻》的一则讨论帖围绕一项由数学家主导的提案展开，该提案主张对人工智能生成的数学成果实行“负责任的发布”。它要求前沿人工智能实验室停止使用外界无法访问的专有模型来检验重大开放问题的解答，通过同行评审公开清晰、可验证的研究成果，正确引用已有文献，并出资帮助人们理解重要成果；至于研究方向，则应由整个研究社区决定。
支持者认为，私有且资本密集的系统可能使数学研究的前沿被少数财力雄厚的实验室主导，削弱数学教育和研究职业的发展，并催生不透明的证明——这类证明或许能够推进问题解决，却无法帮助人们形成真正的理解。他们强调可及性、协作，以及维护数学界提出新问题的能力。
批评者则称这种做法是在实行把关和特权化。他们认为，数学成果应向所有人开放，实验室应当可以自由追求新的发现，或将这些成果用作基准；资助人类进行解读，也可能使既有数学家占据优势。相比施加限制，他们更倾向于发展更好的开放模型和易用的工具，以加快发现的速度。另一些人指出，一项完整的证明可以被检验，无须开放模型的推理过程。
**Corral** 是一个 Linux 工具，旨在通过严格的时间、内存和进程限制来可靠地执行命令。与仅监控直接子进程的标准运行器不同，Corral 可确保在命令退出或超时后，不会有任何后代进程（如守护进程或后台任务）存留。 Corral 提供两种运行模式： * **强制模式 (Enforced Mode)：** 使用 cgroup v2 包含所有后代进程，允许内核通过 `cgroup.kill` 立即终止整个进程树。此模式还支持内存和进程数量限制。 * **回退模式 (Fallback Mode)：** 作为子进程收割者（subreaper）运行，通过 `/proc` 追踪孤儿进程并使用 `pidfds` 将其终止。 Corral 解决了 CI 和自动化流程中的常见故障，例如忽略信号的进程、脱离会话的守护进程或挂起的输出管道。如果 Corral 无法保证所有进程均已停止，它将以 120 状态码退出。虽然它非常稳健，但并非安全沙箱，不会限制文件或网络访问。它要求 Linux 5.11+（强制模式需要 5.14+），并为每次运行提供基于 JSON 的审计日志。
**Show HN：** Corral 是一款 Linux 实用工具，用于防止 AI 代理启动的命令遗留后台进程。将命令包装为 `corral --wall 30s -- yourcommand` 后，Corral 会让它在独立会话中运行，并在可用时为其分配专用 cgroup，从而可靠地终止整个进程树，包括那些更改了进程组或会话的进程。如果系统不支持 cgroup，Corral 会改为通过 `/proc` 跟踪子进程，但无法停止已移交给其他用户或服务的工作。当无法确认所有进程均已终止时，它会以状态码 120 退出。
作者在发现 AI 代理后端中存在遗留任务，并发现 Claude Code 等工具也有类似的清理问题后，开发了 Corral。讨论中指出，`timeout` 等常规工具同样可能被守护进程化（daemonize）的进程绕过。Corral 的目的并不是遏制故意作恶的代理：SSH、systemd、D-Bus 或其他外部服务仍可在其控制范围之外启动新进程。若要实现更强力的隔离，则需要使用沙箱，并限制网络访问和守护进程访问。
作者批评 LinkedIn 是一个充斥着表演式生产力和“企业黑话”的有毒环境，浅薄的 AI 项目在这里大行其道。他特别指出，那些随处可见、毫无实际用途却被包装得宏大且具有前瞻性的低质量计算机视觉项目（如手势追踪或简单的坑洼检测）是这一现象的典型代表。
为了证明这些项目有多么微不足道，作者仅用了 90 分钟就利用 YOLOv8 构建了一个“垃圾内容检测器”，用于识别这些重复且模板化的 LinkedIn 帖子。通过抓取信息流并以极小的精力训练模型，他展示了这些项目几乎不需要技术含量，且重营销而轻实质。
作者总结道，LinkedIn 的文化奖励的是生产力的表象，而非真正的专业知识。由于该平台鼓励自我推销并排斥批评性反馈，用户陷入了“角色扮演”式专家体验的怪圈。归根结底，该平台无法促进真正的成长，它更青睐持续产出平庸的内容，而非推动真正的技术进步。
Hacker News 的评论者普遍认为，LinkedIn 很有价值，可以用作职业人脉列表、招聘渠道、销售工具和推荐来源，即便它的信息流让人很不舒服。多名用户表示，他们通过私信、推荐和招聘人员联系找到了工作、咨询项目或潜在客户；另一些人则说，LinkedIn 已成为联系前同事和关注公司动态的必备工具。
不过，信息流遭到了广泛批评，被形容为企业成绩展示、空洞的励志帖子、虚假的专家观点、谦虚式炫耀、招聘人员 spam，以及越来越明显的 AI 生成“垃圾内容”。评论者围绕 strategic posting 是否真的有助于职业发展展开讨论，还是仅仅奖励那些愿意参与办公室政治和算法式自我营销的人。
另一个反复出现的抱怨是，LinkedIn 会压制外部链接，却在搜索结果中排名靠前，有时还会迫使未登录用户面对登录墙。很多人认为，这说明该平台更在乎 crawlers，而不是普通访问者；它优先服务于招聘和企业间销售，而不是开放、有用的网络体验。
总体而言，用户的看法两极分化：许多人希望能把 LinkedIn 纯粹当作一个安静的人脉通讯录，同时静音或彻底屏蔽它的信息流。
周末我逛了场车库旧货甩卖，以超低的价格淘到了一台正版且工作正常的 Atari 2600，还附带一大堆近乎全新、包装完整的游戏。我想把这些游戏盒的封面扫描下来，带大家一起重温往昔的乐趣。
一则 Hacker News 讨论提到了《Strange Parodies of Atari 2600 Video Game Box Cover Art》。这是 2008 年创作的一组作品，保留了原始插画，同时将人们熟悉的游戏标题和文字替换成荒诞的版本。评论者称赞了其中的文字游戏、怀旧感，以及它与早期戏仿传统的关联，例如 Worth1000、b3ta、Usborne 游戏书和科幻封面恶搞作品。
许多人指出，早期 Atari 盒子上的包装插画往往极不现实；他们认为，这种欺骗性营销可能加剧了消费者对行业的不信任，并促成了 20 世纪 80 年代的电子游戏产业崩盘。有人还提到Nintendo 采用了更准确的包装设计，以及后来出现的评级制度，并将这些视为对此类问题的回应。
讨论很大一部分集中在这些戏仿作品是否由人工智能生成。多数评论者认为它们是人工撰写的，作者很可能是 Keaton Patti；这些标题被刻意设计得类似机器生成、经过滑稽扭曲的文字。更广泛的争论则围绕人工智能能否进行创作展开：一些人认为，AI 能产出技术上看似合格但质量平庸、缺乏新意的作品；另一些人则强调，人类经验、意图和筛选仍然是创作的核心。也有一位评论者认为，目前关于人工智能创作局限的说法在很大程度上仍属推测。
最近发布的 “Jev” AI 模型因其为分类任务提供了高性能、高性价比且低延迟的解决方案，引起了广泛关注。尽管一些批评者将其简单地归为“仅仅是一个分类器”，但 Jev 的真正价值在于其多功能性和易用性；它堪称分类领域的“ChatGPT 时刻”，使用户无需进行自定义微调即可对各种输入进行分类。
Jev 提供了三个便捷的 API：Choice（多分类）、Noul（二分类/多标签）和 Score（序数），使其成为从电子邮件过滤到 AI 代理工作流实时决策等任务的高效工具。其高准确性很可能得益于在高质量合成数据上的专有训练，以及诸如“强化学习校准决策”（RLCD）等先进的校准技术。
虽然市面上已经出现了许多开源“克隆”产品，但它们很难达到 Jev 的广谱性能。然而，随着 OpenAI 等巨头近期推出类似的“决策”（Decision）API，行业显然正在向集成这些专业化、高效率的模型转变。归根结底，Jev 未必解决了“无法解决”的问题，但它极大地提高了开发者评估是否值得投入时间和资源去构建自定义微调模型的门槛。
讨论赞扬了 Sebastian Raschka 对文本分类发展的历史梳理：从词袋模型、词向量、神经网络和 Transformer，一直讲到 Jev。Jev 被视为文本分类领域可能迎来的一次“ChatGPT 时刻”：它是一种通用模型，无需针对每项任务单独微调，就能处理多种文本任务，同时比完整的大型语言模型速度更快、成本更低。评论者还指出，fastText 等连续词袋方法有助于弥合传统方法与神经网络方法之间的鸿沟。
实际生产中的一个关键问题是置信度校准。对于电子邮件路由等应用，一个准确率为 96%、但过度自信的模型，可能不如一个准确率为 94%、却经过良好校准的模型实用。因此，Jev 直接进行置信度训练的意义十分重大。不过，在使用私有且未见过的数据进行测试之前，对其公布的 IMDb 分类结果仍应谨慎看待。
总体而言，读者认可这篇文章较为客观均衡的分析，同时批评了围绕人工智能演示的过度炒作。