## 氛围编程：面向资深开发者的指南 尽管名为“氛围编程”，但利用像Claude这样的LLM辅助编程并非仅限于初学者。作者是一位经验丰富的开发者（MIT计算机科学实验室共同负责人、创业公司架构师、Github超过2.3万星），他认为*专家*最能有效利用这项技术。 关键在于将LLM代理视为有能力但资历尚浅的资源——类似于大二水平的编程学生或实习生。不要期望得到完整的解决方案，成功的“氛围编程”包括在您深入理解的项目中分配明确定义的任务，提供清晰的反馈，并严格审查输出。将其视为领导团队，而不是寻求神奇的代码生成器。 最初不要在复杂问题上浪费时间，而是专注于较小的重构、错误修复或您会委托给实习生的繁琐任务。准备好丢弃很大一部分生成的代码——高失败率是可以接受的，因为实验成本很低。 最终，氛围编程可以增强专家的现有能力，让他们能够监督一个“团队”的代理并加速开发。然而，它需要耐心、强大的代码审查技能以及管理流程的意愿——并非所有开发者都具备这些素质。
每日HackerNews RSS
作者、开源数据库 rqlite 的维护者，两年前就预测了 LLM 将对软件开发产生重大影响——这一预测现在看来具有先见之明。 值得注意的是，Copilot 现在是 rqlite 代码的第二大贡献者，其贡献量已超过许多人类开发者，并且还在迅速增长。
虽然 Copilot 的功能类似于一名熟练的初级开发者，能够高效地完成任务并适应项目的风格，但这种协作缺乏人类指导的关键要素。 它无法从过去的决策中学习，保留上下文，或建立对项目长期目标的共同理解。
这凸显了软件经济的转变：每月仅需 41.73 美元，人工智能辅助的成本非常低，开发者会乐于接受其局限性。 作者认为，这种可负担性将从根本上改变整个行业，并可能影响未来程序员的培养，因为传统的学习模式将被单纯的产出所取代。
## Macintosh Classic 修复总结
该项目详细介绍了1990年 Macintosh Classic 的修复过程。这款电脑是经济型型号，配备 68000 CPU 并提供扩展选项。首要步骤，对于任何老式电脑都至关重要，是在通电前彻底拆解，以避免潜在漏液电池和电容造成损坏。幸运的是，Classic 的电池没有漏液，目视检查仅发现少量电容问题。
修复工作包括更换主板和模拟板上的电容——这是一项繁琐但可管理的任务，需要中等水平的焊接技能。升级包括将内存扩展到 4MB，并安装 MacBatt 适配器以使用标准纽扣电池。
重新组装后，Classic 成功启动，显示了怀旧的“The Grouch”程序。然而，原始 SCSI 硬盘在启动几次后证明不可靠，需要从外部 BlueSCSI v2 启动。未来的计划包括尝试从原始驱动器恢复数据，并可能对机箱塑料进行复亮处理。这次成功的修复为修复另一台老式 Mac——阿姨的旧 Macintosh Plus 铺平了道路。
## Macintosh Classic 修复日志与复古计算讨论
最近 Hacker News 的讨论源于一份详细记录 Macintosh Classic 修复过程的日志。这个项目引发了关于日常使用老式电脑与模拟的吸引力的对话。
虽然像 Infinite Mac 这样的模拟器提供了一种便捷的方式来体验旧软件，但许多评论者强调了运行原始硬件的独特满足感——启动声音、系统手感以及独特的用户体验。
然而，由于组件老化和零件供应有限，维护这些机器具有挑战性。一些用户发现这些老系统提供的无干扰环境对于写作等任务很有价值，并利用软盘传输到现代机器。另一些人，例如一位拥有大量收藏的评论者，承认了实际限制，并优先保护难以复制的复古街机体验。
讨论还涉及复制旧硬件的响应速度，有人建议现代 OLED 显示器*可能*能够实现与 CRT 相似的延迟。最终，吸引力似乎在于怀旧、独特的计算感受以及与现代数字生活有意的断开。
与2000年互联网泡沫的担忧相呼应，华尔街现在正在质疑当前人工智能繁荣的可持续性。一份最近的麻省理工学院报告显示，高达95%的企业在生成式人工智能上投资了300亿至400亿美元，但*没有*看到任何财务回报。 这一消息引发了关键科技股的大幅抛售——英伟达跌幅3.5%，Palantir跌幅9%，引发了对潜在市场修正的担忧。尽管ChatGPT推出后普遍存在热情和大量投资，但大多数公司尚未实现人工智能承诺的经济转型和成本节约。 麻省理工学院对企业领导者和员工的调查表明，只有5%的人工智能项目正在产生实质价值，这表明当前的市场估值可能被高估，并且容易出现“泡沫破裂”。
## “氛围编码”的现实检验 人工智能辅助编码（“氛围编码”）的快速普及正在创造生产力繁荣，但也伴随着错误和安全漏洞的激增。虽然开发者报告效率有所提高，但为了追求速度而牺牲最佳实践——例如彻底的规范和代码审查——的诱惑，正在导致混乱且难以调试的代码库。 一位开发者的经历突显了这个问题：一个简单的错误修复演变成了一个令人沮丧的循环，即人工智能生成的代码需要进一步简化，最终牺牲了一个功能。这说明了一个核心问题：人工智能可以*快速*生成代码，但不能保证质量。 公司正在竞相采用 Cursor 和 WindSurf 等工具，但代码量的增加与缺陷的增加直接相关。这需要回归并改进传统的保障措施：严格的测试、静态分析和强大的 CI/CD 管道。至关重要的是，复杂的日志分析和人工智能驱动的监控正变得对于快速识别和解决人工智能生成的代码中的问题至关重要。 尽管寄希望于持续改进，但人工智能的进步可能正在停滞。因此，企业必须构建适应*当前*人工智能状态的系统——强大但需要勤奋的监督和强大的防御——以应对软件开发的新时代。
FFmpeg 8.0
2 天前
## FFmpeg 8.0 发布摘要
FFmpeg 8.0 已发布，这是对这款至关重要的开源多媒体框架的重大更新。此版本引入了多项关键改进，包括视频编码/解码的计算着色器支持（最初适用于 FFv1 和 ProRes RAW），可能实现跨平台硬件加速。OpenAI 的语音转文本模型 Whisper 已集成，允许自动生成字幕。
此更新还包括各种错误修复和优化。讨论强调了 FFmpeg 作为无数视频和音频应用程序的基础工具的持续重要性，通常作为其他软件的后端。
用户对 Vulkan 支持的潜力以及 LLM 现在为构建复杂的 FFmpeg 命令提供的易用性感到兴奋。该版本强调了 FFmpeg 持续的开发及其在媒体领域中的重要作用，尽管其命令行界面以复杂著称。许多人指出它作为免费且强大的专有解决方案替代方案的持续相关性。
通过性能效率优化路由使LLM更便宜、更好
Making LLMs Cheaper and Better via Performance-Efficiency Optimized Routing
2 天前
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合作的组织都认同并接受我们开放、社群、卓越和用户数据隐私的价值观。arXiv致力于这些价值观，并且只与秉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。
美国正在对超过5500万签证持有者的记录进行全面审查，实施“持续审查”以识别违反入境条件的行为。这项举措是特朗普总统反移民平台的重要组成部分，将导致因逾期居留、犯罪活动或支持恐怖主义等问题而被吊销签证。 除了现有持有者外，未来的申请者（包括学生和游客）将面临更严格的审查，包括对社交媒体的检查，以寻找“反美”情绪或对外国恐怖分子的支持。该政府还在暂停某些工作签证（如卡车司机签证），并最近对马拉维和赞比亚公民征收高额签证押金。 这种加强措施是在逮捕参与亲巴勒斯坦抗议活动的外国学生之后采取的，并建立在现有的旅行禁令和影响许多国家的限制之上，以及限制移民合法身份和可能废除出生权公民身份的努力之上。 官方声明的目标是确保“美国的利益”不会延伸到“鄙视这个国家”的人。
## Thunderbird Pro：扩展 Thunderbird 生态系统 Mozilla Thunderbird 正在推出“Thunderbird Pro”，这是一套可选的订阅服务，旨在提升用户生产力。这些开源服务 – **Thundermail**（邮件托管）、**Appointment**（日程安排）和 **Send**（加密文件共享）– 直接集成到现有的 Thunderbird 应用中，不会影响免费版本。 **Thundermail** 将提供 IMAP、SMTP 和 JMAP 支持，允许用户托管现有域名或选择 @thundermail.com 或 @tb.pro 地址，最初托管在德国。**Appointment** 正在被集成到撰写窗口中，以便轻松插入日程安排链接，并旨在支持各种会议类型，包括通过不断发展的开放标准进行群组日程安排。**Send** 提供 500GB 的存储空间，用于安全的大文件传输，绕过 Google Drive 等服务。 未来的开发包括潜在的功能，如基于 markdown 的笔记和 AI 驱动的辅助功能（“Assist”），但后者仍处于早期研究阶段。所有 Pro 工具均可自托管，并且正在开发公共路线图，以促进社区协作。 这些付费服务确保了高级功能的持续性，涵盖存储和带宽等成本，而核心 Thunderbird 应用程序仍然是免费和捐赠支持的。感兴趣的用户可以在 thundermail.com 注册 Beta 访问权限。
## AI驱动的工程危机 软件工程领域正在酝酿一种日益增长的挫败感。经验丰富的工程师们因审查和调试由Claude等AI工具生成的、缺乏基本理解或功能的“感觉代码”而感到精疲力竭。尽管他们真心希望指导初级开发者，但他们的反馈却越来越多地被忽略，LLM生成的代码直接作为下一版本重新提交。 对AI的依赖并未带来效率提升，反而浪费了时间，工程师们花费数周时间审查和试图挽救AI生成的“成果”。作者质疑这种体系的经济可行性，指出即使是AI公司本身也尚未盈利，而是依靠风险投资，其长期前景令人担忧。 最终，令人担忧的不仅仅是资源浪费，还有真正技能发展和指导价值的流失。作者提倡暂时停止使用AI工具，认为独立解决问题和学习比依赖潜在缺陷和不可持续的技术更有价值。