Ink & Switch 是一家致力于构建增强人类智能技术的实验室。该实验室通过优先考虑用户自主权与协作，开发出能让人们思考更清晰、工作更高效的工具。他们的研究聚焦于四个核心主题：用户控制的数据架构、可定制的软件环境、动态的“墨水式”交互，以及具备历史感知能力的协作媒体。
该实验室是“本地优先”软件的先驱，旨在确保用户保留数据所有权的同时，实现跨设备无缝且支持离线的协作。他们的工作涵盖从理论研究到 Automerge 和各类数字画布等实践项目，旨在为科学家、记者和创意工作者提供尊重人类自主权的强大工具。
通过文章、实验室笔记和开源贡献，Ink & Switch 分享其研究成果以影响更广泛的科技社区。在赞助商网络和研究经费的支持下，他们持续探索实时数据、计算能力和灵活设计如何共同创造一个更具协作性且直观的计算未来。
每日HackerNews RSS
这份摘要评估了 Mac Mini M6 和 M4 在运行 **86Box** 时的表现。86Box 是一款对单核性能要求极高的模拟器，需要强大的单线程处理能力才能实现复古 PC 硬件的稳定实时模拟。 由于 86Box 极度依赖单核速度，Apple Silicon 芯片的高主频和高效率使其成为该任务的理想选择。评测人员通过模拟运行 Windows 98 SE 的奔腾 II 系统对这些机器进行了测试，标准非常严苛：模拟器必须在运行 Cinebench 2000 和 3DMark 2000 SE 时保持 100% 的速度，且不得出现音频卡顿或性能下降。 **基础款 M4 Mac Mini** 在模拟 500MHz 时保持稳定，而 **M6 Mac Mini** 则达到了稳定的 600MHz，性能提升了 20%。值得注意的是，M6 通过更有效地利用其负责模拟任务的两个高性能核心的峰值频率，表现优于 M4。虽然模拟跑分不能完全等同于当年的实体硬件，但 Mac Mini M6 证明了其作为一台小巧、静音且性能卓越的高保真复古计算设备，具有出色的表现。
此 Hacker News 讨论帖探讨了在现代 Apple Silicon（M 系列）Mac 上使用 **86Box** 模拟老式 PC 硬件（特别是配备 3dfx Voodoo 3 显卡的奔腾 II 时代系统）的怀旧体验。
讨论的主要要点包括：
* **怀旧与影响：** 用户深情回忆起从软件渲染过渡到 3D 加速时那种“令人震撼”的体验。许多人强调了早期 3D 游戏特有的“温暖”美学，以及《雷神之锤 II》、《半衰期》和《军团要塞经典版》等游戏带来的沉浸感。
* **技术模拟：** 参与者讨论了“周期精确”（cycle-accurate）模拟的重要性。虽然有些人更喜欢 86Box 在运行复古软件时的高保真度，但也有人讨论了硬件准确性与原始性能之间的权衡。
* **3dfx 时代：** 帖中对 3dfx 的兴衰进行了深刻反思。曾持有股份的股东和爱好者们讨论了 Nvidia 如何凭借激进的发布周期和战略决策最终超越 3dfx，尽管后者在 90 年代的博弈中具有标志性地位。
* **现代可访问性：** 该讨论帖为那些想要重温童年回忆的用户提供了资源，用户们分享了关于挂载 ISO 镜像以及保存《Encarta》或 90 年代 4X 策略游戏等经典软件的技巧。
美国国家安全局（NSA）正斥资数十亿美元的纳税人资金用于评估先进人工智能模型，这一数字远高于此前国会的估算。这些成本主要源于昂贵的计算能力需求，以及为了在顶级工程人才方面与私营企业竞争，这引发了关于谁应该为联邦人工智能监管提供资金的争论。 虽然NSA目前通过机密的国家安全预算为这些业务提供资金，但不断上涨的费用已促使立法者考虑将经济负担转移给科技公司本身。一些专家和政策制定者建议向人工智能实验室征税，以资助独立的安全性审计，他们认为纳税人不应承担监管私营行业的全部成本。 尽管谷歌、OpenAI和Anthropic等科技巨头已经探索了自律标准，但批评人士认为，这等同于公司进行自我监管。随着技术的进步和成本的持续增加，建立一种可持续的资助模式的压力日益增大，以确保严格的政府监管，同时又不给公众造成过重的负担。
报告显示，美国国家安全局（NSA）正斥资数十亿美元测试并部署人工智能模型，这一进展在 Hacker News 上引发了激烈讨论。用户深切担忧这些机构在缺乏宪法监管的情况下运作，通过“安全戏码”和大规模监控绕过了美国宪法第四修正案。
评论者认为，人工智能消除了威权监控的主要瓶颈：人力注意力。通过自动化处理海量数据，情报机构现在能够以史无前例的规模监控通讯，使“隐私”实际上成为了一个过时的概念。许多用户担心，受固有偏见和“垃圾进，垃圾出”数据缺陷困扰的人工智能将被用于自动化筛选目标，从而可能导致悲剧性的错误或政府对个人的惩罚。
讨论还涉及了军工复合体，一些人指出，无论人工智能公司是否承认，它们正日益成为武器制造商。对于“测试”与实际部署之间的界限，人们依然持高度怀疑态度，许多人坚信情报机构已经在利用先进的人工智能来锁定后门并维持长期、侵入式的监控。最终，社区认为这些举措是对个人自由和政府问责制的重大威胁。
受 Sunil Pai 的《资深工程师的死亡螺旋》（The Senior Engineer Death Spiral）启发，本文旨在探讨资深工程师如何通过从关注“结果”转向保持“动力”，从而克服职业停滞。
作者认为，打破职业瓶颈的关键在于“第一性原理思考”。通过摒弃过去的偏见和熟悉的各种技术约束，工程师可以重新找回工作背后的根本原因。在“代理人时代”（agentic era），这种方法显得尤为重要。随着人工智能改变开发模式，最能脱颖而出的工程师是那些能够“将经验打包”的人——即暂时搁置既定习惯，以客观审视新的可能性。
归根结底，第一性原理思考有助于实现一种强大的心流状态：通过定义核心目标，工程师可以将复杂问题拆解为细小、可控的步骤。这能与人工智能代理建立快速反馈闭环，从而实现持续学习与进步。在技术飞速变革的时代，能够摒弃过时的假设并保持清晰、有目的的专注，依然是每一位工程师最宝贵的技能。
抱歉。
**jevmem** 是一款专为开发者打造的工具，旨在通过将 AI 编码会话中的决策、约束、Bug 和待办事项（TODOs）保存至本地的 `JEVMEM.md` 文件中，从而自动管理项目上下文。
与传统的日志不同，它将记忆视为一个版本化的流：当决策发生变更时，旧的内容会被标记为 `[superseded]`（已取代），而不会被直接删除。这些记忆会在后续的会话中自动注入到 AI 代理的上下文中。
**主要功能：**
* **集成性**：原生支持 Claude Code（自动），并通过 MCP 或规则文件支持 Cursor、Codex 和 Claude Desktop。
* **高效性**：使用专门的高速 "Jev" API 来判断是否需要保存当前对话。相比使用标准大语言模型进行筛选，其速度显著提升（0.3秒 vs 3秒以上），且成本更低。
* **安全性**：在数据离开本地之前，自动在本地清除敏感信息（如 API 密钥、密码、电子邮件）。
* **可审计性**：内置审计、搜索及手动标记决策的工具，以便随着时间推移不断提高系统的准确性。
尽管高端大语言模型（如 Claude Opus）可能在分类准确度上略胜一筹，但 jevmem 在速度、成本和自动化项目持久化之间提供了最佳平衡。
Go 1.26 和 1.27 引入了实验性 API 以支持单指令多数据（SIMD）操作。通过对数据向量执行统一计算，这些操作能显著加速 AI 和密码学等计算密集型任务。 此前，在 Go 中使用 SIMD 需要手动编写汇编代码，这导致其难以在不同的 CPU 架构间进行维护。为了解决这一问题，Go 1.27 引入了一个**完全可移植且与架构无关的 `simd` 包**。该包通过提供统一的接口，屏蔽了平台间的差异（如不同的向量大小和指令集），在支持的硬件上可提供接近汇编的性能，并在缺乏 SIMD 的平台上提供高效的软件模拟。 主要特性包括： * **一次编写，到处运行：** 代码使用基础的向量类型（例如 `simd.Float32s`），可在各种平台上运行。 * **编译器驱动的专门化：** Go 编译器利用 AST 重写技术，为特定的硬件配置生成优化的专门代码，从而最大限度地减少分发开销。 * **可扩展性：** 如果高级 `simd` 包缺少某种特定操作，开发人员可以连接到特定架构的 `archsimd` 代码，同时仍能为其他平台提供回退模拟。 * **测试：** `GODEBUG` 设置允许开发人员模拟不同的 SIMD 功能以进行测试。 未来的版本旨在扩展支持的操作（包括归约和位计数），并增加硬件覆盖范围。
Go 语言在 1.26 和 1.27 版本中引入了实验性的、与平台无关的 SIMD（单指令多数据）支持。此项开发旨在直接在标准语言内提供高性能且架构无关的 SIMD 操作，从而减少长期以来在处理性能关键型任务时对手动汇编或 CGO 的依赖。
该新方案采用了分层 API 设计：
* **`simd/archsimd`**：一个底层的、特定于架构的包，供需要精细控制的开发者使用。
* **`simd`**：一个高层的、可移植的 API，用于屏蔽硬件差异。它使用抽象语法树（AST）重写策略来生成专门的函数变体，在保持跨平台兼容性的同时优化性能。
早期基准测试表明，可移植的 SIMD 相比非 SIMD 代码大约可实现 5 倍的速度提升。尽管一些用户讨论了并发 Go 中内存安全和数据竞争的细微差别，但社区普遍认为这是 Go 作为一门高层系统语言的重要一步。该设计因避免了代码库中的“内部函数污染”而受到称赞，使开发者能够编写既符合惯用写法又能在不同平台上保持可移植的代码，包括对 SVE 和 RISC-V 向量指令集的新兴支持。
位于华盛顿特区的一家联邦上诉法院支持了五角大楼将 Anthropic 公司的 Claude 人工智能模型列入黑名单的决定，裁定国防部基于国家安全考虑，其行为在职权范围之内。法院以 2 比 1 的投票结果驳回了 Anthropic 关于禁令违宪且武断的指控。 此次争端源于双方在将 Claude 模型整合至军事系统的问题上谈判破裂。国防部要求不受限制地使用这些模型，而 Anthropic 则要求设置保障措施，防止其被用于自主武器或国内监控。在谈判失败后，国防部长皮特·赫格塞斯将 Anthropic 指定为“供应链风险”，实质上禁止了军方及其承包商使用该公司的技术。 这一裁决与旧金山一家联邦法院最近作出的裁决相冲突，后者此前判定国防部针对该公司的类似指定属于非法。Anthropic 对华盛顿特区的裁决表示异议，并正在考虑进一步的法律行动，包括提起上诉。目前，法院已推迟执行其裁决，以便给该公司留出时间申请重审或向最高法院请愿。
美国一家上诉法院维持了一项裁定，将人工智能公司 Anthropic 列为“供应链风险”，实际上禁止其进入联邦军事和国防相关的供应链。
此次争议源于 Anthropic 拒绝将其人工智能模型用于自主武器系统或大规模国内监控。美国国防部认为这构成了战略风险，即理论上允许一家私营企业“操纵”其软件来限制军事行动；但批评者认为，这一认定是一种政治惩罚措施。他们主张，Anthropic 只是在遵守预先商定的合同条款，而“供应链风险”标签被用作针对该国内企业的武器，原因仅仅是该公司拒绝顺应国防部不断变化的需求。
许多观察人士认为这是一个危险的先例，并指出 OpenAI 和谷歌等其他人工智能提供商通过同意更少的限制获得了国防部合同。关于这究竟是针对可以“支配”军事政策的供应商所采取的必要国家安全措施，还是旨在强迫企业服从政府指令的权力滥用，目前仍存在争议。此事引发了人们对私营行业、政府权力与民主问责制之间相互影响的重大担忧。
Is A.I. Above the Law?
20 天前