正在检查您的浏览器……需要启用 JavaScript
每日HackerNews RSS
抱歉。
美国环保署计划取消针对数据中心污染的公众审查规则。 The EPA is planning to scrap public review rules for data center pollution
39 天前
正在检查您的浏览器...需要启用 Javascript
美国环保署（EPA）正计划取消联邦强制规定，这些规定要求工业设施（包括大型新数据中心）在获得空气污染许可前，必须经过公众公示和审查期。
这一提议在 Hacker News 上引发了激烈争论。支持变革的人认为，现行的公众审查程序是“反民主”的，且阻碍了进步。他们声称该程序常被“邻避主义”（NIMBY）利益集团利用，用以拖延住房、能源基础设施和经济发展项目。支持者认为，工业建设应由标准化的专家主导的法规来管理，而非依赖地方会议程序。
相反，批评者认为此举是民主的重大倒退。他们指出，公众审查是抵御工业过度扩张的重要保障，特别是目前数据中心越来越多地绕过电网，转而安装大规模的现场化石燃料发电厂。反对者坚称，如果没有这些公众监督机制，企业利益将以牺牲当地健康、空气质量和社区自主权为代价，优先考虑速度和利润。
这场讨论还凸显了人们对人工智能行业影响力、对现行联邦机构腐败的担忧，以及美国地方治理与联邦治理之间存在的系统性挑战。
How I Prompt
39 天前
在 Laracon US 2026 的演讲中，编程助手“Amp”的联合开发者 Thorsten Ball 分享了他进行高效 AI 提示（prompting）的方法论。尽管 Amp 本身是一个主要由 AI 编写的复杂分布式系统，但 Ball 认为其中并无所谓的“秘诀”，关键在于提供上下文的基本原则。
他的核心原则是：**始终考虑信息的来源。** AI 无法读心，它只能从训练数据、代码库或提示词提供的上下文窗口中获取信息。要进行有效的提示，你必须充当桥梁，确保模型能够访问相关的代码文件、文档和逻辑约束。
Ball 的实用技巧包括：
* **“组合拳”策略：** 在下达主要指令前，先要求 AI 查找必要的信息（如文件、文档、日志）。
* **利用截图：** 视觉线索可以作为复杂任务或错误的高效摘要。
* **使用 `agents.md` 文件：** 在代码库中记录处理特定任务（如运行测试或 Storybook）的方法，让 AI 可以直接从项目结构中“阅读”说明。
归根结底，有效的提示在于目标明确：通过提供 AI 所缺失的信息，使其能够成功执行你的目标。
这篇 Hacker News 的讨论探讨了高效提示词（Prompting）的细微差别。虽然原作者认为与人工智能的成功互动类似于向人类委派任务，即需要明确的信息和背景，但社区补充了几个关键的注意事项：
* **提示并非万能：** 用户指出其有效性因领域而异。例如，虽然视觉提示（截图）对某些人有帮助，但在处理复杂的几何或技术任务时却很吃力，通常需要 AI 编写代码来“观察”错误。
* **示例的力量：** 许多贡献者认为，“具体示例”远比通用指令有效。具体的反例能强迫模型遵守规则，而抽象的原则往往被解读得过于宽松。
* **工作流程的演进：** 随着模型（如 GPT-6 Astra）的进步，对复杂、手动多智能体编排的需求正在减少。模型在自我指导方面变得越来越强，使得开发者可以从“手把手”的指导转向高层级指令。
* **效率与成本：** 批评人士指出，“懒惰”的提示可能会导致在复杂代码库中产生极高的 Token 消耗和不可预测的结果。成功往往在很大程度上依赖于用户对其项目架构的深度熟悉，这使得“简单”的提示在复杂性上可能具有欺骗性。
**litelm** 是 `litellm` 的轻量级、高性能替代方案，它剔除了臃肿的代理服务器、缓存及成本跟踪层，专注于核心的 LLM 功能。该库代码量仅约 2,900 行，且仅需两个依赖项（`openai` 和 `httpx`），为模型路由、消息转换、流式传输、工具调用和嵌入提供了精简的接口。
该库保持了与 `litellm` 完全一致的 API 接口，只需修改导入语句即可轻松迁移。它支持 19 家服务提供商，采用标准的 `provider/model-name` 语法，并通过 `api_base` 与任何兼容 OpenAI 的端点（如 vLLM、Ollama 或 LM Studio）无缝集成。
主要特性包括：
* **完整的 API 对等性：** 支持同步和异步调用、工具调用以及结构化异常处理。
* **极简占用：** 无沉重依赖，也不包含负载均衡或代理等额外功能。
* **严谨测试：** 通过了 262 项本地测试、45 项在线服务商测试，并完全兼容 DSPy 集成。
`litelm` 专为需要高效、可靠 LLM 路由但无需全功能代理服务器复杂性的开发者设计，目前处于 Alpha 阶段，可为 AI 辅助应用提供即插即用的解决方案。
Hacker News 社区最近讨论了 **Litelm**，这是一个将自己定位为“去臃肿版 LiteLLM”的项目。尽管一些用户赞赏其在减少依赖和代码行数方面所做的努力，但该项目在品牌命名和价值主张方面遭到了严厉批评。
讨论的主要要点包括：
* **功能取舍：** 许多用户认为，Litelm 移除的那些“臃肿”功能（如成本跟踪、缓存和流式传输）实际上正是 LiteLLM 在生产环境中的核心价值所在。
* **对“轻量级”的定义：** 围绕什么是轻量级项目引发了争论，一些批评者指出，即使是精简后的 Python 封装，与底层实现相比仍然显得臃肿。
* **LiteLLM 的回应：** LiteLLM 的维护者参与了讨论，承认了对资源使用的担忧，并宣布即将迁移至 Rust 以提升性能。
* **社区观点：** 许多评论者警告不要使用大模型生成的 README 文档，批评其语气“过于戏剧化”或“生硬”。与此同时，另一些人则认为，在处理复杂的 API 边界情况和可观测性时，需要稳健的企业级路由，而非简单的大模型生成脚本。
您需要启用 JavaScript 才能运行此应用。
**Rune** 是一款采用 Go 语言构建的新型 IDE，近期宣布开源，在 Hacker News 上引发了热烈讨论。
该项目及社区反馈的要点如下：
* **项目愿景**：Rune 是一个基于字符网格构建的原生图形化应用程序，兼具 IDE 和终端复用器的功能。它旨在架起手动编程与人工智能辅助编程之间的桥梁。
* **独特的激励模式**：开发者“ernestrc”推出了一项针对贡献者的收益分成计划，旨在为开发者提供经济利益，且无需他们通过签署贡献者许可协议（CLA）来转让权利。
* **社区辩论**：社区反应不一。支持者称赞其 GPLv3 许可证以及关于开源权利的“反向地毯式抛售”（reverse rug-pull）理念。然而，批评者则质疑使用 Go 语言开发高性能 UI 的有效性，质疑项目复杂的入门门槛，并指出其他成熟的 IDE（如 Zed 或 VS Code）仍提供更优的功能集。
* **技术审视**：讨论帖中出现了关于构建时间和性能基准的技术交流，作者对项目的架构进行了辩护，并积极回应了关于 Vim 模式操作不便及主题自定义等功能的反馈。
二十多年来，交换文件（swap files）的性能表现与交换分区（swap partitions）并无二致，然而 Linux 发行版在安装时仍旧推荐使用交换分区。交换文件在安装后更易于使用、添加、移除、修改和扩展。它们在各方面都表现更佳——请使用交换文件！ 创建一个交换文件。💡 你也可以使用 dd 来完成，但如果文件系统支持，使用 fallocate 会更快。 fallocate -l 4G /swapfile 只有 root 用户才有权写入该交换文件。 格式化交换文件。 启用它。 使其在开机时自动挂载。 echo "/swapfile none swap defaults 0 0" >> /etc/fstab
关于 Linux 中交换分区（swap partition）与交换文件（swap file）的争论，揭示了系统管理员之间存在的分歧。最初的观点认为，交换文件在功能上等同于分区，且提供了更大的灵活性，特别是对于希望避免静态分区的用户而言。
然而，讨论也突显了几个关键的权衡：
* **性能：** 虽然现代硬件通常能掩盖差异，但一些用户指出，交换分区——尤其是在机械硬盘（HDD）上——可以通过放置位置来获得最佳吞吐量。相反，另一些人则指出，交换文件在固态硬盘（SSD）上目前已足够高效。
* **实用性：** 交换文件更易于调整大小、管理，并能轻松实现加密（例如 LVM-over-LUKS）；而那些偏好清晰的“故障域”或有休眠与合规性特殊需求的用户，则更倾向于使用分区。
* **替代方案：** 许多用户提倡使用 **zram**（内存压缩）或 **zswap**（交换缓存压缩）作为传统磁盘交换的更优现代解决方案。
* **“无交换”阵营：** 一些人认为，在现代高内存系统中应避免使用交换空间以保持性能确定性；但另一些人则警告说，交换空间是防止内存溢出（OOM）崩溃和系统“抖动”（thrashing）的重要安全网。
归根结底，并没有一劳永逸的解决方案；选择取决于特定的硬件、文件系统限制（如 ZFS/Btrfs 的考量），以及用户更看重管理便捷性还是严格的系统隔离。
Bloomberg 需要帮助？请联系我们 我们检测到您的计算机网络存在异常活动 如需继续，请点击下方方框，以证明您不是机器人。 为什么会发生这种情况？ 请确保您的浏览器支持 JavaScript 和 Cookie，且未阻止其加载。 如需了解更多信息，您可以查看我们的服务条款和 Cookie 政策。 需要帮助？ 如有关于此消息的疑问，请联系我们的支持团队，并提供下方的参考 ID。 拦截参考 ID: fc0c28e6-ae0a-11f1-b2cf-9ab8954f30bd 订阅 Bloomberg.com，随时随地获取最重要的全球市场新闻。 立即订阅
有关 OpenAI 首席执行官山姆·奥特曼（Sam Altman）考虑放缓先进人工智能发展的报道，在 Hacker News 上引发了极具分歧的辩论。
批评者认为此举是“营销炒作”或承认失败，并暗示该行业已达到当前扩展定律的极限，如今正以“安全”为借口制造监管壁垒。怀疑论者还指出，国际竞争（尤其是来自中国的竞争）使得单方面放缓成为不可能，因为地缘政治压力正推动着一场持续不断的军备竞赛。
相反，一些评论者对此警告表示重视，并援引了与超智能系统相关的严重生存风险。他们认为，如果人工智能行业领袖真的担心灾难，全球监管是强制采取协调一致的暂停措施的唯一可行途径。
这场讨论的背后，是对人工智能未来能力深层的不确定性。尽管有人认为大语言模型（LLM）的发展正处于瓶颈期，但另一些人则认为，它们在编程和推理方面的迅速进步证明了其向通用人工智能（AGI）迈进的加速轨迹。这场对话反映了人们在技术飞速发展与缺乏透明度、对企业动机的不信任，以及当前人工智能建设所带来的潜在经济与生存后果之间，试图达成一致时的普遍困境。
Snap! 是一款功能多样且包容性强的编程语言和平台，旨在服务于从初学者到深入钻研计算机科学的各类用户。它由加州大学伯克利分校和 SAP 公司联合开发，为教育和创意表达提供了强大的环境。
该平台拥有丰富的用户原创项目库，涵盖了互动游戏、复杂的数学模型和科学模拟等多个学科领域。其以社区为驱动的生态系统，还通过专门的 Snap!Con 活动版块、学习资源和高级编程工具得到了进一步支持。无论您是正在探索核心概念的学生，还是正在构建复杂动画与算法的资深开发者，Snap! 都为您提供了一个协作且支持多语言的空间，助您学习、创作并分享创新项目。
抱歉。
本新闻集锦涵盖了广泛的主题，重点聚焦于科技、科学及时事领域。 **科技与工程：** 重要的行业动态包括 Shopify 收购 Tailwind、微软将 Rust 列为一级语言，以及 ClickHouse、FreeBSD 14.5 和 GIMP 等大型项目的更新。基础设施、安全和硬件领域的讨论颇受关注，涉及 Postgres 数据分片、GPU 内存操作、RISC-V 模拟以及苹果芯片中“无效”登录钥匙串带来的安全隐患等深入洞察。 **企业与行业新闻：** 焦点之一是 Automattic 公司内部由首席执行官 Matt Mullenweg 引发的管理风波。其他企业头条还包括 LG 智能电视的隐私问题、数字所有权成本的上涨，以及关于社交平台算法参与度有效性的讨论。 **科学与社会：** 内容涵盖了更广泛的智识与全球性关切，包括柴油价格上涨带来的经济影响、胡塞武装控制航道引发的地缘政治紧张局势，以及“9·11”事件对健康的长期影响。科学方面则包括恐龙研究的新进展、四色定理，以及关于自动驾驶车辆安全性的现实数据积累。此外，复古计算、DIY 硬件和数字文化等小众兴趣领域也持续受到欢迎。
最近，一个名为“unslop.news”的项目在 Hacker News (HN) 上引发了热烈讨论，该项目旨在过滤掉 HN 上与人工智能相关的内容。讽刺的是，这个网站本身就是由人工智能构建的，这让许多用户嘲笑这种“用 AI 来隐藏 AI 内容”的元行为。
这场讨论突显了部分 HN 用户日益增长的疲劳感，他们认为该网站曾经的“前沿技术”焦点已被重复的 LLM 相关新闻、新闻稿和“AI 垃圾内容”（AI slop）所淹没。尽管一些支持者认为这是一个恢复技术新闻广度的必要工具，但批评者则认为这是一种“存在主义的人类自恋”，或者是无效的解决方案，并指出该网站使用正则表达式解析 HTML 的源代码本身就被批评为“粗糙”的工程设计。
讨论还提出了关于这种过滤机制是否会造成信息茧房或忽视重要行业变革的疑问。归根结底，首页上大量出现的“无 AI”过滤器——在这一新网站上被有效地过滤掉了——成了该社区对人工智能在技术讨论中迅速普及所持两极分化态度的幽默注脚。
请启用 JavaScript 并关闭所有广告拦截器
这篇《纽约时报》文章探讨了“代写工厂”（特别是那些由肯尼亚写手运营的机构）的衰落，因为生成式人工智能正以更高效、低廉的方式处理学术任务。
Hacker News 上的讨论揭示了人们在这一行业的道德问题上存在严重分歧。许多评论者认为该行业建立在学术欺诈之上，将其视为破坏教育的寄生性产业。相反，一些参与者（包括前从业人员）则强调了这些零工岗位的经济现实。他们认为，这些工作为发展中国家的人们提供了必要的收入，同时也服务于一个由富裕学生所创造的市场——在这些学生眼中，大学学位只是可以购买的商品，而非学习的机会。
这场辩论还延伸到了对高等教育更广泛的批判。许多贡献者指出，如果学生能够成功地将作业外包，这便反映出大学评估模式的失败，即这些模式往往重学位而轻真才实学。归根结底，这次讨论反映出一种愤世嫉俗的共识：学术造假根深蒂固，而人工智能只不过是取代了人类代写，提供了一种更具规模化、但也同样备受争议的技术性方案。