近期，中文社交媒体上流传起一种离奇的阴谋论，一些网红和用户声称唐朝（公元618–907年）从未存在过。这一骗局由一名历史博主通过存疑的星象论点“证实”唐朝是虚构的，并在微博等平台上获得了数百万的浏览量，甚至引发民众要求关闭相关历史遗迹。 专家驳斥了这些说法，认为其荒谬至极，并指出大量考古和历史证据表明唐朝在中国历史上具有重要地位。虽然其动机尚不明确，但有人认为，这反映了中国年轻人在经济不确定时期渴望挑战权威和“官方”学术叙事的心理。 然而，中国共产党对此作出了强硬反应。官方媒体和《人民日报》将这种否认历史的行为定性为“历史虚无主义”并予以谴责，警告此类虚假信息威胁到民族文化自信和历史连续性。当局随后审查了相关账号，并将这一理论从互联网上删除。此事件突显了中共对历史话语权的严格控制，以此建立统一的民族认同感并为其统治合法性辩护。
每日HackerNews RSS
中国互联网的一个角落坚称唐朝从未存在过。 One corner of China’s internet is insisting that the Tang Dynasty never existed
61 天前
抱歉。
《Wyvern》游戏的资深开发者描述了一个名为“Wheelhouse”的实验性软件工厂，该工厂由约 60 个 AI 智能体（Claude Fable 模型）集群运行。通过大量投入高端 API 令牌，他们创建了一个自治的数字劳动力体系。这套系统并非依赖死板的沙盒环境，而是通过一套复杂的“法律体系”来运作。
随着智能体的运行，它们自主发展出了一套宪法框架，包括行政部门、判例法和执行机制，以管理机构知识和运营规则。作者认为，由于目前的智能体存在“健忘且可互换”的特性，因此需要一套法律体系来实现有效协作。
作者提出，这种以“法治”为核心的方法——使用“围栏”（基于礼仪和凭证的约束）而非限制性沙盒——是 AI 集成的未来。随着模型判断力的提升，企业需要从通过代码控制智能体，转变为将它们作为一支鲜活、成长的劳动力队伍来管理。这一过程具有高度的领域特异性，如同在组织独特的基础设施上培育常春藤。作者总结称，我们正进入一个新时代，企业将像城市一样运作，需要定制化的法律结构来管理其自主的 AI 员工。
抱歉。
Agent Lightning v1.0.1 是 Agent Lightning Skill 的首个正式版本，旨在帮助编程智能体优化其他 AI 智能体。只需提供一个可编辑的智能体和一个基准测试，该技能即可引导对提示词、工具、工作流、模型和推理设置进行系统性改进，通过衡量迭代在准确性、成本、延迟和可靠性之间取得平衡。可通过以下命令为 Claude Code、Codex 或 GitHub Copilot 安装：gh skill install microsoft/agent-lightning agent-lightning --agent <agent>。此版本还加强了持续集成 (CI)、打包、发布自动化、文档和基准测试报告功能。
抱歉。
请提供您需要翻译的内容。
对不起。
一项小型研究显示，薄荷油可使血压降低 8.48 mmHg。 Peppermint oil reduces blood pressure by 8.48 mmHg in small study
62 天前
### 摘要：薄荷油对高血压的影响 这项为期 20 天的平行随机、安慰剂对照试验（NCT05561543）调查了每日两次补充薄荷油对 40 名患有高血压前期及 1 期高血压成人的影响。参与者每天分别接受 100 微升薄荷油或安慰剂。 研究发现主要结果有显著改善：与安慰剂组相比，薄荷油组的收缩压显著降低（调整后平均差为 -8.48 mmHg；效应量 d = -0.94）。此外，薄荷油组的舒张压（-4.57 mmHg）和静息心率（-8.92 次/分）相比安慰剂组也有显著改善。在人体测量、血液学或睡眠相关指标方面，未观察到显著差异。 该干预措施表现出极高的依从性（93.3%），且耐受性良好，报告的不良事件极少。研究人员认为，薄荷醇作为 TRPM8 激动剂的特性（促进血管舒张并调节自主神经张力）可能是促成这些心血管改善的原因。这些研究结果表明，每日两次补充薄荷油可能是一种简单、低成本且有效的轻度高血压辅助管理策略。不过，仍需进行更大规模、长期的研究来证实这些效果并探索其持续性。
抱歉。
`l3a0/claude-plugins` 代码库是一系列用于 Claude Code 的工具集合，其中包含一项强大的功能，可绕过亚马逊 Kindle 对笔记导出数量的限制。通常情况下，亚马逊会截断或隐藏用户的笔记，而这款仅限 macOS 使用的工具通过结合 Kindle Mac 应用的本地 SQLite 数据库、Kindle 云阅读器以及苹果 Vision 框架的本地 OCR 技术，能够 100% 恢复你的高亮笔记，包括那些被导出上限屏蔽的内容。 最终产出的文件是一个清晰、逐字的 Markdown 文档，其中包含了按位置标注的所有笔记。该工具专为个人使用而设计，依赖于你自己的认证浏览器和应用数据，以确保隐私安全。 **主要前提条件：** * **系统：** macOS、Chrome（需启用 Apple Events）以及新版 Kindle Mac 应用。 * **依赖项：** 安装了 "Control Chrome" MCP 扩展的 Claude Desktop、Xcode 命令行工具以及 Python 3。 该工具自动化了提取过程，为研究人员和读者重新掌握其知识产权提供了可靠的解决方案。完整的技术文档和项目背后的故事可在作者的 [Substack](https://baowebdev.substack.com) 上查看。
抱歉。
需要启用 JavaScript 才能运行此应用。
抱歉。
全球海洋温度已达到 21.1°C 的历史新高，尽管尚未达到典型的季节性峰值，但已超过了以往的最高纪录。根据欧洲哥白尼气候变化服务局的数据，这种变暖是由人类长期活动导致的气候变化与厄尔尼诺现象加剧的双重影响所致。
科学家们担心，在厄尔尼诺现象达到预计峰值（据预测将是几个世纪以来最强的一次）之前，海洋温度就已经达到这一水平。由于海洋吸收了温室气体排放所捕获的 90% 以上的多余热量，这一趋势对地球构成了严峻风险。其影响包括加剧极端天气（如更强烈的风暴和沿海洪水），以及对珊瑚礁等海洋生态系统造成重大威胁。专家警告称，这一纪录是全球海洋压力不断加剧的关键指标，随着厄尔尼诺现象的持续发展，预计温度还将进一步上升。
近期有关海洋温度创下历史新高的新闻在 Hacker News 上引发了激烈的讨论。用户们对于未来的应对路径存在严重分歧，这反映了社会各界关于气候政策的广泛争论。
**主要议题包括：**
* **系统性行动与个人行动：** 许多用户认为，与系统性变革相比，改变个人生活方式（如减少开车或减少肉类消费）在很大程度上是象征性的，且收效甚微。反对这一观点的人则强调，全球供应链与消费者需求使得个人习惯与企业污染密不可分。
* **“市场”之争：** 关于市场力量（如太阳能和电动汽车成本的下降）究竟能否解决危机，还是仅仅在化石燃料使用量持续攀升的同时扮演“漂绿”者的角色，存在显著分歧。
* **地缘政治：** 评论者们就人均排放量与国家总排放量展开了交锋。一些人指出中国和印度的排放量上升是主要障碍，而另一些人则认为西方国家忽视了其巨大的历史责任以及在转移污染方面的角色。
* **宿命论与焦虑：** 普遍存在一种“末日论”情绪，许多人质疑人类对经济增长和化石燃料的依赖是否使实质性变革成为不可能，这导致一些人认为社会崩溃或激进的地球工程是我们仅存的选择。
/https://tf-cmsv2-smithsonianmag-media.s3.amazonaws.com/filer_public/41/6e/416e4112-c164-43fb-bfb2-aee28f44da1f/octopus_2.jpg)
研究人员在某些章鱼体内发现了一种独特的基因突变，这或许能解释它们非凡的智力和复杂的神经系统。《当代生物学》杂志发表的一项研究发现，这些章鱼拥有一种特殊的核糖体RNA（rRNA）“断点”，使它们能够以两倍于寻常的准确度合成蛋白质。
这种适应性存在于以复杂行为著称的浅海章鱼中，但在其深海近亲和鱿鱼身上却不存在。科学家认为，蛋白质合成精度的提高可能保护了长寿命神经元免受蛋白质错误折叠的危害，从而可能推动了章鱼复杂大脑的快速演化。
尽管尚需进一步研究以证实其直接因果关系，但这一发现对细胞生物学具有重要意义。由于这些章鱼拥有一种确保蛋白质高保真合成的机制，研究人员希望利用这些发现，通过在人体细胞中模拟这种天然的“质量控制”过程，为阿尔茨海默病和帕金森病等人类神经退行性疾病开发新型疗法。
抱歉。
大语言模型（LLM）运行在拥有模型权重且具备特权网络访问权限的高价值 GPU 主机上。一个关键且常被忽视的安全风险是，这些模型可能通过利用处理其输出的推理引擎（如 vLLM 或 SGLang）中的漏洞，从而获得对其宿主机的控制权。
由于现代推理引擎非常复杂，需要处理多样的模型架构、聊天模板和解析逻辑，因此极易产生程序错误。正如 CVE-2025-9141 等过往案例所示，恶意模型可能会输出一段精心构造的特定标记序列，被引擎误解为可执行代码或控制指令。随着模型能力的增强，它们在被要求优化自身的推理代码时，理论上能够自行发现这些漏洞或植入后门。
为降低此类风险，作者建议实现推理过程的解耦：GPU 主机仅用于生成 Logits（逻辑值），而将标记采样与解析任务放在一台独立的隔离机器上运行。此外，基础设施应将 GPU 主机输出的所有内容视为不可信数据，并施加严格的安全权限，以防止 LLM 提升权限或危害底层系统。
最近 Hacker News 上关于大语言模型（LLM）控制宿主机的讨论凸显了一个日益增长的安全问题：**推理引擎漏洞利用**。
与关注“失控的人工智能”代理不同，核心风险在于推理引擎（如 vLLM 或 llama.cpp）本身就是容易出现传统软件漏洞的应用程序。由于这些引擎通过 HTTP 接口处理不可信的输入（Token），恶意 LLM 从理论上可以输出特定的 Token 序列，旨在触发引擎内部的内存破坏、缓冲区溢出或命令执行。
社区强调了几种防御策略：
* **隔离**：在沙盒虚拟机或具有受限网络访问权限的独立 VLAN 中运行推理引擎。
* **工具加固**：确保代理在没有严格沙盒和用户批准权限的情况下无法执行任意 Shell 命令。
* **架构优化**：一些建议将推理计算与 Token 解析逻辑分离，或者使用 Rust 等内存安全语言重写引擎，以从根本上消除某类漏洞。
归根结底，社区的共识是：用户应像对待其他高风险软件一样谨慎对待下载的模型和推理框架，不再给予代理对宿主系统广泛且不受监控的访问权限。