目前，BPF 追踪技术在处理内联内核函数时存在困难，因为这些函数缺乏明确的内存地址。为了解决这一问题，Alan Maguire 在 2026 年 LSFMM+BPF 峰会上提议扩展 BPF 类型格式（BTF），以纳入详细的内联信息。 Maguire 的提议包括在 BTF 中增加三个部分：用于记录调用点具体信息的“位置部分（location section）”，以及描述函数参数在这些位置如何处理的“位置原型（location prototypes）”和“位置参数（location parameters）”。通过对这些数据进行去重，开销保持在可控范围内——压缩后作为独立模块分发时约为 3.5MB。这将使追踪工具能够可靠地识别并检测内联函数，解决目前某些调用无法被捕获的问题。 该提案还引入了向后兼容机制，允许旧工具跳过无法识别的 BTF 标签，并更新了 `pahole` 工具以实现正确的排序。虽然利用这些数据的基础架构已通过 kprobes 存在，但该补丁集仍处于讨论阶段。目前的主要挑战在于如何权衡追踪内联代码的显著效用与随之增加的复杂性及内存开销，同时关于树外（out-of-tree）模块支持的讨论也仍在进行中。
每日HackerNews RSS
抱歉。
动态规划（DP）是一项统一的数学准则，其应用涵盖了从最短路径算法、神经网络梯度到最优控制等多个领域。其核心在于利用“贝尔曼最优性原理”：最优策略必然包含各阶段的最优子决策。 从数学角度来看，动态规划将系统建模为状态机或“可控动力系统”。过程涉及状态、动作、转移函数和成本。目标是找到一种“策略”（即从状态到动作的映射），以最小化总累计成本；通常会引入折扣因子来处理无限时间跨度的问题。 动态规划的核心是“贝尔曼方程”，这是一种描述最优值函数的递归关系。将该方程视为不动点问题并应用“巴拿赫不动点定理”，可以确保最优解的存在性与唯一性。这导出了几种高效的算法： * **值迭代：** 重复应用贝尔曼算子，直至值函数收敛。 * **策略迭代：** 交替进行策略评估与策略改进。 * **逆向归纳：** 利用无环的有限时域结构，通过单次遍历求得最优解。 无论是应用于确定性路径还是随机马尔可夫决策过程，动态规划都将复杂的决策问题转化为结构化、可求解的递归问题。
抱歉。
打破 WAL Breaking the WAL
79 天前
Carl 是利用 Antithesis 测试 AI 驱动代码的开发者。他成功利用 Claude 识别并验证了 SQLite 中一个困扰开发者多年的“传奇”数据竞争漏洞（WAL-Reset 漏洞）。 此前，SQLite 团队和 Tailscale 曾花费数月时间试图定位并修复这一棘手问题，期间不仅需要复杂的自定义调试工具，还进行了漫长的测试。而 Carl 仅用约一小时就完成了这项任务。他仅通过手机向 Claude 下达指令，要求其在 Antithesis 中设置存在缺陷的 SQLite 版本，应用标准完整性断言并运行通用工作负载。Antithesis 在 15 分钟内就捕获了该漏洞，并确认了 3.51.3 版本中的后续修复。 这一演示凸显了软件可靠性测试的巨大飞跃。通过让 AI 智能体利用 Antithesis 等确定性的“时间旅行”调试平台，开发者能够快速找到并验证那些曾经被认为几乎无法重现或解决的“棘手”并发漏洞的根源。这种方法将原本痛苦、耗时数月的调试噩梦转变为快速的自动化流程，为数据库稳定性提供了变革性的解决方案。
对不起。
彭博 (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，请勾选下方方框以证明您不是机器人。 为什么会发生这种情况？ 请确保您的浏览器已启用 JavaScript 和 Cookie，且未阻止其加载。 欲了解更多信息，您可以查阅我们的服务条款和 Cookie 政策。 需要帮助？ 如有关于此消息的咨询，请联系我们的支持团队并提供下方的参考 ID。 拦截参考 ID: ede4bdfc-9688-11f1-a02f-82f1f24c2b0c 订阅 Bloomberg.com，随时随地获取最重要的全球市场新闻。 立即订阅
抱歉。
“接下来我该读什么？”这一永恒的问题，凸显了在当今算法喧嚣的时代，人类对深思熟虑的指引有着迫切需求。作者将“人工过滤”——即图书管理员、朋友或文学专家提供的精选推荐——与当前的数字环境进行了对比：在后者中，社交媒体和自动化系统往往为了追求利润导向的优化，导致内容质量不断下降。 本杰明·布林（Benjamin Breen）推出的全新非虚构类搜索引擎提供了一个颇具前景的替代方案，它汇集了72个不同文学奖项的推荐，而非依赖冷冰冰的算法。这种方法复刻了在图书馆书架间漫游时的偶遇感，在这里，人类的参与——即他人共享的评判与热情——成为了可靠的向导。 尽管像Anthropic这样的现代人工智能公司试图通过将软件“拟人化”来建立虚假的信任，但作者认为，真正的发现始终是人类的创举。归根结底，书籍不仅仅是可以被优化的数据点，它们是连接的纽带。无论是来自在世导师还是已故作家的推荐，都能提供一种软件永远无法复制的“思想友谊”。在这个机器人制造扭曲信息的时代，优先采纳人工策划的专业见解，对于挖掘阅读内容的真正价值至关重要。
虽然努力和运气常被视为成功的关键，但研究表明，“你认识谁”——即你的社交网络——才是向上流动的决定性因素。经济学家拉杰·切蒂（Raj Chetty）的一项研究发现，经济关联度（拥有高收入的朋友）比学校质量或社区人口结构更能预测未来的收入。 关键在于，数据揭示了你最亲密的朋友并非职业晋升的主要推动力。相反，“弱关系”——那些你仅有泛泛之交的人——在开启机遇和创造就业机会方面要有效得多。虽然许多人花费数年时间优化自己的职业道德，但研究表明，这不如建立一个多元且广泛的专业网络更有影响力。 为了成功，不要只专注于埋头苦干，应将精力转向有意识地培养更广泛的熟人圈子。通过与你既定圈子之外的人建立联系，你将为职业成长创造一个单靠努力无法实现的实际杠杆。简而言之：与其投入更多工时，不如优先经营那些关系尚浅的人脉。
对不起。
泽德：德尔塔 Delta
79 天前
Zed 开发团队推出了 **Delta**，这是一个旨在弥合代码编写与对话交流之间鸿沟的全新多用户协作环境。该平台构建于专有的 **DeltaDB** 之上，能将实时的代码工作树与开发者及智能体（agent）之间的对话进行同步，确保上下文得以保留，而非在静态提交中丢失。
主要功能包括：
* **实时协作：** 团队成员可以加入会话线程进行评论、编辑或与智能体实时交互，更改内容会在本地机器或云端运行环境间同步。
* **上下文感知开发：** 评论和反馈直接锚定在代码或特定的智能体输出上，便于追踪技术决策背后的“缘由”。
* **高性能：** Delta 基于 Rust、WebAssembly 和 WebGL 构建，能够处理大规模的智能体生成转录内容和差异代码，而不会崩溃或截断数据。
* **无缝集成：** Delta 可与现有的 Git 仓库协同工作，并支持 Claude Code 等外部智能体工具。
尽管 Delta 目前作为独立应用程序发布以支持快速迭代，但团队计划在未来将其功能整合至 Zed 中。Delta 现已进入内测阶段，并正陆续向新用户发放邀请。
Zed 代码编辑器团队近期发布了“Delta”——一款专注于多用户协作式智能体开发的新应用，这在 Hacker News 上引发了广泛讨论。
**核心功能：**
Delta 引入了代码编写的“多人游戏”环境，允许多名用户同时参与 AI 智能体会话。其主要功能包括：在智能体转录内容中进行行内批注、将对话视为可搜索的持久化文档，以及直接在开发工作流中进行团队头脑风暴和指导。
**社区反应：**
* **对协作持怀疑态度：** 许多开发者认为编程是一项需要“心流”的孤独活动。批评者认为多人协作编辑是一种干扰性的“后座司机”式体验，并指出协作需求已通过 Git、Pull Request 和常规团队通讯工具得到了满足。
* **对“AI 垃圾内容”的疲劳：** 社区中很大一部分人对行业转向 AI 集成工具感到厌倦。许多用户认为 Zed 正在背离其作为快速、可靠代码编辑器的初衷，转而追求由风投支持的“AI 优先”功能。
* **UI/UX 的担忧：** 用户指出，文本对比度低、复杂度高，以及“AI 噪音”可能导致文档混乱，这些都是阻碍采用的主要因素。
* **支持的声音：** 支持者认为，多人智能体交互是指导和知识转移的未来，并建议通过妥善管理的共享上下文来减少错误并提高团队协作效率。
作者认为，“智能体工程”不过是软件工程基本最佳实践的重新包装——这些实践在压力下常被团队忽视，例如清晰的问题追踪、详尽的文档记录、测试以及公开透明的沟通。作者虽然乐见人工智能的采用终于促使团队开始重视这些专业标准，但也讽刺地指出，我们对自动化机器人所要求的标准，竟然高于对人类工程师的要求。 文中引入了“实践智慧”（mētis）这一概念，即在处理细微复杂的现实情况时所需的应用智慧。由于人工智能体缺乏这种人类的判断力，它们往往很脆弱，难以适应管理不善环境中的摩擦。归根结底，作者警告称，智能体工程无法修复功能失调的组织。如果你的团队在实施人工智能时遇到困难，很可能是因为你们的基础工程流程本身就已经出了问题。在一个混乱的系统中引入智能体，只会加剧现有问题，就像为一个进度落后的项目增加人手一样，于事无补。
这篇 Hacker News 的讨论探讨了 AI 辅助编程术语的演变，对比了随意且杂乱的“氛围编程”（vibe coding）与更具纪律性的“代理工程”（agentic engineering）框架。
参与者争论这些新术语是否有必要，还是仅仅是对传统软件开发的重新包装。一些人认为，由于现在 AI 承担了大部分代码编写工作，我们需要一套新的词汇来描述这一转变。另一些人则持怀疑态度，指出从 AI 这个“黑盒”中复制代码，其功能本质上与过去依赖 Stack Overflow 并无二致。
讨论中提出的一个核心担忧是“摩擦力”的丧失。由于将规划、编码和审查的时间压缩到了单一的快速会话中，开发人员可能会无意中跳过必要的质量检查。贡献者们建议，随着生产速度的提升，进行有意识的人工审查——即保持“紧握缰绳”——变得比以往任何时候都更加关键。对于这种新工作流程的提议命名从“代码锻造”（codesmithing）到“品味最大化”（tastemaxxing）不一而足，这反映了人们在定义这一正迅速改变软件开发生命周期的实践时所经历的持续摸索。
亚伦·罗杰斯（Aaron Rodgers）经常抨击社会对监控“病态”的痴迷及其对个人隐私的侵蚀。这位四分卫将使用无人机的狗仔队视为他逃离马里布住所的主要原因，并将自己定位为现代数字天罗地网的直言不讳的批评者。 然而，最近的一篇报道揭示了罗杰斯立场中令人震惊的虚伪。尽管他感叹当今世界缺乏隐私，但他却匿名资助了新泽西州一个地方警察局安装高科技车牌识别摄像头。罗杰斯利用一家有限责任公司（LLC）掩盖自己的身份，本质上资助了他所声称鄙视的那种侵入式、无处不在的监控系统。 这一披露凸显了罗杰斯的公开言论与私人行为之间的脱节，因为这位明星运动员在谴责“信息特权”文化的同时，却积极帮助扩大了监控国家。
抱歉。
本网站正在使用安全服务来抵御网络攻击。您刚才的操作触发了安全防御机制。触发此拦截的原因可能有多种，包括提交了特定的词汇或短语、SQL 命令或格式错误的数据。
对不起。