1997年至2003年，作者领导了一个重建康拉德·楚塞的Z3项目，Z3是第一台功能性可编程计算机之一。从破译楚塞最初的计划（1998年出版）开始，这个由来自不同机构的十人组成的团队，使用现代继电器仔细地重建了机器，以复制原始的机电逻辑。
最初，创建了十个加法单元并分发给大学。然后，团队专注于完整的重建，于2003年完成，现在存放在康拉德·楚塞博物馆。一个关键的挑战是在历史准确性和实用性之间取得平衡；他们使用计算机模拟了控制台，以提高耐用性并消除机械部件。
Z3重建利用补码算术，并具有两个22位加法单元，用于浮点计算。该项目由克劳斯·奇拉基金会资助，并得到了弗兰克·达里乌斯、格奥尔格·海涅、亚历山大·沃斯和劳尔·罗哈斯的设计贡献。
每日HackerNews RSS
## 楚塞的Z3计算机：历史讨论
一场Hacker News讨论围绕着康拉德·楚塞的Z3计算机的重建，这是一台开创性的早期计算机。用户强调了楚塞的独创性，指出他基本上是第一位“黑客”，以一种顽皮、反叛的方式进行工程设计。
对话延伸到早期计算的历史背景。几位评论员指出，虽然计算机的*想法*更早存在（例如巴贝奇的分析机），但实际实现受到当时可用技术的限制。具体来说，缺乏大规模生产的精密零件、可靠的电线绝缘以及经济实惠的电源（电池会非常巨大）阻碍了20世纪之前的开发。
分享了关于楚塞工作的播客链接、Z1复制品修复项目以及关于Z22的信息（一台仍在运行的后来的楚塞计算机）。讨论强调，即使是早期的楚塞计算机，运行速度也非常慢——以赫兹为单位，而不是千赫兹。
## GreenOnion：人工智能驱动，轻松设计
GreenOnion 是一款人工智能驱动的设计助手，可立即将您的想法转化为专业品质的广告。只需描述您的概念并上传图片，人工智能就能在几秒钟内生成独特、定制的设计 – 无需任何设计技能！
用户可以使用用户友好的编辑器轻松编辑和完善设计，然后下载完美适配任何平台的高分辨率广告。GreenOnion 提供多种经济实惠的方案以满足各种需求，包括 **Creator**（19 美元/月）、**Professional**（49 美元/月）和 **Enterprise**（149 美元/月）选项，每个方案提供不同的信用额度和优先级支持、白标等功能。
该平台拥有即时广告生成、专业外观效果以及对多个平台的支持。全面的常见问题解答部分解答了常见问题，用户还可以浏览其他客户创建的设计作品展示。
准备好开始了吗？立即注册 GreenOnion，体验人工智能驱动设计的强大功能！
## GreenOnion.ai：AI驱动的设计助手 – 摘要
GreenOnion.ai是一个新平台，旨在利用AI根据用户提供的素材和图片生成可编辑的版式，从而实现设计的民主化。与仅仅*创建*图像的工具不同，GreenOnion专注于*排列*现有素材，处理构图、色彩和排版。用户描述他们想要的设计（例如“咖啡品牌的现代海报”），AI会构建一个用于进一步完善的起点。
创始人Yanjie发布该平台以寻求反馈并承认目前的局限性。初步用户反馈强调了一个关键挑战：虽然AI生成版式，但设计的*质量*——特别是排版——尚未达到专业标准。Yanjie承认展示的例子是概念验证，改进AI的“设计眼光”是下一个优先事项。
一些评论员注意到网站本身（手工制作）的质量与AI生成的例子之间存在差异，这引发了人们对该工具当前用于客户交付工作的可用性的担忧。尽管存在这些早期批评，但易于访问的、AI辅助设计的核心概念仍然引起了兴趣。
## 区域定价：全球利润最大化
企业努力通过找到最佳价格点来最大化利润——在可负担性和收入之间取得平衡。对于拥有全球客户群的公司来说，一刀切的方法行不通。**区域定价**会根据一个国家的购买力、税收、运费和其他因素调整价格。
Netflix和Spotify等平台使用这种策略。最近的一项分析侧重于**Chess.com**，揭示了一个复杂的定价系统。虽然用户可以*显示*首选国家，但Chess.com依赖IP地址来检测用户的*账单*国家。仅使用VPN不足以绕过此限制；需要使用VPN创建一个新帐户才能查看本地化价格。然而，即使这样也因用于检测和关联设备的“指纹识别”技术而变得复杂，可能会将定价恢复到用户原始位置。
从126个国家/地区收集的数据显示出显著的价格差异。**尼日利亚**在所有订阅层级提供最低的价格，而**丹麦**始终拥有最高的价格。分析还表明，为了防止滥用，对低价地区跨境访问“朋友和家人”计划的权限进行了限制。Chess.com采用这些方法来维持盈利能力并遵守其服务条款。
原价995新元，现价949新元，首年优惠。以尊享版的价格，同时获得尊享版和《金融时报》周末纸质版。全面数字访问优质分析和专家见解，并附赠我们屡获殊荣的周末纸质版。
403 禁止访问
这次黑客新闻的讨论围绕赫尔曼·梅尔维尔的《白鲸记》。一篇名为“亚哈的算术：白鲸记的数学”的文章链接引发了关于不同版本和阅读体验的对话。
用户分享了版本推荐，包括基于Arion文本的加州大学出版社版本，以及由玛格丽特·诺瓦克编辑的、适合儿童的章节版本（Applesauce Press）。 几位评论者指出，由于这部小说文风古老，注释版很有帮助。 一位用户提到之前读过节译本，并感到有必要阅读原著。
关于拉普拉斯的一本书的书名，有人提出了一些小小的更正。 该帖子还包含一个标准的Y Combinator申请公告。
彭博社 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 要继续，请点击下面的框来确认您不是机器人。 为什么会发生这种情况？ 请确保您的浏览器支持 JavaScript 和 cookies，并且没有阻止它们加载。 更多信息请查看我们的服务条款 和 Cookie 政策。 需要帮助？ 关于此消息的咨询，请联系 我们的支持团队并提供以下参考ID。 阻止参考ID：4c9bd889-a386-11f0-8566-80f80f529a44 通过彭博社订阅，随时掌握最重要的全球市场新闻。 立即订阅
彭博社一篇关于3M可能逃脱PFAS（“永久化学品”）污染责任的文章正在Hacker News上引发讨论。用户对3M公司长期以来明知PFAS的危害却继续使用表示愤怒，一位评论员称该公司“毒害了世界上每个人”。
讨论的中心是追究大型公司责任的困难，许多人将其与阿片类药物危机以及萨克勒家族/普渡制药公司的案例相提并论——尽管造成了广泛的危害，但仅起诉了极少的刑事指控。用户批评有限责任公司的使用，认为这助长了这种行为，并强调了司法系统之间的差距，提到了中国对金融犯罪的严厉惩罚。
许多人认为3M应该受到严厉的惩罚，而另一些人则哀叹法律操作和财务和解可能无法充分解决造成的损害。
点击图片，将使用CloudTk启动Tcl/Tk应用程序的交互式演示。 此wiki列出了超过100个Tcl/Tk应用程序，可在其中演示。 要查看Tcl/Tk Widget演示，请从上面的菜单中转到“Playground”，然后在“Tcl-Playground” - Console菜单中选择“Demos”。 缩略图库。
## Tcl-Lang 展示：怀旧与实用的语言
最近的 Hacker News 讨论强调了 Tcl (工具命令语言) 的持久相关性。用户分享了跨越数十年的经验，从 90 年代的早期 Web 开发和股票行情显示，到现代 PXE 配置和结构工程应用。
许多人赞扬了 Tcl 与 Tk 的快速 GUI 开发，将其与 VB 和 Qt 等替代方案进行了有利比较，尤其是在快速原型设计方面。 几位贡献者指出它独特的编程方法——由于缺乏现成的在线解决方案，迫使开发者理解基础知识，从而培养更深厚的工程技能。
尽管有些人认为 Tcl “不够优雅”，但它的灵活性、元编程能力和经过实战检验的稳定性仍然吸引着忠实的追随者。 提到的著名项目包括 AOLserver、Micropolis (一个开源的 SimCity 移植版) 以及它在 OpenSees 结构工程框架中的应用。 讨论还涉及了该语言的怪癖，例如它的字符串操作和 upvars，以及使用 WebAssembly 进行现代实现的可能性。
## 人工智能研究：一点来自（编码）朋友的帮助 这个实验探索了在有限资源下，人工智能研究能达到什么程度——具体来说，就是在笔记本电脑上五分钟训练一个模型。作者最初尝试独立完成，获得了一个能够生成简单故事的180万参数Transformer。然而，真正的突破来自于利用OpenAI的GPT-5-codex，本质上是使用人工智能来*做*人工智能研究。 Codex自主生成想法，运行实验，并迭代训练脚本，显著优于作者的个人努力。这个过程涉及一个反馈循环：Codex会修改脚本，运行测试，并提出改进建议，作者选择下一步。 最初使用n-gram模型的尝试速度很快，但缺乏连贯性。Transformer显示出潜力，但仅为困惑度优化会导致重复、无意义的输出。最成功的方法是“提炼”——预训练一个Transformer来模仿快速训练的n-gram模型的语法，然后在TinyStories数据集上对其进行改进。这产生了令人惊讶的连贯且引人入胜的故事。 作者将这种协作方法称为“氛围研究”，承认它并不等同于专业的人工智能研究，但提供了一种令人惊讶的易于访问和有效的方式来探索该领域。
## GPT-5 与人工智能研究：黑客新闻讨论
黑客新闻上的一篇帖子引发了关于GPT-5能力的讨论，一位用户声称它超越了他们作为人工智能研究人员的能力。讨论的核心在于一种技术，GPT-5通过“提炼”来自N-gram的知识来提高学习速度——本质上是学习*可能*答案的分布，而不仅仅是正确的答案。
然而，怀疑论盛行。许多评论者分享了大型语言模型产生表面上正确但最终肤浅的“研究”的经历，其中充斥着不准确和对不可靠来源的依赖，尤其是在健康和医学等领域。
另一些人指出作者依赖人工智能工具*进行*研究，质疑这是否代表了真正的进步，还是仅仅是高效的参数调整。一种普遍的观点是：虽然人工智能擅长快速建立项目，但它常常在需要细致理解和解决问题的复杂开发中表现不佳。这场讨论凸显了人们对过度依赖人工智能可能会扼杀独立思考和真正创新的担忧。
## BEAM JIT 在 ARM32 上的首次里程碑
在 Erlang 生态系统基金会的支持下，BEAM JIT 编译器移植到 ARM32 架构的项目已取得重要里程碑：成功通过 JIT 编译的 ARM32 机器码执行 Erlang 函数。团队使用 QEMU 模拟 ARM32 环境，并运行了一个修改后的 BEAM VM，其中包含一个简单的 `hello.erl` 模块，设计为以退出代码 42 停止。
最初的成功包括初始化 JIT 编译器（利用 AsmJit），发出共享代码片段，以及编译 `erts_beamasm` 模块——这对于进程执行至关重要。团队专注于到达 `halt` 内置函数所需的最小代码路径，并承认许多指令尚未实现（在汇编中标记为“NYI”）。
重要的是，程序以预期的退出代码 42 终止，确认 JIT 编译器已成功生成并执行了 Erlang 代码的 ARM32 指令。团队发现值 42 在 ARM32 寄存器中表示为一个带标签的整数，这展示了 BEAM 的内部数据表示。下一步是扩展 JIT 实现以支持更广泛的 Erlang 指令，从而实现增量开发和测试。所有代码都可在 [GitHub](https://github.com/stritzinger/otp/tree/arm32-jit) 上获取。
## Erlang ARM32 即时编译 (JIT) 开发
一个针对ARM32架构的Erlang即时编译 (JIT) 编译器已经创建，引发了Hacker News上的讨论。虽然有些人质疑其相关性，考虑到向64位ARM和更快速语言的转变，但另一些人强调了32位ARM在嵌入式系统和物联网设备中的持续重要性。
开发者的动机源于利用现有的aarch32硬件。Erlang的适用性得益于像Nerves这样的项目，它促进了构建精简的嵌入式Erlang固件，以及Erlang在电信领域可靠分布式计算方面的历史渊源。
评论者指出，ARM32并未停产——它仍然在许多ARM实现中得到支持，包括预计将在嵌入式应用中由于内存限制而使用数十年的Cortex-M芯片。虽然为ESP32（现在也包括RISC-V）开发JIT编译器意义重大，但该项目专门关注在现有ARM32硬件上启用Erlang。
## 磁盘性能调查 该项目旨在识别macOS上Apple的APFS文件系统潜在的性能问题，同时也作为系统工具（如安全软件，EDR，病毒扫描器）的强大压力测试。核心方法是测量`git clean`和`pnpm install`操作在不同硬件和软件配置下所花费的时间。 鼓励参与者在他们的macOS（和其他操作系统）上运行这些测试，并记录CPU、RAM、操作系统版本、文件系统类型、磁盘详情，以及最终的“Clean”和“Install”时间（以秒为单位）。然后通过Pull Request将结果提交到此仓库，以便进行比较和分析。 收集的数据显示出显著的性能差异，尤其是在Apple Silicon上的APFS，并强调了加密、安全软件和Spotlight索引等因素的影响。该项目旨在收集广泛的数据集，以确定潜在的瓶颈，并了解不同的配置如何影响文件系统性能。 **要求：** Node.js >= 22.11 和 pnpm >= 10.2。
最近的 Hacker News 讨论集中在 macOS 上 APFS 文件系统在使用 Git 和 pnpm 时出现的性能问题。一个 GitHub 项目 ([https://github.com/nullvoxpopuli](https://github.com/nullvoxpopuli)) 旨在展示这些问题。
评论者提出了几种潜在原因：APFS 在并行 I/O 方面的固有行为、macOS 慢速的 I/O 系统调用，甚至是 Git 和 pnpm 本身的问题。一些人指出，NTFS 也出现了类似的性能问题，这引发了关于应用程序是否是瓶颈，而不是文件系统的问题。
有人建议使用 Linux 虚拟机或采用以数据库为中心的方法（如 SQLite 的 appfileformat）。还有人认为 Windows 文件系统过滤器或 Node.js 的 I/O 处理可能是促成因素。这场讨论凸显了一个复杂的问题，对于根本原因尚无明确共识。