在70年代和80年代热爱游戏的作者，在专注于电子游戏后，重新发现了桌面游戏的乐趣。最近的一次游戏之夜点燃了新的热情，促使他收集了超过30款游戏并参与了几个Kickstarter项目。 这不仅仅是怀旧；现代桌面游戏提供了一种独特而引人入胜的体验。高质量的组件——从厚实的纸板到雕塑的微缩模型——调动了我们的触觉，并创造了期待感。更重要的是，桌面游戏通过共同的规则和体验来培养真诚的社交联系，降低社交风险，同时提供情感回报。 作者强调了令人满意的“低风险成就循环”，失败是一个学习的机会，以及令人惊讶的游戏玩法多样性，可以刺激不同的认知技能。最终，重返桌面游戏提供了一种受欢迎的*存在感*——放慢速度，需要专注，并将娱乐转变为一种共享的人类体验。这是一种与触觉参与、社交互动以及共度时光的简单乐趣的重新连接。
每日HackerNews RSS
黑客新闻 新 | 过去 | 评论 | 提问 | 展示 | 招聘 | 提交 登录
我爱桌游：一种由心理学解释的个人痴迷 (thesswnetwork.com)
6 分，来自 Propolice 1 小时前 | 隐藏 | 过去 | 收藏 | 讨论 帮助
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系
搜索：
## 服务端优先的Web开发案例 本文认为，尽管行业趋势如此，严重依赖JavaScript（“JS-heavy”）的Web应用程序通常会带来较差的长期性能，并且需要大量的持续努力来维护。作者是一位Web性能专家，他结合在Automattic的经验，展示了这些方法——常见于单页应用程序（SPAs）——常常无法实现承诺的开发体验优势，并最终阻碍了用户体验。 JS-heavy应用容易因依赖项而膨胀，容易引入性能下降，并且由于框架特定的工具将问题隔离在标准浏览器开发者工具之外，因此难以调试。 维护性能需要持续的警惕，并且经常因代码变更和依赖项的演变而失败。 作者提倡回归更服务端优先的方法——优先考虑服务器端渲染并交付预构建的HTML——作为一种更可持续和高性能的解决方案。 虽然并非万能的解决方案，但服务器端方法提供了更大的控制力、可预测性和可扩展性，从而减轻了用户设备的负担。 最终，本文呼吁行业思维方式的转变，敦促开发人员优先考虑用户体验，并考虑JS-heavy框架的复杂性是否真的必要，或者更简单、以服务器为中心的架构是否更能服务于用户和开发人员。
黑客新闻 新 | 过去 | 评论 | 提问 | 展示 | 招聘 | 提交 登录
JavaScript 密集型方法与长期性能目标不兼容 (sgom.es)
7 分，luu 1小时前 | 隐藏 | 过去 | 收藏 | 1 条评论 帮助
kylecazar 13分钟前 [–]
“现在是时候弄清楚你的客户端应用程序是否应该具有服务器端方面，以加快初始渲染速度。”
真是物是人非！回复
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请YC | 联系
搜索：
启用 JavaScript 和 Cookie 以继续。
黑客新闻 新 | 过去 | 评论 | 提问 | 展示 | 招聘 | 提交 登录
语言 一块木材的思考：苏珊·豪的著作 (poetryfoundation.org)
4 分，来自 apollinaire 1 小时前 | 隐藏 | 过去 | 收藏 | 讨论 帮助
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系
搜索：
Please provide the content you want me to translate. I need the text to be able to translate it to Chinese.
宾夕法尼亚大学医学院的一项最新研究表明，粉红噪音可能*减少*快速眼动睡眠并对睡眠质量产生负面影响，这与它作为助眠工具的流行用法相反。这篇文章发布在Hacker News上，引发了用户的讨论。
虽然该研究比较了在飞机噪音、粉红噪音和耳塞等条件下睡眠的情况，但一些评论员质疑了研究方法，指出参与者之前没有使用噪音来帮助睡眠——这使得结果对于经常使用噪音助眠的人来说可能不相关。其他用户分享了个人经验，一位用户发现棕色噪音更有效，另一位用户则指出粉红噪音对集中注意力有帮助。
几位评论员强调需要进行更长期的研究，认为个体可能会适应噪音，并且粉红噪音可能有助于掩盖干扰声音。一位用户提到了过去一个使用无法理解的语音声音来提高注意力的项目。最终，这场讨论强调了睡眠的复杂性以及对不同类型噪音影响进行进一步研究的必要性。
## ChronDB：一种多语言时空旅行数据库 ChronDB 最初是一个服务器——一个基于 Git 构建、具有时空旅行能力的键/值数据库，暴露了标准的 PostgreSQL 和 Redis 协议。然而，为了将其嵌入到短暂的 Rust 开发环境（spuff）中，需要进行重新架构。目标不再是需要 JVM，而是直接在 Rust 和其他语言中运行 ChronDB。 解决方案利用 GraalVM Native Image 将 ChronDB 的 Clojure 核心编译成共享库（.so/.dylib）。然后，通过外部函数接口 (FFI) 通过特定语言的绑定（目前为 Rust 和 Python）访问该库。五层架构确保了清晰的关注点分离：语言绑定、C API、Java 桥接、Clojure 桥接和核心 ChronDB 逻辑。 重要的是，“不透明句柄”模式使用整数来安全地跨语言边界引用数据库实例，避免了指针复杂性。数据以 JSON 字符串的形式流动，最大限度地减少了序列化开销。这种设计提供了一个单一的事实来源、跨语言的一致行为以及消除了运行时 JVM 依赖。 该项目是开源的，展示了一种可扩展的多语言持久化方法，其中添加新的语言支持只需要实现一个新的 FFI 包装器。
黑客新闻 新的 | 过去的 | 评论 | 提问 | 展示 | 招聘 | 提交 登录
将 Clojure 数据库转换为库，使用 GraalVM Native Image 和 FFI (avelino.run)
5 分，PaulHoule 1 小时前 | 隐藏 | 过去的 | 收藏 | 讨论 帮助
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系
搜索：
## 人工智能现状与通往真正智能的道路 OpenAI和Anthropic关于达到人类水平人工智能的说法引发了争论，但深入分析显示，仍然存在重大障碍。本文认为，当前的大型语言模型（LLM）虽然令人印象深刻，但缺乏基本的认知“基元”——例如理解物体恒存性、因果关系和数字——这些基元通过进化硬编码到脊椎动物大脑中。 LLM擅长语言中的统计模式识别，但由于语言*假定*了这些潜在基元，而不是明确定义它们，因此难以进行基本的推理。仅仅用更多的数据进行训练，甚至包括视频，也不够；当前的“世界模型”往往学习的是表面模式，而不是对物理定律的真正理解。 进步需要超越被动观察的数据，转向*具身*人工智能——通过与丰富的、多感官环境互动来学习的智能体。虽然DeepMind的SIMA 2和Dreamer 4等项目正在探索这一点，但它们大多依赖于预训练的语言模型或狭义定义的任务，未能弥合模拟动作与真正认知能力之间的差距。 最终，实现通用人工智能（AGI）可能需要超越当前Transformer模型的全新架构——可能包含反馈循环和符号推理——以及长期的、跨学科的研究努力。尽管投入了大量资金，最近的一项调查显示，大多数人工智能研究人员认为仅仅扩展当前方法无法实现AGI，这凸显了炒作与现实之间的巨大差距。
## AGI：它来了吗？ - Hacker News 讨论总结
一个 Hacker News 帖子讨论了通用人工智能（AGI）的临近程度。许多评论者认为 AGI 比人们想象的更近，一些人甚至声称它*已经存在*于像 Opus 4.6 这样先进的 LLM 的能力中——尤其是在白领知识工作方面。 缺失的部分不是智能本身，而是“经过测试的编排层”，以有效地利用这些模型。
然而，其他人仍然持怀疑态度。人们对 LLM 缺乏对现实世界的理解（难以完成物理任务）以及它们倾向于自信地陈述不准确信息表示担忧。 一个争论点是定义 AGI——一些人建议将“超常 GDP 增长”作为基准，而另一些人则将其等同于普通人的通用智能（一个令人惊讶的低标准）。
一个反复出现的主题是 AGI 的目标不断变化，通常受资金利益驱动。 最终，许多人认为这场争论没有意义，主张简单地等待看看人工智能如何发展。
## 彼得·马蒂森：间谍、作家与求道者 彼得·马蒂森的一生是一幅复杂的挂毯，交织着间谍活动、文学抱负和精神追寻。1950年，他通过耶鲁大学的关系——与詹姆斯·杰苏斯·安格尔顿等人共享，并由诺曼·霍尔姆斯·皮尔森培养——被中央情报局招募。他早期的职业生涯包括在巴黎执行情报工作作为掩护。这段时期见证了《巴黎评论》的诞生，这本杂志与该机构永远联系在一起，尽管其影响程度仍存在争议。 与此同时，马蒂森致力于写作，出版了他的第一个故事和小说，如《种族岩石》和《游击队》。后来，他与中央情报局决裂，对一项他认为在道德上存在妥协的任务感到幻灭。他后来的作品，包括广受好评的《在上帝的田野中嬉戏》，探讨了文化冲突和道德模糊的主题。 一生中，马蒂森是一位多产的旅行家和博物学家，记录了不同的景观和野生动物。在经历个人悲剧后，他接受了禅宗佛教，通过冥想和探索寻求“真实的自我”，并在《雪豹》中记录下来。尽管在文学上取得了成功，并获得了小说和非小说类国家图书奖，但马蒂森仍然是一个不安定的身影，在多段关系中摸索，并不断在经常以怀疑态度看待的世界中寻找意义。他的一生是他公共角色与深深的私密、常常矛盾的内心世界之间的持续协商。
黑客新闻 新 | 过去 | 评论 | 提问 | 展示 | 招聘 | 提交 登录
我总是身在其中 (lrb.co.uk)
5 分，由 Thevet 发表于 1 小时前 | 隐藏 | 过去 | 收藏 | 讨论 帮助
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系
搜索：
本文详细介绍了一种在 Zig 中使用基于 union(enum) 的“Diagnostics”类型的新颖错误处理方法。不同于传统的错误代码，每个函数定义一个 `Diagnostics` 类型，将潜在的错误负载封装为 unioned enum 的成员。这允许提供丰富的、上下文相关的错误信息，而不会显著增加代码量。 核心 `FromUnion` 函数内联生成这些类型，直接从 enum 标签创建错误集合。一个关键特性是 `withContext` 方法，它可以在错误返回期间有效地将错误负载附加到 `Diagnostics` 实例，从而节省大量内存，例如，通过直接存储 SQLite 错误负载，节省了 500 字节。 该系统简化了调用站点处的错误传播。`call` 方法自动处理 diagnostics 实例化和负载复制，减少了样板代码。错误负载易于访问，用于日志记录和详细报告，如 `logBuildError` 函数所示。虽然 Zig 的静态分析器有时需要显式类型注释，但总体而言，该系统提供了一种强大而简洁的方式来管理 Zig 代码中的错误。作者提供了一个 gist 链接到他们的 diagnostics 模块，以供进一步探索。
Hacker News 新闻 | 过去 | 评论 | 提问 | 展示 | 招聘 | 提交 登录
Zig 中的错误载荷 (srcreigh.ca)
5 分，由 srcreigh 55 分钟前发布 | 隐藏 | 过去 | 收藏 | 讨论 帮助
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系
搜索：
## klaw：Kubernetes 适用于 AI 代理 - 摘要
klaw 是一个开源平台，旨在部署、编排和扩展 AI 代理，其功能类似于 Kubernetes 对容器的管理。它允许用户管理能够进行编码、研究、通信和自动化的智能代理，只需一个二进制文件且无依赖项，可在笔记本电脑到企业集群上运行。
主要特性包括通过统一 API 支持多个 LLM 提供商（each::labs、OpenRouter、Anthropic），Kubernetes 风格的多租户（通过命名空间），以及强大的内置代理功能，如工具使用（bash、网络访问、文件操作）。代理可以通过 CLI、Slack 集成或容器化进行部署，并使用 cron 作业进行调度。
klaw 采用分布式架构，具有控制器和工作节点以实现可扩展性，并支持熟悉的 Kubernetes 风格命令进行管理。它使用 Go 编写，并利用 Podman 作为容器运行时。对于个人/内部使用是免费的，SaaS 和 OEM 应用需要授权。
## Klaw.sh：用于AI代理的Kubernetes
Klaw.sh是一个新的开源项目，旨在管理和编排AI代理集群，解决扩展到少数几个代理之外时出现的操作挑战。Klaw由一家生成式AI基础设施公司的创始人创建，它借鉴了Kubernetes的概念——如集群、命名空间和通道——以提供隔离、监控和简化的部署。
本质上，Klaw管理的是*管理*代理，而不是定义它们如何协作（例如CrewAI等框架）。它允许团队级别的隔离，通过简单的CLI（类似于`kubectl`）轻松扩展，并通过Go重写显著减小代理尺寸。
创建者强调了从构建代理到*运营*它们在规模上的转变，Klaw旨在解决诸如识别失败的代理和快速添加新环境等问题。它被设计为位于现有代理框架*之上*的一层，允许它们在Klaw管理的環境中运行。
这篇博文详细介绍了连续批处理如何优化大型语言模型 (LLM) 的吞吐量——它们生成文本的速度，例如 Qwen 或 Claude 等聊天机器人。LLM 预测序列中的下一个token，这是一个计算量大的过程。
核心思想在于最大化并行处理。它始于**注意力机制**，其中token相互作用以理解上下文。效率的关键在于**KV缓存**，它存储先前计算的token数据，以避免解码期间（生成新的token）重复计算。当提示超出 GPU 内存时，**分块预填充**会将它们拆分成可管理的部分，利用 KV 缓存。
传统的批处理需要统一的提示长度，由于填充导致计算资源浪费。**连续批处理**通过**不规则批处理**解决这个问题，它将提示连接起来并使用注意力掩码来防止不必要的交互。然后，**动态调度**用新的提示替换已完成的提示，从而保持 GPU 的高利用率。
KV 缓存、分块预填充、不规则批处理和动态调度的结合消除了填充，并允许高效地混合预填充和解码，从而大大提高 LLM 的服务性能，并使服务能够处理大量并发用户。下一篇文章将介绍高效的 KV 缓存管理。
Hacker News 新闻 | 过去 | 评论 | 提问 | 展示 | 招聘 | 提交 登录
从第一原理出发的连续批处理 (2025) (huggingface.co)
7 分，由 jxmorris12 发布 45 分钟前 | 隐藏 | 过去 | 收藏 | 1 条评论 帮助
charcircuit 11 分钟前 [–]
这篇文章没有解释如果多个提示需要不同的专家，会发生什么。它是否尝试将最大数量的专家调度到内存中，以尝试一次运行最大数量的提示？调度变得非常复杂，并且在处理提示的公平性方面存在不同的权衡。回复
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系
搜索：