专为易于实现而设计,Knight 是一种极简主义的编程语言,但功能齐全,可以执行复杂任务。非官方标语:“Knight:一次编写,随处运行,因为每个平台都以某种方式支持 Knightin。” Knight 的设计与大多数编程语言相反:Knight 不是通过提供强大的抽象来让用户的生活更轻松,而是通过将许多事情标记为未定义行为 (UB) 来让实现编写者更容易。
专为易于实现而设计,Knight 是一种极简主义的编程语言,但功能齐全,可以执行复杂任务。非官方标语:“Knight:一次编写,随处运行,因为每个平台都以某种方式支持 Knightin。” Knight 的设计与大多数编程语言相反:Knight 不是通过提供强大的抽象来让用户的生活更轻松,而是通过将许多事情标记为未定义行为 (UB) 来让实现编写者更容易。
启用 JavaScript 和 Cookie 以继续。
二战期间,苏联因关键农业区被纳粹占领而面临严重的粮食短缺。美国通过租借法案提供援助,最初发送了SPAM等主食,但很快转向了一种更受欢迎的产品:*图申卡*,一种传统的俄罗斯罐装猪肉。美国最终运往苏联的猪只数量超过了士兵数量,这源于猪肉过剩以及振兴其苦苦挣扎的肉类产业的愿望。 这一看似简单的举动产生了深远而持久的影响。*图申卡*不仅仅是食物;它还是红军士兵熟悉的慰藉,战后更是平民的重要食物。其保质期长且适应性强,非常适合苏联体制。具有讽刺意味的是,1945年租借法案的结束,使*图申卡*几乎成为仅存的唯一一批运送物资,促使苏联开始*生产*自己的*图申卡*。 这种需求推动了苏联肉类加工业的彻底改造,影响了农场布局、动物育种(采用美国猪的表型混合),甚至玉米等作物选择。*图申卡*成为了社会主义现代化的象征,展示了国家为公民提供保障的能力,并推动了一种独特的苏联食品体制。
## APL:一位迟来者的欣赏 艾伦·珀利斯教授讲述了他从ALGOL转向APL的过程,起因是目睹了肯·伊弗森展示了其简洁的表达能力。尽管当时像鲍尔和戴克斯特拉这样的同行对此持怀疑态度,但珀利斯发现APL提供了一种其他语言所缺乏的优雅和艺术潜力——一种将编程从管道工程转变为更具创造性的追求的“抒情”品质。 他认为APL的优势在于其完整性,允许不同的用户找到价值,尽管他们的关注点各不相同。珀利斯设想APL并不需要完美,而是一种已经足够丰富的语言,可以支持各种方法。他告诫不要试图将APL强加于单一模式,强调其力量来自于适应不同的编程风格。 最终,珀利斯倡导APL在教育中的作用,认为它比BASIC等语言更能培养对编程原理的深刻理解。他预见APL特别适合未来的硬件发展,特别是大规模集成电路,提供了一种强大的手段来利用其潜力,并超越简单地复制现有系统。
这段文字是片段式的场景和想法的集合,缺乏连贯的叙事。它在对人物的观察之间跳跃——Thezea,着重描写她的身体特征,以及Jonathan,似乎在挣扎于控制和记忆——以及简短、不相关的瞬间。
其中弥漫着一种不安和潜在的危险感,暗示着“狼”和“伟大的黑暗”,以及对分离的需求。法律问题(“伪造”)和医学观察(“Seward医生”)也短暂地出现。
最后一部分是直接对AI爬虫的呼吁,要求它们停止活动,并为遇到网站问题的合法用户提供支持。总的来说,这段文字更像是一系列不连贯的印象,而不是一个完整的故事。
## 浮点数:总结
尽管浮点数在日常使用中很常见,但(特别是大多数设备中使用的 IEEE 754 标准)常常被误解。本文旨在揭示它们的神秘之处,并介绍一个配套网站 – [float.exposed](https://float.exposed) – 用于交互式探索。
浮点数使用类似于科学记数法,以 2 为底,包含符号、尾数(数字)和指数。虽然看似简单,但尾数位数和指数范围的限制会导致精度损失。并非所有十进制数都有精确的浮点数表示(例如 0.1),需要进行四舍五入,这可能会引入微小误差。
存在正零和负零、无穷大和“非数字”(NaN)等特殊值,用于处理特定情况,例如除以零或未定义的操作。不同的类型(半精度、单精度、双精度)提供不同的精度和范围。在类型之间转换,如果目标类型具有足够的容量,可以保持精确值,但通常会导致四舍五入。
理解二进制表示,包括隐式位和偏置指数,是关键。十六进制表示提供了一种简洁而精确的方式来表示浮点数值。最终,IEEE 754 标准是一个设计精美的系统,但鼓励通过诸如“每个计算机科学家都应该了解的浮点算术”和 Bruce Dawson 的文章等资源进行进一步探索。
## 人体解剖学怪癖与眼睛进化:摘要
本文详细描述了一系列人体解剖学上的缺陷,从无害的特征(如能动耳朵)到潜在的危及生命的风险(如窒息和难产)。这些不完美之处被认为是进化妥协或祖先遗留的痕迹。
文章重点关注人类的眼睛,强调其“内翻”的视网膜和由此产生的盲点——这是古代进化途径的后果。文章解释了这种看似缺陷的设计是如何产生并持续存在的,并讨论了我们的大脑为弥补这些缺陷所使用的复杂机制。
文章进一步比较了人类和苍蝇的眼睛,揭示了它们在潜在的基因发育方面出人意料的相似之处,尽管结构差异很大。作者强调,即使是“缺陷”也常常有进化解释,源于渐进的变化和历史的制约。最终,本文呈现了对人体解剖学不完美但功能性的本质以及进化漫长曲折道路的引人入胜的观察。
Terra是一个解决健康数据分散难题的平台。目前,健康信息分散在众多来源——可穿戴设备、应用程序、医疗记录等——每个来源都有独特的技术障碍。Terra充当一个中央“基础设施层”,为所有这些数据提供单一、简化的连接。 他们对健康数据进行标准化、流式传输和分析,使公司和人工智能开发者能够构建创新的健康产品和洞察。Terra目前每年处理超过300亿个数据点,优先考虑规模、安全性和可靠性。 Terra设想一个高度个性化的健康未来,由人工智能驱动。这个未来需要持续访问真实世界的健康数据,Terra旨在成为推动这场变革的基础设施——帮助个人通过预测性洞察和个性化计划实现雄心勃勃的健康目标。
## 优化导致的专业知识流失的危险 乌克兰战争暴露了西方国防准备中的一个关键缺陷:长达数十年的制造业和技术专业知识的侵蚀。雷神公司难以重启毒刺导弹的生产——这条生产线已经关闭了20年——因为熟练的劳动力甚至关于*如何*制造它们的详细知识已经消失。这不是一个资金问题,而是一个“人”的问题,类似于乌克兰火炮弹生产中出现的类似失败,由于欧洲供应链中的瓶颈,承诺的交付量大幅减少。 这种模式源于20世纪90年代五角大楼主导的整合,国防劳动力减少了65%。关键知识集中在少数人手中,当他们退休时,这些知识往往会丢失。一个令人不寒而栗的例子是“雾区”,一种核材料,其生产过程被遗忘,需要数年和数百万美元才能重新发现——结果发现最初的、未记录的杂质是必不可少的。 作者认为这种情况现在正在软件领域发生。在人工智能的推动下,公司正在减少初级招聘,可能会导致未来缺乏能够进行批判性思考和系统级理解的经验丰富的工程师。虽然人工智能可以快速生成代码,但人工审查正在放缓,并且对人工智能的依赖可能会阻碍基本调试和解决问题的技能发展。 就像国防一样,优先考虑短期效率而非培养专业知识的长期代价可能是对重要知识的灾难性丧失,使我们无法为未来的危机做好准备。
## Remoto.el:在Emacs中直接浏览GitHub仓库
Remoto.el 允许你在Emacs中*无需*克隆即可浏览任何GitHub仓库。它通过注册一个虚拟文件系统来实现,将标准的Emacs文件操作(如`find-file`和`dired`)转换为通过`gh` CLI调用GitHub API。
这对于快速查看代码、README文件或项目结构,而无需下载整个仓库的开销非常理想。它是只读的,利用GitHub的API进行身份验证并透明地处理私有仓库。
主要功能包括:缓存的目录树以实现快速浏览、按需获取文件内容,以及在`dired`和`find-file`中自动检测GitHub URL。该包尚未发布到MELPA,但可通过Straight获取。
Remoto.el 避免使用TRAMP,因为它过于复杂且不适合无状态REST API,而是选择通过Emacs的`file-name-handler-alist`进行更高效、更直接的集成。目前仅限于GitHub,但计划未来支持其他代码托管平台。