## 氛围编程：将控制权让渡给人工智能 作者探讨了“氛围编程”，这是一种利用大型语言模型（LLM）的软件开发方法。他区分了两种方法：使用LLM进行小任务*并*进行完全人工监督，以及一种更激进的方法，即AI代理在很大程度上自主地构建复杂系统。他尝试了后者，极大地改进了一个简单的曼德勃罗特集分形网页。 最初的780行代码虽然功能正常但速度慢。在LLM的协助下，页面膨胀到13,600行，集成了诸如GPU加速、扰动算法，甚至多语言翻译等高级技术——所有这些作者都没有完全理解细节。这展示了人工智能在代码复杂性和优化方面超越人类能力的可能性。 然而，作者指出了成功“氛围编程”的两条关键规则：**自动化测试**（允许AI自我纠正）和**测试测试**（确保测试质量）。这些规则对于保持控制并防止AI优化到错误的结果至关重要。 最终，作者将氛围编程定义为从*执行*智力工作转变为*管理*AI“机器”，需要一种新型的“元认知基础设施”。他警告说，虽然这种方法功能强大，但存在失去人类理解和控制的风险，敦促人们仔细考虑增加的复杂性是否真正服务于人类需求。

## 重新思考环形缓冲区 作者发现了一种常见的、令人惊讶的低效实践，即在实现单元素环形缓冲区时，由于缓冲区状态的管理方式而浪费了容量。传统上，环形缓冲区使用一个数组和两个索引（读/写）以及掩码来保持在边界内，不可避免地会损失一个槽位来区分空和满状态。 另一种方法使用单个索引和一个长度字段，从而最大化容量，但会在并发读写场景中产生竞争问题。作者提出了一种更优的解决方案：使用两个未掩码的索引，它们会简单地溢出，依靠无符号整数的自然环绕来管理缓冲区的循环特性。 这种方法找回了丢失的槽位，简化了代码，并避免了对额外状态变量的需求。然而，它要求容量是 2 的幂，并且依赖于语言支持无符号整数溢出。尽管具有优势，但这种优雅的解决方案似乎并不常见，这导致作者质疑为什么更复杂、效率较低的方法仍然盛行——可能由于传统或不愿将整数溢出视为一种特性。

为什么？我发现拖放体验很容易变成一场噩梦，尤其是在移动设备上。同时尝试点击、按住、拖动和滚动，既笨拙又缓慢且容易出错。我一直想用一种更简单的两步方法：先选择一个项目，然后放置它。所以我实现了这个基本版本来展示我的想法。它是如何工作的？当选择一个项目时，原始列表的副本会创建在上面。这个副本是交互式的，并且会根据滚动位置进行更新。最后，用户可以确认或取消更改。这是一个库吗？不完全是。这仅仅是一个概念验证，为了传达我的想法。但是，你可以查看源代码以获取灵感。

## Delty：医疗保健领域的人工智能 – 摘要 Delty 正在开发用于医疗保健的人工智能操作系统，专注于语音和计算机辅助，以简化临床工作流程并减轻医护人员的行政负担。Delty 由前谷歌工程领导人创立，旨在通过可靠、感知上下文的人工智能提高效率和医护人员体验。 他们正在寻找经验丰富的机器学习工程师来构建和负责端到端的生产机器学习系统——从数据管道和模型训练到部署和监控。该职位要求 3 年以上结构化数据机器学习经验、强大的后端工程技能，以及专注于构建可扩展、可维护的解决方案。 Delty 提供一个高影响力的环境，有机会向经验丰富的工程师学习，为产品方向做出重大贡献，并迅速加速职业发展。他们优先考虑所有权、快速迭代以及解决具有挑战性的问题，为医疗保健行业提供强大、企业级的人工智能解决方案。

## go-boot: 一个TamaGo UEFI 唯一内核 go-boot 是一个适用于AMD64平台的TamaGo唯一内核，提供UEFI Shell和操作系统加载器。它允许直接与UEFI API交互，并支持启动各种操作系统，包括EFI应用程序、Linux内核（通过UAPI引导加载条目配置）以及通过其UEFI引导管理器启动Windows。未来的开发计划包括引导透明度支持。 该系统提供一个命令行界面，包含文件管理、系统信息、网络（可选SNP/go-net支持）和内存访问等实用工具。它可以通过环境变量进行配置，例如`IMAGE_BASE`、`DEFAULT_LINUX_ENTRY`和`CONSOLE`。 go-boot可以使用TamaGo编译器构建，并通过UEFI Shell、systemd-boot等引导管理器或`efibootmgr`部署。它也可以在QEMU中进行测试，并通过GDB提供调试选项。该项目提供硬件兼容性列表（HCL），其中包含各种平台的推荐`IMAGE_BASE`值。

## 平行代理：克服AI编码中的方差 代理编码存在固有的方差——LLM的随机性意味着相同的提示可能产生不同的结果。仅仅改进提示工程（上下文工程）可以降低*平均*质量，但不能保证找到*最佳*解决方案。本文提出**并行收敛**：同时运行多个代理实例，以探索更广泛的解决方案空间。 核心思想是将代理运行视为样本，分散风险并利用“集体智慧”。从干净的上下文开始的并行代理可以逃避单个代理可能陷入的次优局部最小值。当多个代理独立地提出相同的方法时，即为收敛——这验证了一个强大的解决方案。 此工作流程用于两个阶段：生成多个问题解决方案，以及收集关于问题的各种信息（使用专门的代理进行git历史记录、文档、网络研究等）。Claude Code的编排模式促进了这一点，综合代理输出并偏向于更简单、经过验证的解决方案。 虽然需要消耗大量token，但并行收敛提供了基于多个独立来源的高置信度结果。它对于复杂的调试或规划最有价值，对于简单的任务则价值较低。最终，上下文工程塑造了良好解决方案的*可能性*，而并行收敛*找到*了最佳解决方案。

拉凡艺术 艺术再构想 前往画廊 “艺术不是你所见，而是你让别人所见。”

一种常见的UI模式为帖子显示相对时间戳，例如“4小时前”，通常会通过链接或工具提示增强，以显示精确日期。虽然HTML `<time>` 元素*似乎*是语义化日期表示的理想选择——允许浏览器和屏幕阅读器解释和显示完整时间戳——但其实际影响却出乎意料地有限。 尽管在很大一部分网页上被使用，大多数浏览器除了渲染它之外，都会忽略 `<time>` 元素。屏幕阅读器 NVDA 和 Narrator *会*读取时间戳，但可能并非按预期方式读取。搜索引擎似乎优先考虑 Schema.org 标记（datePublished/dateModified）而不是 `<time>`，用于搜索结果中的日期摘要。 本质上，`<time>` 仍然是语义化 HTML 未实现的承诺，最初设想用于日历集成和本地化等功能，但目前利用率不高。尽管如此，许多开发者仍然继续使用它，仅仅是因为它代表了可访问性和语义化代码的良好意图。

## JustHTML：利用人工智能辅助构建HTML5解析器 JustHTML是一个全新的、无依赖的Python HTML5解析器，在严格的html5lib测试套件上实现了100%的通过率，并包含CSS选择器查询API。该项目展示了编码代理的强大功能，使用VS Code和Github Copilot构建，并强调了解析现实世界中经常存在错误的HTML的挑战。 开发过程涉及迭代改进，从一个基本的解析器开始，并逐步提高测试覆盖率。一个关键的障碍是实现复杂的“收养机构算法”来处理格式错误的HTML——即使是原始Firefox HTML5解析器作者也认为这项任务具有挑战性。最初的性能较慢，导致了Rust分词器的重写（收益有限），最终将来自快速Rust解析器html5ever的逻辑移植回Python。 尽管最终速度比html5lib慢，但广泛的性能分析、受测试覆盖率指导的代码删除以及模糊测试显著提高了性能。作者强调代理*编写*了代码，而他们专注于高级设计、错误纠正和引导流程。该项目强调了在人工智能辅助开发中，明确的目标、代码审查以及允许代理从失败中学习的价值。

## 辣椒卡宴：下一代数据加速，助力规模化 Spice Cayenne 是 Spice.ai 推出的最新数据加速器，旨在处理低延迟的多太字节数据湖工作负载。Cayenne 旨在克服 DuckDB 和 SQLite 等现有加速器在规模化时的局限性，它结合了高性能的 **Vortex 列式格式**（来自 Linux 基金会）和精简的 **嵌入式元数据引擎**。 这种分离优化了存储和元数据管理，从而实现 **更快的查询和显著降低的内存使用量**。Spice 通过在本地计算引擎中实现数据集来加速数据，减少网络 I/O 并实现亚秒级查询时间，而无需额外的基础设施。 Cayenne 通过利用 Vortex 高效的随机访问和与 Apache Arrow 的零拷贝兼容性，解决了大数据集中的关键挑战——并发瓶颈、高内存消耗和复杂的索引管理。基准测试表明，Cayenne 的查询速度比 DuckDB **快 1.4 倍**，同时使用的内存 **减少了近 3 倍**。 目前处于 Beta 阶段，Spice Cayenne 通过在 Spicepod.yml 中配置 `engine: cayenne` 来配置，并承诺进一步改进，例如索引支持和额外的元数据后端。它旨在成为太字节和拍字节级分析和人工智能工作负载的领先加速器。

## TRELLIS.2：高保真图像到3D生成 TRELLIS.2 是一种新的40亿参数大型3D生成模型，能够以惊人的速度和效率从2D图像创建高分辨率、完全纹理化的3D资产。它利用了一种新颖的“无场”稀疏体素结构，称为O-Voxel，能够生成复杂的拓扑结构——包括开放表面和内部结构——并完全支持PBR材质（颜色、粗糙度、金属度、不透明度）。 该模型在NVIDIA H100 GPU上大约60秒内即可实现高达1536³的分辨率。其主要优势在于纹理网格和O-Voxel之间的快速转换（<10秒CPU到O-Voxel，<100毫秒CUDA到网格）。 TRELLIS.2 建立在专门的软件包之上，例如O-Voxel、FlexGEMM和CuMesh，以实现优化的性能。代码可在GitHub上获取（仅限Linux，需要具有≥24GB内存和CUDA Toolkit 12.4的NVIDIA GPU）。预训练模型可通过Hugging Face访问。网络演示和PBR纹理生成即将推出。该项目采用MIT License发布，部分依赖项具有单独的许可条款。

人工智能公司广泛抓取网站以获取训练数据，保护您自托管的博客可能具有挑战性。**Fuzzy Canary** 是一种旨在通过微妙地将指向不良内容（如色情内容）的不可见链接注入到您网站的 HTML 中来阻止这些抓取器的工具。这会触发许多人工智能抓取工具的内容保护机制。 您可以**服务器端**（推荐，效果更好，尤其对于非 JavaScript 抓取器）或**客户端**实施 Fuzzy Canary。服务器端集成使用 React 框架（如 Next.js 和 Remix）非常简单，通常只需添加一个组件。客户端使用单个导入进行自动初始化。 Fuzzy Canary 通过检查用户代理来智能地避免标记 Google 和 Bing 等合法的搜索引擎。然而，这对于**静态网站**提出了一个问题，在构建时无法进行用户代理检查，可能会损害 SEO。对于静态网站，建议使用客户端初始化，但可靠性较低，因为它依赖于机器人执行 JavaScript。

德克萨斯州总检察长肯·帕克斯顿正在起诉五家主要电视制造商——索尼、三星、LG、海信和TCL，指控它们秘密记录观众的习惯，用于定向广告和潜在监控。诉讼称，这些电视使用自动内容识别（ACR）技术收集有关*所有*观看内容的数据，包括流媒体服务、通过HDMI连接的设备，甚至安全摄像头拍摄的画面。 帕克斯顿认为，这些公司通过隐藏和误导性的提示来欺骗性地激活ACR，在未获得知情同意的情况下收集数据——据称有些公司每半秒拍摄一张截图。他还对海信和TCL的中国关联表示担忧，将它们的电视称为潜在的“中国赞助的监控设备”。 该州指控这些公司违反了德克萨斯州欺诈贸易行为法，并寻求处罚，以及停止数据收集和销售。帕克斯顿表示，拥有电视不应等同于向科技公司或外国实体牺牲个人隐私。

## Gleam 位数组：摘要 Gleam 提供了强大的位数组语法，灵感来自 Erlang，用于构建和模式匹配二进制数据。位数组由 `<<` 和 `>>` delimits，是段的序列，每个段代表编码为位的数值。段定义为 `value:option1-option2`，数据类型包括 `Int`、`Float`、`String`，甚至其他 `BitArray`。 默认情况下，`Int` 段为 8 位有符号，而 `Float` 使用 64 位 IEEE 754。`String` 默认使用 UTF-8 编码。`size` 选项控制段的位数，并提供简写表示法。字节序默认为大端，但可以设置为小端或本机端。 位数组不仅用于创建，而且在模式匹配方面表现出色。你可以通过匹配特定字面量或将值赋给变量来提取数据。字符串匹配存在限制（不支持任意长度的字符串），但可以使用 `bytes` 进行 UTF 代码点和字节级匹配。 虽然在很大程度上镜像 Erlang 的行为，但一些特性（如 `native` 选项和 UTF 代码点模式匹配）对于 JavaScript 目标仍在开发中。位数组通过基本的 NBT 编码器/解码器示例进行演示，展示了它们在数据操作方面的实用性。

## 中央盘古山脉的兴衰 在超大陆盘古大陆形成期间（石炭纪-三叠纪），由于劳亚古陆和冈瓦纳古陆的碰撞，形成了一座巨大的山脉——中央盘古山脉。这座山脉的高度可与今天的喜马拉雅山脉相媲美，它曾经连接着现在散布全球的山脉，包括苏格兰高地、阿巴拉契亚山脉和摩洛哥的阿特拉斯山脉。 最初高耸的山峰在二叠纪经历了强烈的风化，形成了山谷并降低了整体高度。这种侵蚀一直持续到三叠纪，显著地降低了山脉的高度。到了侏罗纪（大约2亿年前），该山脉的西欧部分已经大体消失，分裂成孤立的高地，被新形成的海洋盆地分隔开，标志着其最终衰落的开始。

## T5Gemma 2：新一代高效多模态模型 T5Gemma 2 在 T5Gemma 的成功基础上，融合了 Gemma 3 系列的创新，进一步发展了编码器-解码器架构。这一代产品引入了**多模态**能力——理解图像和文本，并显著**扩展了上下文窗口**，最高可达 128K tokens。 T5Gemma 2 效率的关键在于架构改进：**共享词嵌入**（编码器和解码器之间共享）和解码器中的**合并注意力**，从而减少了参数数量。这使得模型更加紧凑——2.7亿-2.7亿、10亿-10亿和40亿-40亿参数，非常适合设备端应用和快速实验。 T5Gemma 2 在一个庞大的多语言数据集上进行训练，支持超过 140 种语言，在各种任务中都表现出强大的性能，继承了 Gemma 3 的强大能力，同时提供了一个更易于访问和更通用的编码器-解码器解决方案。

## 一键清理器：简化HTML以进行可访问性审计 可访问性顾问伊恩·劳埃德（Lloydi）开发了“一键清理器”来简化在可访问性审计期间分析复杂HTML的过程。 劳埃德对反复解码高度嵌套、属性众多的标记感到沮丧，因此在之前的工具“HTML清理器”的基础上，创建了一个更快、更集中的解决方案。 “一键清理器”作为书签或Chrome扩展程序提供，通过删除不必要的类、琐碎的属性和过度的嵌套来简化HTML。 它优先显示仅对辅助技术至关重要的属性——那些影响角色、状态和焦点的属性。 用户只需在浏览器中单击一个元素，该工具就会呈现其标记的简化版本，以便复制。 一个切换按钮允许快速与原始代码进行比较，并且有一个选项可以进一步展平嵌套结构。 输出结果会自动包装在Markdown中，以便于报告。 虽然该工具不能*修复*错误的标记，但它显著减少了理解标记所花费的时间，使审计员能够快速识别和解决可访问性问题。

## Composify：React 组件的可视化编辑 Composify 是一个开源的 React 库，提供了一个可视化编辑器，使非开发者能够使用现有的、可用于生产环境的组件来构建和修改页面。Composify 不同于僵化的页面构建器或复杂的无头 CMS，它弥合了差距，允许团队使用他们已建立的设计系统来可视化地组合内容。 只需在目录中注册你的 React 组件，用户就可以拖放它们、调整属性并创建动态页面，而无需工程支持。这可以实现更快的 UI 更改——甚至无需重新部署的即时更新——非常适合营销活动、A/B 测试和快速原型设计。 Composify 提供服务器端 UI 解决方案，赋予内容和营销团队自主权，同时工程师可以专注于核心功能开发。它与 Next.js、Remix 以及任何 React 环境兼容，并且你可以保留完全的数据所有权。 对于需要完全托管解决方案的团队，Composify Cloud 提供托管、协作功能和版本历史记录。详细文档和项目贡献请访问 [composify.js.org/docs](https://composify.js.org/docs)。

## 流体排版：使用 CSS 调整字体 流体排版旨在在不同屏幕尺寸之间创建平滑缩放的字体大小，避免在断点处出现突兀的跳跃。 传统上，这涉及使用 `calc()` 和 `vw` 单位基于基础屏幕宽度和字体大小计算比例。 近期 CSS 的进步，特别是 **类型化算术** (Chrome 140+)，彻底改变了这一过程。 最初，无单位值对于兼容性至关重要。 现在，类型化算术允许直接计算，例如 `calc(10em / 1px)`，从而能够根据视口宽度动态调整排版比例。 像 **Utopia** 这样的工具可以帮助生成这些流体值，并提供预定义的刻度。 然而，一个关键的改进是计算一个 `--screen-normalizer` 变量，以便在定义的范围内流体地调整基础字体大小 *和* 排版比例。 这允许实时原型设计，并使用 CSS 变量轻松缩放。 未来的 CSS 函数有望提供更大的灵活性，可能允许自定义函数根据设计系统步骤生成大小。 虽然目前仅限于 Chrome，但可以使用 `@supports` 实现回退解决方案。 这种方法可以实现和谐的排版，并能美观地适应任何屏幕尺寸。

## 法律科技的脱节：为什么解决方案未能切中要害 许多律师和法律科技买家认为，供应商不了解他们的需求，常常构建针对不存在问题的解决方案——这种趋势受到近期人工智能领域风险投资涌入的助长。一个核心问题是程序员对实际法律工作流程的误解，导致一个持续的、错误的目標：取代微软Word。 尽管技术不断进步，Word仍然不可或缺。它不仅仅是一个文字处理器；它是全球法律协议的基础“网络协议”，深深嵌入法律系统和先例之中。试图用Google Docs或Markdown等替代品取代它，会因为扰乱这种既定的生态系统，而忽略律师因法院和专业标准而要求的特定格式和合规需求而失败。 程序员们常常认为Word代表着法律科技的“堕落”，渴望拥有像Git这样的工具的版本控制优势。然而，法律世界的去中心化特性——每个人都使用.docx以保证兼容性——使得切换变得不切实际。真正的创新不在于*取代*Word，而在于在其现实基础上*构建*，专注于真正解决律师痛点并利用其专业知识的增量改进。最终，成功的法律科技需要对法律实践有深刻的理解，而不仅仅是对革命的热情。

## Mintlify 漏洞总结 本报告详细描述了在 Mintlify 上发现的一系列严重漏洞。Mintlify 是一家 B2B SaaS 文档平台，被 Discord、Twitter 和 Vercel 等公司使用。初步调查始于注意到 Mintlify 切换到 MDX 用于文档渲染，允许在 Markdown 中嵌入 JavaScript。 由于服务器端未沙箱化的 MDX 渲染，发现了一个 **远程代码执行 (RCE) 漏洞 (CVE-2025-67843)**。这允许执行任意代码，从而访问环境变量（包括 API 令牌）并能够污染 Next.js 缓存 – 导致客户文档站点上出现 **大规模跨站脚本攻击 (XSS)**。 进一步的研究发现了一个通过静态资源请求的 **定向 XSS 漏洞 (CVE-2025-67842)**，能够进行一键 XSS 攻击，对于没有适当 cookie 范围的站点（如 Discord 的文档）影响尤为严重。随后还发现了一个利用路径遍历的 **补丁绕过漏洞 (CVE-2025-67845)**。 其他不太严重的漏洞包括一个 **GitHub IDOR (CVE-2025-67844)**，允许访问未经授权的提交详情，以及一个利用过时部署的 **降级攻击 (CVE-2025-67846)**。 Mintlify 迅速修补了所有已识别的漏洞，并奖励了 5000 美元的漏洞赏金。这些漏洞凸显了未沙箱化动态内容渲染的风险，以及健壮的输入验证和部署实践的重要性。

## 无条件收入与心理健康：一场关怀革命 新兴证据显示，改善心理健康的一个令人惊讶的关键在于：**无条件基本收入**。近期对芬兰实验的分析显示，向失业人员每月提供560欧元，在*没有*工作要求的情况下，接受资金者的自我报告的心理健康状况不佳比例降低了惊人的33%，与对照组相比。金额不是关键因素——关键在于**没有附加条件**——对个人的信任——推动了积极的改变。 这并非个例。来自马拉维、肯尼亚、德国、巴西，甚至切罗基民族长期实验的研究，一致表明无条件现金转移可以改善心理健康，减轻压力，甚至降低自杀率。重要的是，这些益处在*所有人口群体*中都有体现。 除了个人健康，基本收入还能促进**社会信任和更强的社区联系**，甚至可能影响枪支暴力等问题。核心要点是什么？福利条件并非中立；它们实际上会*损害*心理健康。专家们越来越提倡普遍基本收入作为一种强大、预防性的心理健康干预措施，强调仅仅信任人们并赋予他们资源就可以带来变革。

作者对现代互联网日益下降的质量和诚信表示担忧，这超越了对拨号时代和LiveJournal等社区驱动平台的简单怀旧。核心问题不仅仅是变化，而是真诚的联系和可信赖的知识的丧失，这些正日益受到自动化内容威胁。 为了解决这个问题，作者提出要复兴“webring”（网站互联）的概念——专注于共同主题、建立在相互信任和善意基础上的互联网站。为了适应现代需求，他们开发了“Ringspace”，这是一个利用密码学在较小的在线社区内建立信任模型的概念验证。 Ringspace旨在验证网站的真实性和社区地位，为读者提供内容由人类创作的保证。虽然它不是一个大规模的解决方案，但它展示了一条重塑更人性化、更具创造性和更紧密连接的互联网的途径——在这种互联网中，信任不仅仅依赖于技术解决方案，而是通过社区和精心设计来培养。

## Quilter AI 借助“Project Speedrun”实现快速硬件设计 位于洛杉矶的初创公司 Quilter 已经展示了人工智能在计算机设计方面的重大飞跃。他们的“Project Speedrun”成功设计并启动了一个功能完整的 Linux SBC（单板计算机）——由 843 个零件和双 PCB 组成——仅用 *一周* 时间，而传统上熟练工程师需要大约三个月。 这种速度的实现是通过利用人工智能来自动化 PCB 设计中传统瓶颈的执行阶段，使人类工程师能够专注于创造性的设置和完善。与基于语言的人工智能不同，Quilter 的系统通过基于物理的优化进行训练，*不*依赖于现有人类设计，以避免继承潜在的错误。 Debian 的成功首次启动突显了这种方法的潜力。Quilter 旨在超越人类设计能力，并且至关重要的是，通过大幅缩短设计时间和精力，降低新硬件初创公司的进入门槛。这可能会释放计算机硬件创新的新浪潮。

Please provide the content you want me to translate. I need the text to be able to translate it to Chinese.

## 千社百花齐放：通往多元未来的道路 过去几十年，人们对创建新社区的兴趣日益增长——从在线论坛到全新的城市甚至国家，为个人提供更多选择并促进创新。这场运动，呼应了早期的加密货币理想（“魔法互联网货币” vs. “魔法互联网社会”），随着像Zuzalu这样的实验而加速，Zuzalu是一个“快闪城市”，展示了有意识的社区建设的力量。 然而，Zuzalu也凸显了关键挑战：可持续性、成本以及这些项目容易失去重点的倾向。作者提出了一种建立在“部落”之上的未来——专注于文化创新的新部落，提供超越表面美学的深度，并通过沉浸式体验培养共同价值观。这些部落将受益于建立永久性的“枢纽”——物理空间，能够更深入地实现文化。 除了文化创新，作者还探讨了“区域”——在新的治理和法规方面进行实验的地理定义区域，吸引人才和投资。这些区域涵盖从自由主义实验到以发展为中心的倡议，为各国参与21世纪经济提供了一种途径。 最终的愿景是一个由多元社区组成的“群岛”，为个人提供更有意义的自由，并促进全球分布的创新格局——一个人们可以主动*选择*他们居住的社会的世界，而不是受出生地限制。这需要超越自上而下的控制，拥抱自下而上、自愿的实验，创造一个更具活力和多元化的未来。

403 禁止访问

## 电阻器：个人电脑的早期先驱 1968年，在个人电脑出现之前，一个名为“电阻器”（“Radically Emphatic Students Interested in Science, Technology, Or Research Studies”的缩写）的青少年电脑爱好者团体出现在新泽西州普林斯顿。他们面临着一次电脑会议的罢工，巧妙地通过使用声耦合器和公用电话连接到场外小型计算机来突破限制，从而引起了行业专业人士的关注。 在电气工程师克劳德·卡根的带领下，他提供了可以进入一个充满剩余电脑的谷仓，电阻器培养了一种独特的学习环境。他们秉持“一人教一人”的理念，优先实践经验，并欢迎各种成员，包括年轻女性——在当时这非常罕见。 该团体的活动超越了技术实力；他们与富有远见的泰德·尼尔森一起探索了超文本的早期概念，并合作创作了互动艺术装置。尽管规模较小——十年间成员少于70人——电阻器培养了许多杰出人物，包括思科系统公司的联合创始人以及畅销电脑书籍的作者，这证明了早期接触和协作学习的力量。他们的故事揭示了计算历史中一个此前未被讲述的篇章，展现了一个早于并影响个人电脑革命的充满活力的业余爱好者社区。

## 优化代码的部分内联 编译器经常使用内联来提高性能，但过度内联会导致代码膨胀。一种解决方案是**部分内联**，即只内联函数的一部分。 这种技术涉及**函数外提**：将函数的“冷”路径（不常执行的路径）分离到另一个函数中。原始函数随后成为一个薄包装器，处理“热”路径（常执行的路径），并在需要时委托给外提的函数。 然后，编译器可以只内联*包装器*，保留对外提的冷路径的调用。这避免了复制昂贵的代码，同时仍然受益于内联快速路径。 例如，一个`process`函数对于0-100的值有快速情况，否则有较慢的情况，通过外提较慢的情况进行了优化。当`process`内联到`compute`时，只有快速路径检查被内联，对外提的慢路径的调用仍然存在。 部分内联允许编译器在性能提升和代码大小之间取得平衡，并根据启发式方法对内联内容做出细致的决策。检查类似Compiler Explorer的工具中的汇编输出可以揭示编译器是否正在进行预期的优化。

启用 JavaScript 和 Cookie 以继续。