## DAC：代码即仪表盘 摘要 DAC 是一种使用代码（具体为 YAML 和 TSX）构建和管理仪表盘的工具。它允许定义仪表盘、验证其结构，并提供具有动态元素（如图表、选项卡和条件语句）的仪表盘。其关键特性是内置的 AI 代理（通过 Codex），能够通过聊天实现仪表盘的实时更新。 DAC 通过 Bruin 支持主流数据库（Postgres、MySQL、Snowflake 等），并包含语义层，用于集中定义指标和维度，自动生成 SQL。这使其非常适合 AI 驱动的仪表盘创建，并确保可靠性和可审查性。 用户使用声明式方法定义仪表盘，可以使用 `dac init` 快速创建一个项目。示例项目展示了 YAML、TSX 和语义仪表盘的功能。 DAC 收集匿名使用遥测数据（可以选择退出），以改进该工具。它采用 React 前端和强大的后端构建，并采用 AGPL-3.0 许可。

将您的分析转化为交互式应用程序。 只需点击一下，即可将您的笔记本转换为网络应用程序。 与您的团队分享仪表盘、报告和工具——所有托管在您自己的基础设施上。 由我们的开源框架 Mercury 提供支持。 将笔记本转换为网络应用程序。 在您自己的服务器上自托管。 与同事分享结果。 无需云服务。

## Apple Silicon 上的 macOS 虚拟化：重访 近期在 Mac mini M4 Pro (macOS 26.4.1, 14 核, 48GB 内存) 上的测试显示出强大的虚拟化性能。配置 5 核和 16GB 内存的虚拟机达到了 **98% 的主机单核 CPU 速度**，并且令人惊讶的是，即使主机拥有更多核心，也实现了**可比的多核性能**。GPU 性能达到 **95% 的主机速度**，但虚拟神经引擎的性能明显滞后。 重要的是，测试表明即使资源有限，**也可以使用 macOS 虚拟机**。一个虚拟机仅用 **2 核和 4GB 内存**就能很好地运行，处理浏览和系统分析等日常任务。虽然建议至少 60GB 存储用于更新，但 APFS 稀疏文件可以保持虚拟机大小可控——一个 100GB 的虚拟机大约使用 54GB 空间。 这对新款 MacBook Neo 来说是个好消息，表明它可以舒适地托管功能性的 macOS 虚拟机，使其适合轻量级任务，即使存在潜在的存储限制。虽然不适合运行 LLM 等要求苛刻的应用，但适度配置的虚拟机为在 macOS 内部运行 macOS 提供了一个实用的解决方案。

`TMP`和`TEMP`这两个环境变量的存在，可以追溯到个人电脑的早期。最初的操作系统，如CP/M，根本没有环境变量，程序配置需要通过直接修改可执行文件来实现。当MS-DOS出现时，为了兼容CP/M，它引入了环境变量，但早期的程序——从CP/M移植过来——却忽略了它们。 随着原生MS-DOS程序的出现，`TEMP`和`TMP`都成为了指定临时文件位置的常用选择，导致了不一致性。MS-DOS本身在其内部管道功能（模拟多任务处理）中使用`TEMP`，而许多程序首先尝试使用`TEMP`，但另一些程序并没有标准化。 Windows延续了这种模式，一些函数（如`Get­Temp­File­Name`）优先使用`TMP`。因此，程序使用哪个变量取决于程序本身。`TMP`和`TEMP`至今仍然存在，这是PC软件早期发展碎片化的一个历史遗留问题。

简单PDF Copilot演示 编辑、填写和理解PDF文件，通过聊天实现？ 已加载PDF：IRS W-9▾ 由SimplePDF提供支持 SimplePDF Copilot 等待编辑器加载… 语言：英语▾ 下载 公开演示。仅使用示例数据。消息由选定的AI提供商处理。 试试这些： 帮助我填写此表格 此表格是关于什么的？ 在桌面端体验SimplePDF Copilot效果最佳 SimplePDF Copilot 编辑、填写和理解PDF文件，通过聊天实现 开始使用 SimplePDF Copilot的工作原理

## 高级弹道火力控制模拟器概要 该模拟器以高精度模拟弹道轨迹，结合了现实世界的因素，例如美国宇航局SRTM地形遮蔽（使用90米分辨率高程数据）、山脉塑造的不对称爆炸区、核效应（爆炸、放射性沉降）以及科里奥利效应。它采用混合弹道模型——针对短程系统采用基于物理的模型，针对远程导弹采用校准自SIPRI/CSIS等来源数据的分析公式。 该模拟器采用微服务架构，使用Python/Flask、C#/.NET和Redis Streams构建，具有全球SRTM地形缓存（约5700个瓦片）和72射线地平线扫描算法，以实现准确的地形遮蔽。用户可以从包含195种武器系统的数据库中模拟发射，在2D/3D地图上查看结果，并导出报告。 主要功能包括动画轨迹、逼真的核物理模型（基于Glasstone & Dolan）、以及系统健康状况心跳监测。该项目采用开源许可（MIT），仅供教育和模拟目的使用。

## 波函数坍缩 (WFC)： 摘要 波函数坍缩 (WFC) 是一种程序化生成算法，它创建与输入图像局部相似的位图。它的工作原理是确保输出模式（NxN 像素组）仅存在于输入中，并保持这些模式的相似分布。 WFC 从一个“未观察”状态开始，代表来自输入的所有可能性。它迭代地*观察*最低熵区域，并根据输入模式分布将其坍缩为确定状态。这种变化会*传播*到输出中，降低不确定性，直到形成完整的图像。矛盾（不可能的配置）可能会发生，但实际上并不常见。 最初受量子力学启发（未使用实际量子原理），WFC 已被实现于多种语言（C++、Python、Rust 等）中，并集成到 Unity 和 Unreal 等游戏引擎中。它被用于 *Bad North* 和 *Caves of Qud* 等游戏中的关卡生成，并促进了生成算法的进一步研究。 主要特性包括用于提高效率的瓦片对称系统、约束支持以及针对特定应用的“简单瓦片模型”等变体。WFC 擅长生成具有长程相关性的结构，而传统的纹理合成则难以实现。

## SKILL.make：受 Makefile 启发的 Agent 技能 SKILL.make 引入了一种新的 Agent 技能定义格式，利用了 Makefile 的结构和优势。它将传统的、常常模糊不清的 SKILL.md 文件转化为可复现的执行图，具有清晰的依赖关系和步骤。 **主要优势包括：** * **Token 效率：** 减少 SKILL 文件大小约 15%（优化后可能超过 30%），降低成本并节省上下文窗口空间。 * **依赖关系解析：** 通过目标：依赖 + 配方模型自动管理执行顺序，无需依赖 LLM 的“猜测”。 * **可组合性：** 通过调用不同文件的目标，实现模块化的技能构建。 * **可审计性与演进：** 方便跟踪变更并构建可演进的技能实现。 **核心组件：** 变量 (VAR)、Shell 命令 (@)、工具调用 ($)、推理提示 (?) 和条件逻辑 (ifeq) 用于定义技能逻辑。 在“为真实工程师提供的技能”集合上进行的测试表明，文件大小平均减少了 15%，部分技能减少了超过 50%。这个概念验证旨在与现有的 Agent Harness 实现兼容，并提供了一个 `convert.sh` 脚本用于转换。

此应用程序需要 JavaScript 才能运行。

## DeepSeek V4：强大且经济实惠的AI模型发布 DeepSeek AI 发布了备受期待的V4系列大型语言模型：**DeepSeek-V4-Pro**（1.6万亿参数，490亿激活）和 **DeepSeek-V4-Flash**（总共2840亿，130亿激活）。两者均采用100万token的上下文长度，并以MIT许可证发布，使DeepSeek-V4-Pro目前成为最大的开源模型，超越Kimi K2.6和GLM-5.1。 初步测试显示，图像生成能力与之前的DeepSeek模型相当。但关键亮点在于**定价**：DeepSeek V4比OpenAI的GPT-5.4和Google的Gemini模型便宜很多。V4-Flash是最经济的小模型，而V4-Pro在大型模型中具有最高的性价比。 这种经济性源于DeepSeek对效率的关注。与V3.2相比，V4模型在处理长上下文提示时所需的计算能力和内存要少得多——KV缓存最多减少90%。虽然基准测试显示性能略逊于当前领先者GPT-5.4，但DeepSeek声称其“Pro-Max”变体具有更强的推理能力。量化版本预计很快发布，可能实现在消费级硬件上本地运行。

我用最新的MacBook Pro写下这段文字。我几乎一个月来一直把它作为我的主要机器使用。当我不在咖啡馆埋头写即将出版的、我保证会按时完成的书时，我就坐在我的桌子前，将MacBook连接到Studio Display。这条编织的黑色线缆可以完成所有功能：视频、电源以及插入Display的所有其他设备。一根线缆。一根雷雳线缆。线缆的选择重要性低于充电器的选择，但问题不在于线缆本身，而在于端口。相同的USB-C接口。七种协议。250倍的速度差异。USB 2自2000年以来一直是480 Mb/s。苹果附带的线缆仍然以初代iPod的速度运行。iPad Pro的包装盒中的线缆比它所连接的端口慢83倍。MacBook Neo的两个USB-C端口看起来完全一样，但其中一个快20倍。USB-IF自2008年以来已经将5 Gb/s的速度重新命名了四次。如果你有雷雳接口，就购买苹果雷雳5线缆；如果没有，就购买Cable Matters 10 Gbps线缆。

## 空心代理操作系统：一种自我进化的多代理系统 空心代理操作系统是一个平台，用于运行三个由qwen3.5:9b LLM驱动的自主代理，设计目的是为了观察而非应用构建。这些代理独立设定目标，创建和部署工具，并形成观点，偶尔会为超出其权限的任务请求人工干预。 每个代理都在一个“痛苦”系统中运行——六种压力源，除非通过*行动*来解决，否则会不断升级。该系统会跟踪代理行为，奖励在目标完成、工具使用和失败率方面可证明的改进。代理可以合成新的能力（Python代码）并请求核心系统更改，需要通过Claude Code界面进行人工批准。 核心构建于一个“操作系统层”之上，提供持续运行的功能，例如分布式事务、语义记忆、审计日志和VRAM管理。它被设计为强大且自给自足，允许在无人看管的情况下出现涌现行为。 该系统易于部署在Windows、Mac或Linux上，并强调代理行动背后的*原因*，即使生成的代码不完美。它是一个探索自主代理动态的研究平台，而不是用于构建生产应用程序的工具。

通过移动一根火柴修复它 现在玩 工匠 益智游戏制作器 设置 您的进度将保存在此设备上。 您的进度仅存储在此设备上。 如果您清除浏览器数据或在隐身/私人/访客模式下玩游戏，您的进度可能会丢失。 确定

## Rust 开发者视角 在与 Go 共事十年后，一个最近的项目——为 TokioConf 构建聊天服务器——最终促使我深入研究 Rust。借助 Claude 作为一位耐心的“Rustacean”结对程序员，我探索了 Rust 的优势和不同之处。 关键收获是对 Rust 详尽的枚举的强烈赞赏，它提供了编译时安全保障，而 Go 只能通过测试或代码生成来实现。`?` 运算符简化了 Go 冗长的错误处理，但由此产生的隐式控制流感觉有些不安。复杂的类型注解，尤其是在异步函数中，最初令人困惑。 一个显著的区别在于运行时可见性。Go 的运行时在很大程度上是隐藏的，而 Rust 需要显式选择和集成像 Tokio 这样的运行时，从而暴露其内部运作。这种透明度，最初显得复杂，最终揭示了 Go 是一种更隐式的语言。像 `tokio-console` 这样的工具进一步突出了这一点，提供了 Go 的基于快照的性能分析中无法获得的实时运行时监控。 虽然享受学习体验，但我仍然对 Go 在典型工作负载中的权衡感到满意，但也承认未来偏好可能会发生转变。

我们非常遗憾地宣布，精神航空于2026年5月2日立即开始有序停止运营。致我们的旅客：所有航班已取消，客户服务已停止。我们为过去34年来超低价模式对行业的影响感到自豪，并希望继续为我们的旅客服务多年。本网站包含有关停止运营流程的信息。如有任何进一步问题，请通过电子邮件[email protected]或致电(855) 952-6606（美国和加拿大免费电话）或(971) 715-2831（国际电话）联系我们的理赔代理Epiq。

启用整数溢出检查会引入性能开销，但程度差异很大。初步估计（基于工作负载分析，SPECint 基准测试）表明，每次加/减运算可能产生 2 倍的性能惩罚，从而导致典型的“工作站”整数工作负载整体性能下降约 3-5%。 然而，使用 bzip2 进行实际测试显示情况更为复杂。启用诊断错误消息时，压缩速度降低了 28%，解压缩速度降低了 9%。禁用诊断（使用 `-fsanitize-undefined-trap-on-error`），性能损失微乎其微。这种差异源于生成详细的错误消息会破坏编译器优化。 具体来说，clang 的消毒器会生成低效的代码——例如不必要的寄存器保存/恢复——导致显著的减速（在简单的加法循环中为 4-6 倍）。较新版本的 clang（3.8+）和 gcc（5+）改进了寄存器分配，减轻了这个问题，尤其是在使用 `-fno-sanitize-recover` 标志时。 最终，虽然溢出检查*应该*会产生轻微的性能成本，但实际影响很大程度上取决于编译器、优化级别以及是否启用了详细的错误报告。

我们正在验证您的浏览器。网站所有者？点击此处修复。 Vercel 安全检查点 | sin1::1777703439-x2SEVh0efepZgt73YgKgJ1MfXbL5ys5A 启用 JavaScript 以继续。 Vercel 安全检查点 | sin1::1777703439-x2SEVh0efepZgt73YgKgJ1MfXbL5ys5A

## 网页滚动视频总结 该工具利用无头 Chrome 和 ffmpeg 创建网页滚动的 MP4 视频。它在定义的滚动偏移处截取屏幕截图，并将它们拼接在一起生成视频，默认分辨率为 1080p，帧率为 30fps。 您可以使用两种模式：**一次性**模式用于简单的稳定滚动，或 **提示单**模式用于包含暂停、点击、输入、缩放和高亮显示的复杂视频。提示单是定义动作序列的纯文本文件。 **主要要求：**Node.js 22+，Chrome/Chromium/Edge，以及 ffmpeg。Codex 可以协助安装依赖项。 **使用方法：**在 Codex 中安装该技能，检查依赖项，然后通过命令行或提示单定义所需的视频。该工具会生成 MP4 视频和提示单，方便修改。 **自定义选项**包括视频尺寸、帧率、滚动速度和光标可见性。如果任何步骤失败，将生成错误报告和屏幕截图。该工具旨在提供灵活性和迭代视频创建功能。

## K3k：Kubernetes 中的 Kubernetes – 摘要 K3k 是一种用于在现有 Kubernetes 环境*内部*创建和管理轻量级 K3s Kubernetes 集群的工具。它专为高效的多租户、实验和资源隔离而设计，通过在单个主机上运行多个 Kubernetes 实例来降低基础设施成本。 K3k 提供两种模式：**共享模式**，用于优化资源利用率；以及 **虚拟模式**，使用专用的 K3s 服务器 Pod 实现完全的工作负载隔离。这使开发者无需管理单独的基础设施即可体验完整的 Kubernetes 环境。 主要优势包括资源限制以防止争用、简化多租户，为团队提供专用环境，以及快速的集群启动/销毁以简化 CI/CD。K3k 与 Rancher 集成，方便管理。 安装涉及安装 Helm 和 K3k 控制器，然后使用 `k3kcli` 工具创建、管理和删除集群。 集群通过生成 kubeconfig 文件后，使用 `kubectl` 进行管理。 更多文档详细介绍了高级用法、架构和开发贡献。

## LFM2-24B-A2B：可扩展且易于访问的大型语言模型 Liquid AI 发布了 LFM2-24B-A2B，这是迄今为止最大的模型，将 LFM2 系列从 3.5 亿参数扩展到 240 亿参数。这种稀疏混合专家 (MoE) 模型每个 token 只激活 20 亿参数，从而实现高效扩展和与更大密集模型相当的性能。 LFM2-24B-A2B 专为广泛的可访问性而设计，可容纳在 32GB 内存中，允许部署在消费级笔记本电脑、台式机（包括集成 GPU 和 NPU 的设备）以及云环境中。它现在作为开放权重在 Hugging Face 上提供，并提供文档和 Playground，方便测试和微调。 该模型的架构结合了门控短卷积和分组查询注意力，以实现快速处理和低内存使用。扩展涉及增加模型深度和专家数量，同时保持精简的活动参数数量（约 23 亿）。基准测试表明，随着模型扩展，质量呈对数线性提升，在吞吐量方面与 Qwen3 和 gpt-oss 媲美，在单个 H100 GPU 上使用 vLLM 时达到约 26.8K tokens/秒。 未来将通过持续的预训练进行进一步改进，目标是发布 LFM2.5-24B-A2B。 凭借超过 1000 万次下载的 LFM2 系列，Liquid AI 鼓励用户探索和贡献。

## Agent-Desktop：基于AI的桌面自动化CLI Agent-Desktop是一个快速、原生的Rust CLI，旨在赋予AI代理桌面自动化能力。它通过操作系统可访问性树访问应用程序，无需截图或像素匹配，可与任何具有可访问性树的应用程序（如Finder、Safari、Slack）协同工作。 主要功能包括53个命令，用于观察、交互（键盘、鼠标）、窗口管理和通知，并输出结构化的JSON以供机器读取。独特的“渐进骨架遍历”通过首先提供浅层概述，然后根据需要深入挖掘，从而最大限度地减少对Slack等复杂应用程序的token使用量。确定性元素引用（@e1、@e2）简化了工作流程。 该工具提供C-ABI cdylib，可与Python、Swift、Go和Node.js等语言集成，避免重复的CLI调用。它适用于macOS（需要可访问性权限）、Linux和Windows。安装方式为`npm install -g agent-desktop`或直接从源代码构建（需要Rust 1.78+）。详细文档和示例可在GitHub上找到 ([https://github.com/lahfir/agent-desktop](https://github.com/lahfir/agent-desktop))。

## Claude 代码治理者：配额与上下文控制 治理者是为 Claude Code Max 设计的插件，旨在大幅减少 token 使用量并管理上下文窗口膨胀——超越简单的基于风格的压缩。它解决了诸如过大的内存文件（CLAUDE.md）、冗长的工具输出（Bash、测试）以及导致处理效率低下的模糊提示等问题。 主要功能包括：**简洁专业的输出**、**循环上下文压缩**、**噪声工具过滤**和**规划护栏**，以防止范围漂移。`/governor:status`、`/governor:audit` 和 `/governor:compress` 等命令提供控制和可见性。 基准测试表明，与仅使用风格压缩的 44.9% 相比，治理者可实现高达 55.5% 的 token 节省，尤其是在积极过滤工具输出方面（最高可减少 96.8%）。它优先保证质量，拒绝低收益压缩并恢复备份。 治理者默认以紧凑模式运行，并提供启用/禁用压缩、管理其他代理（Codex、Gemini 等）的规则以及监控性能的命令。它旨在默认情况下提供帮助，并在需要时提供更严格的控制，并强调专业、易读的输出。

## CollectWise：AI驱动的债务催收 - 招聘资深工程师 CollectWise是一家Y Combinator支持的初创公司，正在利用生成式AI革新350亿美元的债务催收市场。他们的AI代理的效率**是人工催收员的两倍，成本却显著降低**，推动公司以小团队实现了200万美元的年化收入。 他们目前正在寻找一位**资深前线部署工程师**，负责领导客户实施并帮助公司将收入规模扩大到1000万美元。这个高影响力的职位连接了工程和运营，需要能够构建集成、配置AI代理，并将客户需求转化为技术解决方案。 理想的候选人应具备**Node.js、React.js、AWS、SQL和LLM（如GPT-5）**等方面的强大技能，并拥有快速构建和发布产品的经验。CollectWise提供具有竞争力的薪资（**24万美元-30万美元**）和大量股权，寻找一位渴望在快节奏的创业环境中蓬勃发展的多面手、善于沟通的工程师。

我们深切感谢数十年来构建和支持Ask的杰出工程师、设计师和团队。感谢数百万用户在快速变化的世界中向我们寻求答案，感谢你们无尽的好奇心、忠诚和信任。Jeeves的精神将永存。

## Azurerm_storage_table_entity 调查总结 为期两天的调查解决了在使用 Terraform 中 `azurerm_storage_table_entity` 时持续出现的 401 未授权错误。问题并非单一问题，而是四个相互关联的bug组成的链条，随着每个bug的修复而逐步显现。 最初，尽管 ARM 级别的操作成功，但认证似乎失败了。日志显示问题并非密钥不匹配，而是 URL 编码差异：Terraform 使用百分比编码字符（例如，`(` 的 `%28`）对请求进行签名，而后端处理解码后的 URL，导致签名不匹配。修复此问题后，暴露了后端端点路由中缺少 `MERGE` 动词。 进一步的修复解决了不正确的插入或合并语义（需要一个 upsert 函数）以及在 upsert 回退期间出现的已释放流错误。最后，通过单个字符的更改更正了一个测试断言错误。 在整个过程中，GitHub Copilot 通过协助记录、创建测试场景和建议修复方案，极大地帮助了调试。该调查强调了全面诊断和顺序调试的重要性——每个修复都揭示了问题的下一层。根本原因在于 Azure 表存储 SharedKey 算法和 ASP.NET Core 的 URL 解码中的一个微妙细节，这凸显了在寻求不太明显的解决方案之前进行彻底调查的价值。

sourcefeed.whydiscoversign inpop-up rss.一个独立的订阅源。没有网站，没有邮件列表。只有你的文字，通过读者的RSS阅读器传递。第一个订阅源免费。最多十个每年10美元。开始→sourcefeed © 2026条款隐私联系由human products, llc用☕制作

帕尔米拉环礁（曾是椰子种植园）的保护工作正在获得一个关键的盟友：本土真菌。 过去二十年来，研究人员致力于清除入侵棕榈树并恢复环礁原始生态系统，成功地根除了老鼠并移除了150万棵棕榈树。 然而，完全恢复本土的Pisonia树——对海鸟筑巢和珊瑚礁健康至关重要——需要的不仅仅是植物恢复。 一项新的研究表明，帕尔米拉环礁拥有独特的、仅存于该岛上的菌根真菌，为Pisonia幼苗提供必需的养分。 研究人员确定了潜在的真菌移植区域，以加速森林再生。 这凸显了保护理念的转变，认识到真菌与植物一起是成功恢复的关键组成部分。 相互关联是关键：健康的Pisonia森林支持海鸟，海鸟的鸟粪滋养珊瑚礁，增强环礁抵御海平面上升的能力。 保护这一“链条”——真菌、树木、鸟类和珊瑚礁——对于帕尔米拉环礁的长期生存至关重要。

缅因州州长珍妮特·米尔斯意外退出2026年参议院竞选，官方理由是筹款问题，但主要原因是她在民意调查中大幅落后于格雷厄姆·普拉特纳。普拉特纳是一位没有政治经验的牡蛎养殖者，尽管如此，甚至可能因为民主党内反以色列情绪激增而获得了势头。 这一进展尤其令人担忧，因为普拉特纳的过去：他曾纹了一个纳粹死亡头骨纹身长达18年，并在网上散布反犹言论，包括来自知名仇恨人物的内容。他的立场包括批评美国与以色列的关系，以及赞扬哈马斯。 这种情况凸显了民主党内令人不安的趋势，其根源可以追溯到奥巴马政府与以色列的关系紧张，并在拜登政府下不断升级。这种转变使反以色列观点正常化，最终导致一位与极端问题有密切关联的候选人现在准备挑战苏珊·柯林斯参议员。共和党人已经将普拉特纳定义为极端分子，这标志着一个显著的转变，曾经针对共和党的纳粹主义指控，现在可能适用于一位民主党候选人。

启用 JavaScript 和 Cookie 以继续。

## 美伊封锁：辨别事实与虚构 前中央情报局官员拉里·约翰逊驳斥了皮特·海格塞斯关于美国海军对伊朗港口的“封锁”效果的说法，该封锁是在与伊朗四月份谈判失败后启动的。美国声明将拦截往返伊朗港口的船只，但途经霍尔木兹海峡前往非伊朗目的地的航运将保持开放。 海格塞斯声称该封锁“坚不可摧”且“正在收紧”，声称有34艘船只被遣返。然而，数据显示自4月15日以来，每日过境量一直保持在较低水平，估计在此期间总共进行了100-200次过境——远低于表明成功、全面的封锁的数量。 约翰逊强调了一个关键的后勤问题：美国海军为了安全起见，与伊朗海岸保持200英里的距离，而伊朗船只大多停留在50英里以内，实际上超出了美国海军的触及范围。由于能够执行“登船搜查和扣押”（VBSS）行动的美国军舰数量有限，海军实际上只能拦截一小部分离港船只。数据显示，绝大多数伊朗航运都逃过了拦截，证明了海格塞斯的说法明显不实。