维克多·戴维斯·汉森认为，北约的实力日益虚幻，被数十年的美国支持掩盖，并受到欧洲虚伪的困扰。北约成员国经常受益于美国的援助——历史上在马尔维纳斯群岛、巴尔干地区、利比亚甚至法国在非洲的干预行动中的后勤支持——但它们却不愿回报，尤其是在伊朗问题上。 尽管欧洲北约成员国面临来自伊朗的直接威胁比美国更大，但许多国家拒绝提供对美国近期对抗伊朗侵略行动的基本支持，仅提供口头保证，同时拒绝提供基地和资源的使用。这与乌克兰（一个非北约国家）所获得的强有力支持形成了鲜明对比。 汉森认为，欧洲的经济和人口规模远大于美国和俄罗斯，但缺乏对国防支出的承诺以及反美行为模式才是对北约的真正威胁，而不是像特朗普这样的人物提出的批评，那些批评只是暴露了现有的弱点。他认为这种虚伪比任何外部压力都更具破坏性。

## 非法蚂蚁交易在肯尼亚激增 一种令人惊讶的新野生动物走私趋势正在肯尼亚出现：非洲巨型收获蚁女王的非法交易。受全球日益增长的蚂蚁宠物饲养爱好驱动，这些因其体型和筑巢能力而备受追捧的女王蚁，在黑市上可卖高达220美元。 交易中心位于肯尼亚吉尔吉尔，蚂蚁在交配季节被收集并走私，通常通过在线网络运往欧洲和亚洲的收藏家手中。最近的一次查获行动发现了5000只被包装用于运输的蚂蚁，进一步的逮捕行动突显了这个问题。 科学家警告说，移除蚁后会破坏生态系统，并可能在其他地方引入入侵物种，从而可能影响农业。虽然通过利益共享协议进行合法收集是可行的，但尚未签发任何许可证。环保人士呼吁对蚂蚁物种采取更严格的国际贸易保护措施，肯尼亚当局正在寻求加强边境检查。尽管存在风险，但如果得到妥善管理，一些人认为这些“生物资产”具有可持续养殖的潜力。

## SideX：一个轻量级的 VSCode 移植 SideX 是一个早期发布、开源项目，旨在以更小的体积重现 Visual Studio Code 的功能。它通过用 Tauri（一个基于 Rust 的后端和原生 webview）取代 Electron 来实现这一点，从而获得更快的性能和更低的资源占用（目标是 200MB 内存）。 该项目是对 VSCode 的 1:1 架构的精简移植，使用了超过 5600 个 TypeScript 文件，并使其能够在原生 shell 上运行。目前，Monaco 编辑器、文件资源管理器、集成终端、基本的 Git 集成和主题支持等核心功能已经可用，并且支持从 Open VSX 加载扩展。 然而，SideX 仍在积极开发中。许多工作台功能尚不完整，扩展兼容性有限，调试/设置界面不稳定。 开发者正在积极寻求社区贡献，以解决错误、实现功能（尤其是终端、扩展和调试），并改进平台支持。如果您熟悉 VSCode 的架构，鼓励您参与贡献！您可以在 GitHub 上找到该项目和贡献指南：[https://github.com/Sidenai/sidex](https://github.com/Sidenai/sidex)。

## Parlor：实时、本地多模态人工智能 Parlor 是一个研究预览版，展示了使用语音和视觉进行实时人工智能对话，所有处理都在您的设备*本地*进行。它利用 Google 的 Gemma 4 E2B 来理解音频和视觉输入，并使用 Kokoro 进行文本到语音的输出。 Parlor 的驱动力是创造一个可持续、免费的英语学习工具，它通过完全在设备上运行来消除服务器成本——这得益于像 Gemma 这样更小、更强大的 AI 模型领域的最新进展。虽然它无法执行复杂的代理任务，但这代表着向人人可及的人工智能迈出的重要一步。 目前 Parlor 适用于 macOS (Apple Silicon) 和 Linux，并配备支持的 GPU，允许进行免提、可中断的对话。它可以通过 GitHub 克隆轻松运行，并需要大约 3GB 的内存。该项目旨在未来移植到手机，设想一个用户可以通过简单地展示和谈论他们周围的物体来与人工智能交互的世界，甚至利用多语言支持。

UsenetArchives.com 是一个历史悠久的 Usenet 帖子档案，包含数十年内容。**用户被警告，该内容未经审核，可能包含成人、冒犯或令人反感的内容。** 通过访问该网站，您**确认您已年满 18 岁**（或您所在地区的法定年龄），并理解该档案的性质。您对您的浏览选择承担全部责任，并同意不非法分发内容。 该网站包含来自公共论坛的用户生成内容，无法保证其适当性。用户可以提交内容删除请求，访问受网站的隐私政策管辖。总之，请谨慎行事，并理解可能存在的敏感材料。

## 信号：深入了解响应式编程 信号是一种现代的响应式编程方法，在Solid、Vue等前端框架中越来越受欢迎，但往往缺乏清晰的内部理解。 它们的核心是管理状态，并在状态改变时自动更新依赖值——就像一个电子表格，单元格会根据公式自动更新。 这种响应性由一种“推拉”算法驱动。**基于推的信号**在值改变时通知订阅者（不共享新的状态本身）。**基于拉的“计算值”**是惰性的；它们只有在被读取*并且*依赖项发生变化时才会重新计算。 重要的是，计算值会自动跟踪这些依赖项，无需手动指定——这是优于传统方法的关键优势。 这种依赖跟踪利用一个全局堆栈将计算与它们访问的信号关联起来。 带有“脏”标志的缓存系统确保仅在必要时才重新评估，从而优化性能。 推用于失效和拉用于重新评估的结合，创造了一种细粒度、高效的响应式系统。 标准化工作正在进行中，旨在将信号原生集成到JavaScript中（TC39 proposal-signals），可能为未来的框架提供一个共同的基础。 这种方法侧重于*如何*传播变化，为现有的状态管理解决方案提供了一种强大的替代方案。

## 功敬设计奖：源于体验的设计 近25年来，功敬设计奖一直致力于推动创新文具，将概念变为现实。今年的主题是“共鸣：引发共鸣的设计”，鼓励设计师从个人经验中汲取灵感，创造出有影响力的产品。 大奖得主是神成宏树的**“Before Note”**，它重新构想了笔记本，将其设计成可定制的页面组合，使用户能够超越批量生产，个性化他们的体验。 优胜奖作品突出了微妙而有影响力的设计：高东田的**“Gram”**探索了重量对书写的影响，塚本雄二的**“边缘识别笔记本”**以可持续的方式提供优雅的组织，而五十嵐&泷泽的**“渐变日记”**则打破了刻板的计划表结构，采用了流畅的渐变布局。 其他值得关注的入围作品包括创新的包装、鼓励反思的笔以及增强阅读和捕捉灵感的工具，所有这些都体现了对用心互动和个人联系的关注。

## HarfBuzz GPU 与 Slug 渲染彩色字体 Eric Lengyel 的 Slug 算法现已开源，并集成到 HarfBuzz 中作为 GPU 库，超越了文本塑形，进入了字形渲染领域。传统上，文本渲染依赖于在特定尺寸下栅格化位图，这对于缩放或 3D 环境来说是个问题。像符号距离场 (SDF) 这样的替代方案也有局限性，但 Slug 直接在片段着色器中计算字形覆盖率，从而实现完美的缩放和变换。 核心思想是将字形曲线预处理成数据缓冲区并上传到 GPU。虽然最初是用于单色字形，但可以通过 COLRv0 和 COLRv1 等格式扩展到矢量彩色字体（如表情符号）。COLRv0 将表情符号渲染为堆叠的彩色字形，可以通过调整现有的单色渲染来轻松支持。COLRv1 更加复杂，利用带有变换、裁剪和混合的渲染树 – 由 HarfBuzz 的 `hb-paint` 组件处理。 这涉及将绘图命令（裁剪蒙版、填充、变换、组）编码到纹理缓冲区中，并在片段着色器中执行它们，可能需要基于图层的混合方法。最终，这使得在任何应用程序中都能实现清晰、可缩放的表情符号渲染，并且即使对于单色文本也优于传统方法。作者希望该概述能够激发进一步的开发并集成到现有的渲染库中。

我们检测到您的浏览器已禁用 JavaScript。请启用 JavaScript 或切换到受支持的浏览器以继续使用 x.com。您可以在我们的帮助中心查看受支持的浏览器列表。帮助中心 服务条款 隐私政策 Cookie 政策 版权信息 广告信息 © 2026 X Corp.

本文详细描述了在一次意外断电后，成功恢复一个严重损坏的12TB Btrfs文件系统，该文件系统跨越3个设备池（数据单副本，元数据DUP，DM-SMR磁盘）的过程。标准的`btrfs check --repair`命令失败，由于extent树和空闲空间树的问题陷入无限循环。 恢复是通过14个基于btrfs-progs API构建的定制C工具实现的，数据损失极小——大约4.59TB中的7.2MB（0.00016%）。作者分享此案例作为研究，*而非*错误报告，并为btrfs-progs的潜在改进提供建设性反馈。 提出了九个具体的改进领域，重点是增强的修复工具功能（进度检测、extent树重建、孤立inode清理）、更清晰的文档以及对已识别边缘情况的修复。定制工具的参考实现以及一个补丁已在GitHub上公开提供，作为进一步调查和讨论的资源，而非直接提交补丁。

利用月球反射信号——被称为地月地（EME）通信——长期以来一直是无线电爱好者的终极挑战。它需要大型天线、昂贵设备以及精确的手动指向和跟踪。我们试图将这项技术带到地面，提供体验太空通信的乐趣所需的所有工具，通过开源软件定义的相控阵来实现。

## Bun vs. Node.js：Trigger.dev 的 5 倍性能提升 Trigger.dev 在其对延迟敏感的“Firestarter”服务（一个处理数千个长轮询 HTTP 连接的预热连接代理）中用 Bun 替换了 Node.js，从而实现了 **5 倍的吞吐量提升**。初步分析显示 Node.js 实现存在瓶颈：缓慢的 SQLite 查询、过多的 Zod 解析以及低效的头部转换。 第一阶段消除了 SQLite 数据库，用复合键 Map 替换它，实现 O(1) 查找，吞吐量翻倍，延迟减半。第二阶段切换到 Bun 的原生 `bun.serve()` API，进一步将性能翻倍。随后的分析（第三阶段）识别并修复了与 Zod 验证、头部处理和调试日志记录相关的热点，将 CPU 使用率提高了 40%。最后，编译成单个二进制文件（第四阶段）又将吞吐量提高了 14%，并将镜像大小从 180MB 减少到 68MB。 一个关键发现是 Bun 的 HTTP 模型中存在内存泄漏：来自断开连接的客户端的未解决的 Promise。修复此问题稳定了内存使用并进一步提高了性能。该团队强调分析的重要性，在每个步骤进行基准测试，并理解 Bun 独特的 HTTP 生命周期。他们还为常见的 Bun 问题创建了一个调试技能。

最近的研究正在揭示阴蒂的奥秘，这个器官由于社会禁忌和解剖学挑战，历史上一直研究不足。研究人员利用同步加速器的先进X射线技术，首次在微米级别上创建了阴蒂神经的详细三维图像。 发表在bioRxiv上的研究表明，阴蒂背神经（DNC）有力地延伸到阴蒂龟头，广泛分支并连接到周围组织，如耻骨区域。这与先前的神经逐渐变细的假设相矛盾。 这种详细的解剖学图谱具有重要意义。它可以改善针对女性生殖器切割术后患者的重建手术，并帮助外科医生在其他盆腔手术中避免神经损伤。专家强调，随着性别肯定治疗的进步，人们对生殖神经重要性的认识日益增强，并强调需要进一步研究以开发针对相关疾病的更好疗法。该团队计划扩大研究范围，纳入更多样化的捐赠者。

👍 1人点赞 👎 1人踩 😄 1人笑 🎉 1人欢呼 😕 1人困惑 ❤️ 1人爱心 🚀 1人火箭 👀 1人眼睛。 你现在无法执行该操作。

``` /research "GraphQL性能特征" 收集证据，读取你的代码库，搜索网络，并记录发现的内容。每个发现都有一个类型（事实、风险、预估）和一个证据等级——从“声明”（有人说）到“测试”（原型验证）。 r001 [事实|文档] GraphQL消除了移动客户端的过度获取，减少了40-60%的负载大小。 r002 [事实|网络] GraphQL N+1查询问题需要DataLoader或等效的批量处理层。 r003 [风险|文档] 现有的REST缓存（CDN、HTTP）无法直接应用于GraphQL，需要自定义解决方案。 ```

## 软件版本控制：为什么重要以及如何正确实施 最近的一次生产事故暴露了软件版本控制中的一个关键缺陷：无法*精确*知道正在运行的代码是什么。尽管快速识别出潜在的修复方案，但由于缺乏对构建版本和发布的可见性，仍然浪费了数小时。这促使我们重新审视最佳实践，并回忆起十多年前在 i3 窗口管理器中实施的一种解决方案。 核心问题在于令人惊讶的低版本控制标准——即使是家用电器也具有详细的版本信息！有效的软件版本控制需要三个步骤：**标记它！**（包含源代码修订版），**连接它！**（确保此信息在构建和打包过程中不会丢失），以及**报告它！**（在日志、用户界面甚至 HTTP 标头中显示版本信息）。 最有价值的信息是 VCS（版本控制系统）修订版。虽然 Go 现在可以自动使用此数据标记构建，但将其集成到 Nix 等打包系统中可能很复杂。像 `stapelberg/nix/go-vcs-stamping` 这样的叠加层可以弥合这一差距。 最终，优先考虑“版本可观测性”——在整个系统中一致报告 VCS 修订版——是一个高影响、低成本的项目，可以在事件响应期间节省大量时间和压力。不要满足于基本的版本号；要知道*精确*正在运行的代码是什么。

## 社交媒体使用与青少年负面结果相关 一项大型由澳大利亚主导的研究，分析了来自超过35万儿童和青少年超过二十年的数据，揭示了社交媒体使用增加与后期负面结果之间的一致性联系。这些包括更高的抑郁症、自残、药物滥用和更低的学业成就。 该研究发表在《JAMA Pediatrics》上，强调了一个令人担忧的模式：早期参与社交媒体可能会随着时间推移而根深蒂固。虽然该研究并未*证明*因果关系，但它表明花在网上的时间可能会取代有益的活动，如锻炼和现实生活中的社交互动。青少年尤其容易受到影响，因为围绕身份和同伴关系的压力因在线社交比较而加剧。 专家指出，这种关系很复杂；现有的挣扎可能*导致*增加社交媒体的使用，而不是相反。该研究强调了政策变化和平台调整的必要性——特别是解决像自动播放这样的成瘾性设计功能——以为儿童创造更安全的在线环境。这项研究正值指控社交媒体公司故意设计成瘾性平台的法律斗争之际。

## Sheets：终端电子表格 Sheets 将电子表格功能带到你的终端。你可以启动它来直接读取通过 stdin 管道传入的 CSV 数据，或者打开现有的 CSV 文件。导航侧重于键绑定，允许使用 `h, j, k, l` 在单元格之间移动，并使用 `gg`（顶部）或 `B9`（单元格 B9）等命令快速跳转到特定位置。 Sheets 支持通过直接赋值 (`B7=10`) 和插入模式 (`i`) 修改单元格。强大的功能包括搜索 (`/`)、标记 (`ma`)、跳转列表 (`ctrl+o`) 和视觉选择 (`v`)，用于复制、剪切和粘贴。公式可以在视觉模式下使用 `=` 插入。 保存、打开其他文件和退出都通过激活 `:` 的命令提示符来完成。安装很简单，可以使用 Go (`go install...`) 或下载预构建的二进制文件。该项目采用 MIT 许可，并欢迎用户反馈。

## 美国基督教：规模与分布 虽然天主教会是美国最大的基督教教派，拥有6190万成员，但其教堂数量并非最多。南方浸信会以51,400个教会的数量领先，尽管其总成员数较少。这突显了一个关键的区别：一些教派将成员集中在较少的地点，而另一些教派则分布更广。 值得注意的是，非宗派教会正在迅速发展，既拥有庞大的成员数量，又拥有广泛的教会网络，反映了人们从传统教派向更广泛的转变。 美国的宗教格局多样化，许多较小的教派为这个支离破碎但充满活力的生态系统做出了贡献。地理模式也发挥着作用，浸信会/福音派教会集中在南方，而天主教在欧洲和拉丁美洲移民众多的地区盛行。

## Gemma Gem：您的本地AI助手 Gemma Gem 是一款 Chrome 扩展程序，它将强大的 AI 助手直接带入您的浏览器，由 Google 的 Gemma 4 模型提供支持。它完全在您的设备上运行——无需互联网连接或 API 密钥——利用 WebGPU 进行快速、私密的处理。 安装后（需要下载约 500MB），Gemma Gem 可以阅读网页、与元素交互（点击按钮、填写表单），甚至执行 JavaScript。您可以通过浏览器中的图标访问它，并通过聊天界面进行交互。 该扩展程序通过内容脚本、服务工作线程和托管模型的离屏文档系统工作。它提供截图捕获、文本提取和页面滚动等工具，所有这些都可以通过自然语言控制。 用户可以自定义 AI 的“思考”过程，并管理上下文清除和特定站点禁用等设置。提供开发版本和生产版本，详细日志可通过 Chrome 的扩展程序检查工具访问。

即使是开发人工智能工具的公司，如微软的Copilot、OpenAI的模型以及xAI的产品，也在告诫用户不要盲目信任其输出结果。 他们的服务条款明确指出，这些人工智能容易出错，不应被用于重要决策。 微软目前正在向企业推广Copilot，最初包含免责声明，将该工具标明“仅供娱乐”，并建议用户“自行承担风险”。 他们承认这种措辞已过时，并计划更新。 同样，OpenAI和xAI也警告不要将他们的人工智能的回复视为绝对真理或事实信息。 这些免责声明强调了一个关键点：虽然人工智能正在迅速发展，但它仍然存在缺陷，需要对生成的内容进行批判性评估——这种观点与怀疑论者*和*人工智能开发者本人不谋而合。

加州州长加文·纽森周五发布行政命令，禁止州政府官员利用非公开信息在预测市场中获利。 此举是在有关联邦政府内部交易的报道之后，具体涉及在特朗普政府宣布消息之前进行的投注——包括对伊朗的潜在打击以及关于委内瑞拉的行动——使一些人获得了巨额利润（可能超过100万美元）。 纽森将该命令定义为对伦理问题的回应，以及对“内部牟利”的拒绝。 尽管州长办公室引用了具体例子，但主要的预测市场平台Kalshi澄清说，这些事件发生在*不受监管*的市场中，并且他们正在其平台上积极执行内幕交易规则。 与此同时，参议院已提出两党立法，旨在禁止在这些平台上进行体育博彩，理由是州政府对赌博法律的管辖权。 Kalshi反对该法案，认为这将只会促使用户转向不受监管的离岸网站，并扼杀竞争。

## Modo：一个开源、规划优先的AI IDE Modo是一个基于VS Code的Void编辑器构建的桌面IDE，旨在通过优先考虑*规划*而非直接执行来增强AI辅助编码。与典型的“提示-生成代码”工具不同，Modo通过明确的工作流程来构建开发过程：**提示 → 需求 → 设计 → 任务 → 代码。** 用户在`.modo/specs`中定义功能或错误修复，为需求、设计和实现任务创建markdown文件。然后，AI代理填充这些内容，允许审查和迭代完善。任务是持久的，并且可以从IDE中一键执行。 主要功能包括通过markdown规则进行项目指导，通过JSON钩子实现自动化操作，以及为复杂任务并行生成代理。它支持多种LLM，并与OpenAPI规范等工具集成。一个切换开关允许在自主“自动驾驶”模式和监督模式之间切换。 Modo是完全开源的（MIT许可证），并且高度可定制，提供专用主题、自定义命令以及通过可安装的“能力”进行扩展。虽然目前由社区维护，但它为寻求更结构化的AI驱动编码方式的开发者提供了强大的基础。 [https://github.com/modoeditor/modo](https://github.com/modoeditor/modo)

## 开源软件的可移植性价值 本文论述了开源社区中日益增长的对软件可移植性的敌对态度。作者反驳了常见的将移植到“旧”或不太流行的架构（如Alpha、MIPS、PowerPC或32位系统）视为无意义的观点，以及对字节序（大端与小端）的担忧。 作者认为，支持不同的架构并非沉溺于过去，而是承认活跃的社区兴趣并提高软件质量。移植可以发现隐藏的错误——一个安全漏洞甚至是通过在旧硬件上测试Linux内核发现的。大端和小端系统都有其价值，而字节序安全的代码就是*更好*的代码。 同样，32位支持仍然相关，尤其是在资源受限的环境中，甚至可以在64位系统上提高效率。最终，接受社区驱动的移植表明了对用户的尊重，并促进了更健壮、经过充分测试的代码库。作者提倡协作方法，敦促维护者拥抱贡献，即使是针对意想不到的平台，将其视为项目蓬勃发展和有价值的标志。

APEX v0.1.0-alpha 定义了人工智能代理与经纪商、交易所、交易商和其他执行场所的通信方式。 一种协议。实时状态。自主安全。多资产设计。连接FIX协议的电子交易。APEX连接代理交易。

## mdarena：评估您的 CLAUDE.md 文件效果 **mdarena** 是一款工具，用于评估您的 `CLAUDE.md` 文件（您提供给 Claude 等代理的指令）相对于您的代码库实际 PR 的有效性。研究表明，这些文件通常会*降低*代理的成功率并增加成本。 **工作原理：** 1. **`mdarena mine`**: 提取合并的 PR 以创建任务集，自动从您的 CI/CD 配置中检测测试命令。 2. **`mdarena run`**: 通过将不同的 `CLAUDE.md` 配置（或无上下文）应用于 PR 之前的提交并评估生成的代理补丁来测试它们。它可以运行您现有的测试（如 SWE-bench），或退回到差异重叠评分。 3. **`mdarena report`**: 将代理补丁与原始 PR 差异进行比较，衡量测试通过/失败率、代码重叠、成本和统计显著性。 **生产 monorepo 测试的关键发现：** 与没有它们的基线相比，提供针对性上下文的按目录 `CLAUDE.md` 文件显著提高了测试解决率（约 27%），并且优于合并的单文件方法。 **mdarena 优先考虑安全性**，通过隔离检出防止访问未来的提交。它支持 SWE-bench 任务，并需要 Python 3.11+、`gh` 和 `claude` CLI。

## 本地多模态记忆：用搜索查找任何内容 这个工具允许您使用自然语言创建本地、可搜索的文件数据库——包括图像、音频、视频、PDF 和文本。只需嵌入您的文件，然后使用描述性查询*查找*它们，即使没有任何现有的元数据或标签。例如，搜索“团队晚餐”将显示相关的照片！ 它由 Gemini Embedding 2（免费版本）和 ChromaDB 提供支持，所有内容都存储在您本地机器上以保护隐私。设置过程经过简化，并配备了一个动画向导，Raycast 扩展程序提供带有缩略图的即时视觉搜索。 **主要特点：** * **跨模态搜索：** 无缝处理所有文件类型。 * **本地和私密：** 数据保留在您的机器上。 * **易于设置：** 动画向导引导您完成整个过程。 * **Raycast 集成：** 从您的启动器进行快速视觉搜索。 **开始使用：** [https://github.com/hughminhphan/vector-embedded-finder](https://github.com/hughminhphan/vector-embedded-finder)

## GuppyLM：一个小型、可训练的语言模型 GuppyLM是一个拥有900万参数的语言模型，旨在证明构建自己的LLM并不需要大量的资源。它使用单个Colab笔记本和最少的训练时间（约5分钟）创建，展示了语言模型的内部运作——从数据到输出，使其不再像一个“黑盒子”。 该模型体现了一条名为Guppy的小鱼，用简短的、小写的句子交流，专注于它的水生世界：水、食物和鱼缸生活。它故意缺乏对复杂人类概念的理解。 GuppyLM在6万条合成对话上进行训练，涵盖60个主题，利用简单的香草Transformer架构。该项目优先考虑简单性，放弃了像GQA或RoPE这样的高级技术，以保持小规模的清晰度和效率。 代码和预训练模型已在HuggingFace上公开提供，允许任何人进行实验并直接与Guppy聊天。它是一个实际的例子，证明即使没有博士学位或巨大的计算能力，LLM的创建也是可行的。

请启用 JavaScript 并禁用任何广告拦截器。

## 超越文件系统：利用语义寻址改进AI编程 传统上，代码组织依赖于文件系统，模仿人类可理解的层级结构。然而，这迫使AI编程代理在较低的“操作”层面工作，需要大量的工具（如IDE）来管理基于代码*存储位置*而非*功能*的代码。 为了提高AI效率，Sumato AI 建议将重点转向**叙事卫生**——为AI代理编写清晰、直接的“故事”。 这通过两个关键创新实现：**Spath** 和 **Splan**。 **Spath** 是一种语义寻址格式，允许代理在*不*引用文件或行号的情况下识别代码符号。 **Splan** 定义了一种表达对这些符号的*操作*的语法——完整的意图，例如“用这个新版本替换这个函数”——同样不依赖于文件系统。 通过操作语义含义而非文件路径，Spath & Splan 减少了浪费的计算，提高了AI的“认知质量”，并实现了事务性代码更改（全部成功或全部失败）。 两者都设计为开放、可适应的语法，具有特定于语言的“方言”。 Sumato AI 正在开源这些工具，相信转向语义抽象将释放AI辅助编码的重大进步。