µRepRap 是一种 RepRap 风格的 3D 打印机，旨在使用常见且可获取的材料进行微米和亚微米制造。它基于 OpenFlexure 显微镜平台。当前的 PIKA V0.02 版本在约 8mm 立方体积内可实现约 1µm 的重复定位，并可通过蚀刻探针沉积小至 4µm 的 UV 树脂液滴，或通过光纤探针固化 9µm 线条。更早的 MAUS 版本是测试平台，定位精度约为 5µm。项目的目标是创建可获取的宏观尺度微米制造系统，并最终开发微米尺度自复制技术。它需要 3 轴定位、CAD/CAM、传感器、沉积、材料以及用于操纵微小组件的工具。探针包括针头和光纤；UV 指甲胶树脂通过毛细作用沉积，并由 UV LED 固化。潜在应用包括微电子、MEMS、生物学和新的制造领域。
每日HackerNews RSS
RepRap微米 RepRapMicron
21 天前
Hacker News 讨论了 RepRapMicron，一个旨在微尺度增材制造的项目。最高票评论将其视为精密制造的又一次飞跃，将其比作历史上的机床进步，并指出现代爱好者如今可以使用 3D 打印机、CNC、无线电和原子钟。评论者争论 OpenSCAD 与 Fusion360/FreeCAD 等 CAD 工具、因平方立方定律、摩擦和材料限制而难以缩小打印机规模的问题，以及 RepRap 是否能真正自我复制。其他人提到微制造、MEMS、压电致动器以及微型传感器等可能用途。还有关于家庭半导体制造以及车库演示与可靠生产之间差距的讨论。总体而言，该帖庆祝精密制造日益普及，同时承认存在重大技术和扩展挑战。
启用 JavaScript 和 Cookie 以继续
影线法是铜版雕刻师在彩色印刷困难时用来表示纹章彩饰（颜色）的技术。最早的体系由 Jan Baptist Zangrius 于1600年在鲁汶创立，随后还有 Franquart（1623）、Butkens（1626）、de Rouck（1645）、Gelenius（1645）、Segoing（1654）和 Lobkowitz（1636）等人。该方法主要在低地国家（布拉班特）通过纹章学家与雕刻师的合作发展而来。关于发明权存在 Marcus Vulson de la Colombière 与 Silvester Petra Sancta 之间的争议，但 Zangrius 具有优先权；de la Colombière 与 Petra Sancta 仅在黑色（Sable）的影线方面不同，Neubecker 认可 de la Colombière。更早的痕迹见于 Vincenzo Borghini 的木刻及15–16世纪作品。纹章官常偏好更简单的“tricking”。额外的彩饰（铁色、本色、橙色等）及部分毛皮后来也有了影线。总体而言，影线法成为无彩色纹章插图的重要工具。
Hacker News 链接到了维基百科的《Hatching (Heraldry)》，这是在黑白纹章学中表示颜色的一种体系。该帖有 82 个点和 27 条评论。一条评论把纹章学的 nehatching 与 Android 4.4 的“毛茸茸的心”表情符号联系起来，该表情符号源于对 nehatching 心形图案的误解。其他评论讨论了 Google 的“别抱怨，去解决问题”文化可能具有胁迫性、UI 设计选择，以及为什么这个小众主题会吸引黑客：美学、在受限格式中表示图像/颜色、技术制图惯例和历史象征。一些用户指出技术图纸和像素艺术中有类似 nehatching。总体上，讨论将对纹章图案的好奇与对设计、软件文化和视觉表示的更广泛反思混在一起。
计算机辅助几何设计中曲线与曲面的历史 [pdf] A History of Curves and Surfaces in Computer Aided Geometric Design [pdf]
21 天前
无法读取PDF流中的可读内容。
一个 Hacker News 帖子讨论一篇关于计算机辅助几何设计中曲线与曲面历史的文章。评论者指出它已过时，覆盖到 1980 年代中期的发展。一位用户推荐 Freya Holmér 的样条连续性视频，认为其信息丰富、有助于理解连续性问题；另一位推荐她的向量乘法演讲。页面还包含 YC Winter 2027 申请通知。
开源低成本电动XYZ微操纵器实现亚微米运动（分辨率低至50纳米，但绝对精度较差），采用并联机构、微型球关节、步进电机、闭环控制和磁齿轮。支持光学对准、探针和显微镜，通过USB的G代码控制。硬件v4改进了关节连杆一致性与校准；包含FreeCAD模型、KiCad电子设计和固件，无需专有CAD或SMD焊接。固件提供运动规划、6自由度插值、工具支持、校准和大量G代码命令。Python GUI/API支持运动、回零、校准、G代码执行和相机查看。构建需要零件、组装、硬件配置、固件上传和校准；典型电源为5–6 V。注意版本特定要求：v3.0需要旧运动学参数，v1.2 PCB需要过孔修复。
Hacker News 对 Open MicroManipulator（GitHub 上的开源亚微米级 3D 运动控制平台）的讨论。该帖（218 点，18 条评论）突出了某 DIY YouTube 创作者的出色工程，用户称赞项目并提到可能的专业机会。评论者讨论了热漂移以及对温控、隔振平台的需求，还有精度与绝对精度的区别。相关项目包括 RepRapMicron 和具有亚纳米分辨率的 DIY 压电 stick-slip 执行器。用户询问 6 自由度六足变体，并分享了用于干涉测量的手动、非电机化版本。反应从惊叹到对计量和成本的实际关切不等，一名评论者希望有 Kickstarter 产品，另一名已在制作。总体而言，帖子庆祝可及的高精度硬件，同时承认纳米级定位的工程挑战。
法律专家警告Meta的新条款仍授予广泛的抓取权限 Legal experts warn Meta's new terms still grant broad scraping permissions
21 天前
本网站使用安全服务以防范在线攻击。您刚刚的操作触发了安全防护。可能触发此拦截的行为包括提交特定词语或短语、SQL命令或格式错误的数据。
Hacker News 讨论法律专家警告：Meta 新商业条款授予全面许可，可抓取与 Meta 商业账户（Facebook、Instagram、Threads、WhatsApp）相关的网站。条款允许使用机器人、“测试凭据”绕过限制、持续监控，并将数据用于“广告和商业产品”；批评者称尽管移除了“train”一词，仍涵盖 AI 训练。Meta 公开承诺遵守 robots.txt 并未写入具约束力的合同，除在截止日期前删除商业存在外没有退出方式。评论者争论抓取伦理：有人认为 robots.txt 是自愿的且机器人会忽略它；其他人建议按 ASN/TLS 封锁、污染数据或离开 Meta。其他题外话包括犹太姓氏和 Musk 对 Zuckerberg。结论：专家认为这些条款不可协商，是对发布者/商业内容进行广泛采集的授权。
社交媒体禁令和年龄限制存在缺陷。孩子绕过限制表明这些措施的局限性，并反映健康的求知欲与独立性，然而禁令限制了重要信息与发展的获取。它们还可能适得其反：当孩子无法访问主流平台时，他们可能转向监管更少、风险更高的空间，正如澳大利亚禁令后所见，屏幕使用时间并未明显下降，只是发生了转移。家长和孩子往往希望获得负责任的访问与数字安全技能，有些家长还会帮助绕过限制。年龄验证还通过用户画像或收集身份证件威胁每个人的隐私与安全，造成数据泄露风险。作者认为，应以更细致的政策取代粗暴禁令：加强对数据收集的限制，以及灵活的家庭工具。年龄限制不会简化育儿；它们可能延后问题或让儿童缺乏支持。总体而言，禁令可能让互联网对年轻人和所有人更不安全。
文章认为，儿童绕过社交媒体年龄限制并不是一个需要解决的问题。在 Hacker News 的讨论中，评论者争论弱执行的法律是否有害，以及禁令是否应该废除或重新设计。一些人主张通过教育和监管平台或广告来替代惩罚孩子，而另一些人则警告，侵入式的年龄验证和广泛的访问限制可能会损害隐私以及有价值的在线资源，尤其是 YouTube。用户还质疑自我报告的数据是否能证明禁令无效，并指出部分执行仍可能减少公共危害。总体而言，该讨论串凸显了儿童安全、执法、隐私与信息获取之间的紧张关系。
Marc 认为在优化成本和容量时，尾部延迟值得高度重视。使用经验 Lorenz 曲线，1−L(P) 估计长于第 P 百分位的请求对平均延迟的贡献。对于样本分布，p50 请求贡献约 99%，p99 请求贡献约 52%。根据 Little 定律，该比例同样反映并发，因此慢请求消耗了大量系统容量。因此，优化尾部延迟可以比预期更多地降低容量需求、锁争用和相关成本。提供的函数通过插值/外推分位数来估计这条曲线，尽管它是近似的，并存在百分位估计不确定性。尾部请求不应被忽视；它们常常导致成本和糟糕体验。
一篇 Hacker News 帖子链接到《Lorenz and Little：你的尾部成本有多高？》，并有两条评论。一条指出，对于重尾服务时间，高分位数主导均值，挑战了通常将均值用于容量规划、分位数用于用户体验的划分。另一条讨论慢请求会消耗并发，批评 Web 层扩展常按每个并发请求一个核心的方式，将延迟视为并发容量的消耗者，而不仅是确定性行为的敌人。
本文认为，由于架构复杂性、侧信道以及大量攻击，TEE 对于高价值秘密而言风险很高。即使是安全飞地，也可能因飞地代码中的漏洞而被攻破，例如 Signal 的联系人发现漏洞。远程证明伪造攻击反复针对 Intel SGX/TDX 和 AMD SEV，包括 Foreshadow、SGAxe、ÆPIC Leak、BadRAM、WireTap.fail、TEE.fail、Battering RAM 和 DDRrop；其中部分利用物理访问或中间插入。将证明固定到自己的证书上有所帮助，但容易出错。可用性问题和众多学术攻击进一步削弱了信心。更原则性的 TEE 设计存在，但通常以牺牲性能或功能为代价。总体而言，应避免将高价值秘密存储在 TEE 中，尤其是在可能遭受物理攻击的情况下。
Hacker News 的讨论围绕一篇关于可信执行环境的博文展开。一位评论者认为 SGX 大多用于 DRM 和弱用例，而另一位则将其辩护为带有修补/重新封装功能的实用安全工具，指出最初的 SGX 考虑了硬件攻击，但后来的设计因开发者和内存限制而减弱；AMD SEV 更糟。第三位评论者澄清了文章的观点：TEE 可以增加纵深防御，但不应成为唯一的安全基础，尤其是伪造的证明会破坏该模型时。还有一位将 TEE 类比为信用卡芯片，认为不完美但广泛有用系统可以成功，而反论是针对这类芯片的物理攻击不具备可扩展性。总体上，参与者就 TEE 是存在缺陷还是具有实际价值存在分歧。
Anthropic 的内部数据显示，AI 正在重塑工作：初级技术岗位招聘和人员占比大幅下降，而员工人均生产力上升，尤其是在采用代理式编程工具之后。工程师现在产出大量代码，非技术员工处理更多合同、销售和行政工作。AI 代理的工作时长已远超员工，使人类注意力成为瓶颈；员工把大量时间用于监督、监控和管理代理管道。岗位正从执行转向判断、协调和战略工作，招聘经理越来越重视自主性和有效使用 AI，而非狭窄的领域专业知识。组织变化包括文员岗位减少、跨部门流动性增强，以及团队轮换参与提示词/评估工作。Anthropic 的应对措施包括建立预警系统、优先内部转岗，以及广泛的员工持股。不过，报告警告称 AI 可能取代工人，尤其是初级岗位，现有保护机制也无法解决入门级招聘放缓的问题。
该讨论串围绕 Anthropic 关于 AI agent 在内部普及后就业模式变化的报告展开。Anthropic 提到人均产出上升，例如更多的提交、查询、合同和招聘。评论者意见不一：一些人认为这是真正的生产力提升，并出现以好奇心和 agent 编排为核心的新招聘标准；另一些人认为这些指标可能只是在统计忙乱工作，可能降低代码质量，并可能切断培养未来资深人员所需的初级人才管道。批评者还质疑 Anthropic 是否可靠，认为帖子部分带有宣传性质，并提出对过度依赖 AI、人类理解能力下降以及可持续性的更广泛担忧。支持者指出 AI 可以帮助个人承担更大的项目，公司也可以通过培训适应。总体而言，讨论反映出人们对 AI 驱动的生产力提升是否持久、具有经济意义以及社会可持续性仍存在不确定性。