## 从曲线到三角形：3D图形的工作原理 GPU 的运作基于一个简单原则：绘制三角形。 无论多么复杂的 3D 模型，最终都会被分解成这些基本形状。 这个过程称为细分，它将由数学函数定义的平滑表面转换为由互连三角形组成的网格。 三角形网格由两个数组组成——顶点（空间中的点）和索引（定义哪些顶点构成每个三角形）。 虽然 CAD 软件使用精确的方程来描述诸如圆柱体和球体之类的形状，但这些形状需要被*采样*——在表面上铺设网格，计算点，然后连接这些点以创建三角形。 更多的采样点意味着更平滑的结果，但也增加了处理需求。 不同的形状需要不同的方法。 平面只需要连接顶点。 圆柱体和球体使用基于网格的采样，而处理表面上的孔洞则需要巧妙的技术，例如“桥接”和“耳切除”算法来创建有效的三角剖分。 最终，细分器将这些复杂形式转换为 GPU 可以理解的三角形数据。 你看到的最终图像是一种幻觉——由密集的微小平面三角形令人信服地模仿曲线和表面。
每日HackerNews RSS
这个Hacker News讨论围绕一篇博客文章（campedersen.com），探讨屏幕上如何渲染曲面。最初的文章提出所有平滑表面最终都是由微小的三角形构建的，引发了争论。
许多评论者指出这并不完全正确。现代GPU使用超越三角形栅格化的方法，包括光线追踪和符号距离场，来直接渲染曲线。高斯飞溅等技术也绕过了传统细分曲面。对话深入探讨了三角化复杂曲面形状的历史挑战，特别是那些具有尖锐特征的形状，以及为解决这些问题而开发的算法。
讨论中的一个分支涉及人工智能对问题解决的影响，一位用户表达了对依赖人工智能可能会阻碍新算法开发的担忧。另一位用户讨论了当前AI智能体在分层问题解决和元推理方面的局限性。最后，评论者称赞了博客的美学和清晰度，同时也指出在Android Firefox上存在兼容性问题。
## Grid.Space：免费且易用的数字制造工具 Grid.Space 提供一套强大的**完全免费**数字制造工具——包括 3D 打印、CNC 加工、激光切割和 3D 建模，可通过网页浏览器直接访问。**无需软件安装、账户或费用**，所有工作均保存在本地，确保**学生隐私**。 Grid.Space 专为不同的学习环境设计，可在任何具有现代浏览器的设备上运行（Chromebook、Windows、Mac、Linux），并提供**行业标准的工作流程**，以培养实际技能。它非常适合 K-12 教室、创客空间、大学实验室、图书馆和家庭教育。 学生可以按照自己的节奏学习，初始加载后甚至可以离线使用。Grid.Space 强调**设计思维和解决问题**以及技术技能。作为**开源**项目，它可以自定义并支持 STEM 课程的整合。 只需访问 [grid.space](http://grid.space) 即可开始创作——无需设置或批准！
## Grid：一款免费、本地优先的3D打印/CNC/激光切片软件
一款名为Grid (grid.space) 的全新、完全开源工具正在受到关注，它为3D打印、CNC铣削、激光切割和线切割提供了一种完全免费、本地优先、基于浏览器的解决方案。与许多竞争对手不同，Grid不需要账户、订阅或云连接——它完全在您的机器上运行，即使在初始加载后离线也是如此。
讨论强调了3D打印领域软件日益严格的问题，特别是提到了Bambu Labs最近的数据收集行为。用户称赞Grid是一个令人耳目一新的替代方案，同时也注意到类似本地优先选项的缺乏。
该工具使用Javascript、WASM和WebGPU构建，一些用户对其性能印象深刻。对话还涉及更广泛的跨平台软件标准问题，以及旨在防止打印枪支的立法可能对3D打印机功能造成的未来限制。
电子前沿基金会与明尼阿波利斯人民以及所有受美国移民及海关执法局（ICE）和海关边境保护局（CBP）持续暴力活动影响的社区站在一起。EFF将于1月30日（星期五）关闭，以响应反对ICE和CBP及其它联邦机构继续对移民社区及其支持者施加的残酷和恐怖行为的全国范围内的停工行动。我们做出此决定并非轻易之举，但我们不会保持沉默。
## LAX 停留：不眠之夜
24小时的航班延误迫使作者在洛杉矶国际机场的汤姆·布拉德利国际航站楼（B航站楼）度过一夜，所有托运行李都无法取用。寻找睡眠证明极具挑战性。最初在安静的高层走廊尝试，受到工作人员频繁活动和坚硬地板的阻碍——迫切需要备用衣物来做缓冲。
一个有地毯的“五金店”房间看起来很有希望，却被极度嘈杂的通风和刺眼的灯光毁了。长走廊的座位提供了一些舒适感，但不断地受到维护和乘客交通的干扰。最终，最好的选择是在150号门附近组装长椅，搭建一个临时的床铺，换来几个零碎的睡眠时间。
在整个过程中，获得新鲜健康的食物——特别是蔬菜——对于保持理智至关重要。一位友善的当地人提供了一个淋浴，与耶和华见证人的偶然相遇似乎带来了好运，最终在重新安排的航班上获得了头等舱升级，享受了11个小时的幸福睡眠。这次经历凸显了准备的重要性（用于缓冲的衣物！），以及机场休息的意想不到的挑战。
## LAX 睡眠困境与机场体验
一则 Hacker News 讨论始于对因航班延误而在 LAX 机场过夜的疑问。用户分享了他们的经历和建议，强调了机场休息的普遍不适。许多人建议离开机场去汽车旅馆，尤其是在美国，国际旅客不被限制在航站楼内。
几位评论者指出像 [sleepinginairports.net](https://www.sleepinginairports.net/) 这样的资源，可以获取有关机场睡眠地点的消息。故事从找到安静的冥想室到在坚硬的长椅上度过不舒服的夜晚，甚至与哈里奎师纳相遇等不一。
对话扩展到讨论机场设计——或者说缺乏设计——以保障乘客舒适度。想法包括胶囊旅馆、更好的休息室使用权，以及要求航空公司对重大延误进行赔偿的规定。用户指出，一些机场，如韩国（ICN）和波特兰，*确实*在设计时考虑了乘客的舒适度，而另一些机场，如 LAX，则以令人不快而闻名。一个反复出现的主题是需要改善基础设施，并采取更以人为本的机场设计方法。
## agent-shell: LLM 代理的 Emacs Shell
agent-shell 是一个原生的 Emacs shell，用于与基于 Agent Client Protocol (ACP) 协议的 LLM 代理进行交互。它支持流行的代理，如 Gemini CLI、Claude Code、Auggie、Mistral Vibe 等。安装通过 MELPA 非常简单，依赖项会自动管理。
该项目强调定制化，允许用户为每个代理配置身份验证（API 密钥、登录）和环境变量。它还提供高级功能，如容器化代理执行（Docker/Devcontainers）和可定制的 UI 元素。
**主要特性：**
* **ACP 支持：** 与任何实现 Agent Client Protocol 的代理协同工作。
* **易于安装：** 可以在 MELPA 上获取，并自动管理依赖项。
* **定制化：** 为每个代理配置身份验证和环境变量。
* **高级特性：** 容器支持、日志记录和 UI 定制。
**贡献：** 欢迎提交错误报告和功能请求，特别是带有 ACP 流量数据的诊断信息。该项目偏爱 alist、`seq.el` 和 `map.el` 以保持代码一致性，并鼓励为新功能编写测试。
**支持该项目：** 考虑通过 GitHub Sponsors 赞助开发，以确保其可持续性。
## Emacs & Neovim 中与 LLM 代理的交互 - 摘要
这次黑客新闻讨论的核心是关于在文本编辑器（特别是 Emacs 和 Neovim）中与大型语言模型 (LLM) 交互的工具。
**agent-shell** (github.com/xenodium) 是一个用于与由 ACP 驱动的 LLM 代理交互的新 Emacs 缓冲区。用户将其与 **claude-code-ide.el** 进行比较，指出 agent-shell 具有更简单的 Comint 集成，但缺少更深入的 Claude 特定功能。
一位用户推荐在 Emacs 的 Org-mode 中使用 **gptel**，将所有 LLM 对话存储为纯文本以保护隐私、进行分析和加密。他们强调了其灵活性以及跨 LLM 后端（甚至本地模型）的可移植性。
另一位用户分享了他们使用 **OpenCode.nvim** 的经验，发现它对于利用 LLM 理解和调试复杂的 Neovim 配置非常有用，特别是与 **glm-4.7** 配合使用。他们对 ACP 协议感兴趣，但希望在代理系统中拥有更直接的人工交互，而不仅仅是通过 IDE 中介。
对话涉及 ACP 的架构复杂性以及更广泛的“组合缓冲区”模式的潜力——一种用于代理交互的编辑器式输入叠加层，这可能对 Emacs 和 Neovim 都有益。
## 使用 pngquant 和 jpegoptim 进行命令行图像压缩
为了高效、自动化的图像压缩，**pngquant** 和 **jpegoptim** 是优秀的免费、跨平台命令行工具。它们非常适合项目范围内的优化、CI/CD 管道，以及在没有手动 GUI 交互的情况下获得可重复的结果。
**安装** 使用 Homebrew (macOS) 或 apt/dnf/pacman (Linux) 等包管理器即可轻松完成。
**PNG 压缩：** 使用 `pngquant --quality=65-85 --force --ext .png image.png` 压缩单个文件，或使用 `find ... -exec pngquant ... {} \;` 递归压缩。`--skip-if-larger` 标志可以防止重新压缩。
**JPG 压缩：** `jpegoptim --strip-all --max=85 image.jpg` 压缩单个文件。使用 `find ... -exec jpegoptim ... {} \;` 递归压缩。`--strip-all` 移除元数据，`--max=85` 在压缩和质量之间取得平衡。
**速度与效率：** 使用 `xargs -P [核心数]` 进行并行处理，以获得更快的速度，尤其是在服务器上。可选地，可以按文件大小过滤文件（例如 `-size +50k`），以避免压缩已经很小的图像。这些命令在自动化环境中是安全的。
## 编码代理与框架知识：一项令人惊讶的发现 旨在为编码代理提供 Next.js 16 知识的实验揭示了一个反直觉的结果：一个简单、压缩的 8KB 文档索引，嵌入在 `AGENTS.md` 文件中，始终优于“技能”——一种更复杂、标准化的知识打包方法。即使技能带有明确的指令，通过率也仅为 79%，而 `AGENTS.md` 索引达到了 100%。 技能依赖于代理*选择*使用它们，而这个过程被证明不可靠（仅在 56% 的情况下被触发）。`AGENTS.md` 方法提供对文档的持续、被动访问，消除了决策点，并确保了持续可用性。 关键在于将代理转向“检索引导推理”——优先考虑文档，而不是可能过时的预训练数据。这可以通过在索引中包含类似“优先检索引导推理”的指令来实现。一个命令行工具 (`npx @next/codemod@canary agents-md`) 可以自动执行此过程，用于 Next.js 项目。 虽然技能对于特定的、用户触发的操作仍然有价值，但这项研究表明，对于广泛的框架知识，通过 `AGENTS.md` 提供的被动上下文是确保编码代理生成准确、最新代码的最有效方法。
## AGENTS.md 在 Vercel Agent 评估中表现优于技能
最近的 Vercel 评估发现，通过压缩的、基于 markdown 的“AGENTS.md”文件提供代理指令，在代码相关任务中始终优于使用定义的“技能”。核心发现是：代理仅在 79% 的相关情况下调用技能，而 AGENTS.md 方法实现了 100% 的成功率。
讨论强调，当前语言模型并非真正“理解”技能，而是生成文本来*触发*它们的使用，这基于训练数据——而当前的数据有限。许多评论员认为问题在于模型需要更多训练来有效地利用技能。
几位参与者指出，直接在系统提示中包含全面的文档索引（如 AGENTS.md）比依赖技能更有效。一个关键的收获是清晰、明确的上下文对 LLM 的重要性，以及较小、更快的模型能够有效地为大型模型策划相关信息的能力。这场辩论也涉及 LLM 的可靠性以及部署基于代理的系统时对可靠测试和可观察性的需求。
接下来是蜂鸟 | 隐藏线条 1月30日星期五 · Mitropa · 19.00 蜂鸟用音乐开启新年！一月最后一天星期五，我们将在Mitropa舞台上呈现Hidden Lines的现场演出。Hidden Lines是一个从神秘中浮现的黑暗电子项目——音乐构建了一种引人入胜的紧张感，就像你期望来自斯德哥尔摩的独特二人组的作品一样。我们在烟雾和薄雾中相见。⚡️ DJ从21.00开始。免费入场！详情
## 蜂鸟：瑞典的DIY音乐俱乐部
玛丽亚和乔纳坦在瑞典诺尔科平经营着蜂鸟，这是一个每月一次的音乐之夜，通常有50-70人参加。蜂鸟最初只是因为一次买啤酒的想法而产生的，从以DJ为主的活动发展到包括现场乐队，营造了一种友好的氛围，让人们即使独自一人也感到舒适。
他们成功的关键在于注重面对面的交流——迎接新来者并建立“主人层”，以及策划特定的音乐风格（后朋克、黑暗浪潮、合成器）。他们还发现线下营销，比如拜访当地商家，比社交媒体更有效，尽管他们也创造性地利用“耳机漫步”视频来在线可视化音乐体验。
这对夫妇建立了他们自己的售票系统和媒体流程。他们强调保持规模小的重要性，以维持强大的社交动态，并认为一贯的风格和识别常客对于建立忠实的观众至关重要。他们乐于回答关于他们经验的问题，并为那些希望创建类似本地活动的人提供见解。
苹果正在通过收购以色列人工智能初创公司 Q.ai 来加紧与 Meta 和 Google 等竞争对手的人工智能竞赛，收购金额近 20 亿美元，为苹果历史上第二大收购案。Q.ai 专注于音频和图像领域的机器学习，重点技术包括低语语音识别和降噪，将直接提升 AirPods 和 Vision Pro 头显等产品。 这并非苹果首次收购 Q.ai 首席执行官 Aviad Maizels 的技术，后者曾在 2013 年将 3D 传感公司 PrimeSense 出售给苹果。Q.ai 团队将全部加入苹果，增强其人工智能能力。 此举发生在苹果发布强劲的季度财报之前，预计收入约为 1380 亿美元，iPhone 销量将显著增长，预示着苹果对未来人工智能驱动的创新的战略投资。
## 苹果收购以色列人工智能初创公司 Q.ai
苹果公司以约20亿美元的价格收购了以色列人工智能初创公司Q.ai，该公司专注于音频处理的机器学习技术。Q.ai的技术侧重于解读低语和增强嘈杂环境中的音频——可能提升Siri的性能，并实现诸如次声语音指令识别（通过面部肌肉运动解读想法）等新功能。
这是由首席执行官Aviad Maizels领导的第二家被苹果收购的公司，此前PrimeSense于2013年被收购，为Face ID做出了贡献。Q.ai团队将加入苹果，引发了关于苹果智能、智能家居设备和Vision Pro功能改进的猜测。
讨论的中心是围绕该技术的隐私问题，潜在的应用范围（例如检测意外语音激活），以及苹果是否有效地整合了收购的技术，并与英特尔过去的挣扎进行比较。许多评论员也对苹果当前语音助手和自动更正功能表示沮丧，希望此次收购能带来显著的改进。
启用 JavaScript 和 Cookie 以继续。