## 邮箱地址变更及对人工智能训练的担忧 请将我的主要邮箱地址更新为已移除，替换我之前的@gmail.com地址。我会尽量查看旧账户，但无法保证。 此次变更源于我对谷歌将人工智能整合到Gmail中的日益不安。虽然我早期就采用了大型语言模型，但我开始担心谷歌使用我的邮件内容来训练模型——特别是机密信息泄露和真实沟通被侵蚀的风险。 我珍视阅读朋友们精心撰写的邮件，这是快速短信或现在无法禁用的AI摘要所无法比拟的。最近，Gmail开始提示我“分享”邮件给谷歌，明确表示这些邮件*可能*会被人工审核用于模型训练。 我正在转向微软的邮件托管服务，希望获得更多隐私，ProtonMail 也是一个潜在的未来选择。我感谢多年来使用Gmail的时光，但我不愿意贡献我的个人写作风格和数据来进一步发展人工智能。
每日HackerNews RSS
## 再见Gmail：数据训练的转变
最近一篇Hacker News上的讨论，由一位用户（“tklenke”）放弃Gmail引发，凸显了人们对谷歌利用电子邮件内容训练其人工智能模型的担忧。这位作者是一位长期Gmail用户，对强制的人工智能摘要以及要求共享数据以供人工审查的提示感到不安——本质上，允许谷歌利用个人和机密信息进行LLM训练。
虽然作者承认谷歌过去曾将电子邮件用于定向广告，但他们认为训练人工智能模型是更进一步。他们已迁移至微软作为临时解决方案，ProtonMail则作为潜在的长期替代方案。
对话强调了拥有自己的域名以实现电子邮件独立的重要性，Fastmail、Migadu和Purelymail等服务经常被推荐。许多评论者分享了成功的迁移故事，强调了迁移过程出乎意料的简单以及控制权的益处。 也有一些用户指出禁用“智能功能”并使用独立电子邮件客户端以获得更好的隐私和组织管理的重要性。
最终，这场讨论反映了人们对个人数据控制权的渴望，以及对大型科技公司数据实践的“学会接受”心态的拒绝。
## Rust 闭包：深入解析 本总结深入探讨 Rust 闭包，超越对其语法的基本理解（类似于函数，但具有类型推断——例如 `|x| x * 2`）。 关键区别在于闭包能够*捕获*其周围环境中的变量。 变量可以通过共享引用（只读）、可变引用（允许修改）或值（获取所有权）来捕获。 使用 `move` 强制按值捕获。 闭包捕获方式会影响其生命周期以及它所实现的 trait：`FnOnce`（只能调用一次，移动捕获的值）、`FnMut`（可以多次调用，可变访问）和 `Fn`（可以多次调用，不可变访问）。 理解这些捕获机制至关重要，尤其是在处理线程（其中通常需要 `move` 以避免借用检查器错误）或创建返回闭包的函数时。 文章深入研究了闭包的去糖过程，揭示了它们如何使用结构体和 trait 对象实现，展示了 `FnOnce`、`FnMut` 和 `Fn` 的底层机制。 更多深入探索的资源包括 Rust Book、Rust Reference 以及 Baby Steps 博客和 Rust Unstable Book 上的文章。 计划发布一篇关于异步闭包的后续文章。
## Rust 闭包：总结
这次 Hacker News 的讨论集中在 Rust 闭包的复杂性上。虽然功能强大，但闭包可能难以掌握，尤其是在它们的泛型特性和生命周期管理方面。
一个关键点是无法直接创建泛型闭包（例如，`fn foo(f: impl for<T: ToString> Fn(T))`）。解决方法包括定义 trait 和结构体，牺牲了内联可读性。`FnOnce`、`FnMut` 和 `Fn` trait，分别规定了捕获行为（按值、可变引用或共享引用），也增加了复杂性。记住它们的优先级（FnOnce > FnMut > Fn）可能很棘手。
进一步的复杂性来自于 `libffi` 包装器，可能导致不安全的代码，因为与 C 代码交互时会发生生命周期泄漏。异步闭包以及对 `dyn AsyncFnMut` 的需求也带来了障碍。
最终，讨论强调了 Rust 的闭包系统虽然健壮，但由于其对内存安全（*没有*垃圾回收）的承诺而变得复杂，探索了传统函数式语言很少涉足的领域。理解借用检查器对于掌握闭包至关重要，但即使如此，它们仍然代表了编译器工程的重大成就。
## VibeFigma：Figma 到 React 组件转换器 VibeFigma 自动将 Figma 设计转换为可用于生产的 React 组件，并使用 Tailwind CSS。它直接集成 Figma API，准确提取设计数据并生成干净、易于维护的代码 – 无需安装！ 只需在设置 Figma API token 为环境变量后，运行 `npx vibefigma [figma-url] --token YOUR_FIGMA_TOKEN`。你可以使用诸如指定组件和资源目录、禁用 Tailwind，或启用 AI 驱动的代码优化和清理（需要 Google AI API key）等选项来定制输出。 **主要特性：** * **Figma API 集成：** 准确的设计提取。 * **React/TypeScript 生成：** 将 Figma 画布转换为组件。 * **Tailwind CSS：** 自动生成类 (默认)。 * **定制化：** 控制输出路径，禁用 Tailwind，并优化代码。 * **REST API：** 包含用于转换的 REST API。 详细的使用说明和选项可通过 `npx vibefigma --help` 获取。欢迎贡献！
VibeFlow（YC S25，一家后端和工作流工具公司）发布了一款开源工具，可以将Figma设计转换为React + Tailwind代码。该工具旨在通过自动化视觉设计到功能性前端组件的转换过程来加速原型设计。用户可以在本地或通过VibeFlow UI ([https://app.vibeflow.ai/](https://app.vibeflow.ai/)) 试用。
Hacker News上的讨论强调了Penpot等现有替代方案，但指出VibeFlow可以作为Figma付费“Dev Mode”（也提供组件/样式提取）的替代方案。该项目最初是作为内部实验构建的，其创建者愿意根据社区反馈，将其从当前专有许可协议（FSL-1.1-MIT）重新许可为更宽松的开源许可协议，例如AGPLv3。一些评论员对这类工具的可行性表示怀疑，引用了过去的失败案例以及小型项目手动实现简单的事实。
经过八小时的调试，一位机器人工程师发现人行道机器人冻结的原因：由于代码与`rerun`可视化SDK之间意外的交互导致了死锁。机器人核心控制循环以100Hz的频率运行，但在通过WebRTC连接LiDAR流后16秒停止。
最初修复问题的尝试——调整线程模型和互斥锁——失败了。一个心跳线程显示循环并没有变慢，而是*被阻塞*，从而发现了`rerun`内部生成的错误Rayon工作线程。问题源于在持有互斥锁时调用`rerun.log()`，从而触发了Rayon工作窃取死锁。
解决方案很简单：减少互斥锁的持有时间。这位工程师学到了宝贵的经验：GDB对于死锁至关重要，日志不足以进行线程状态分析，并且依赖项可能会引入隐藏的线程复杂性。他们还提倡使用心跳线程来检测停滞的循环，并向`rerun`提交了一个PR来记录这个问题。
启用 JavaScript 和 Cookie 以继续。
## 微服务：优势与复杂性（摘要）
这次Hacker News讨论的中心是微服务架构的优缺点。虽然最初很有前景，但许多评论者对它们的广泛采用表示怀疑。一个核心问题是**缺乏跨服务的事务一致性**，导致潜在的数据不一致和复杂的调试。
几个要点浮出水面：微服务在最小化变更成本*和*实现独立部署时表现出色——对于大型团队来说尤其有价值。然而，它们很容易演变成**“分布式单体”**，因为不可避免地会出现跨领域的关注点和依赖关系。
**AI/LLM** 的兴起也备受争议，一些人认为它们将*强化*对微服务的需求以管理复杂性，而另一些人则认为AI加速开发的潜力可能有利于单体架构。最终，讨论强调微服务是一种**组织上的便利**，而不是纯粹的技术解决方案，最适合特定的、通常是更大规模的问题。许多人认为，一个管理良好的单体通常优于一个实施糟糕的微服务架构。
## XY：一种连接性语言概要 XY 是一种连接性编程语言，源自 K 和 Joy，围绕两个核心数据结构构建：**栈 (X)**，用于存储计算数据，和 **队列 (Y)**，包含剩余指令。计算通过迭代地从队列中取出一个元素，并将其应用于栈和队列，生成两者的新版本来进行。 XY 使用 K 的数据类型和 20 个动词，提供双元和单元形式，以及 K 的副词和系统函数。它借鉴了 Joy 的一元运算符，但将其调整为同时操作栈和队列。 至关重要的是，XY 是“无栈的”——每次步骤都会传递当前延续。这使得像非终止递归这样的特性能够简单地通过将函数推回队列来定义。 关键的原始指令操作队列：`->`（跳转到），`=>`（追加到队列），`/`（前置到队列），以及 `` ` ``（列表/函数原子转换）。**模式**，定义在花括号 `{}` 内，允许对栈元素进行解构，并将代码注入到队列中。**洗牌符号**（例如 `abc--bca`）提供了一种简洁的模式定义语法。 XY 程序是惰性求值的列表，定义使用 `;` 符号创建。最近的修订版 (XY 0) 简化了语言，删除了模式并增强了洗牌符号。可以加载脚本以实现模块化，默认的 `xy.xy` 脚本提供核心模块。
语言可能比先前认为的更少依赖复杂的语法：研究
Language may rely less on complex grammar than previously thought: study
2 天前
启用 JavaScript 和 Cookie 以继续。
一项最新研究表明，语言可能并不像先前认为的那么依赖复杂的语法。这项在Hacker News上讨论的研究提出，我们处理语言的方式更像是组装“乐高积木”或填写“疯狂填词”——识别片段和单元，而不是严格构建分层的“树状”结构。
评论者们争论了这个想法的新颖性，一些人指出几十年前就有人探讨过类似的概念（例如，施兰克的概念依赖理论），以及现有的“多词块”和习语的理解。另一些人强调，即使是词序灵活的语言仍然具有潜在的语法结构。
一个关键点是，这项研究可能会对生成主义和建构主义语言学理论构成挑战。有些人认为这可能是一个具有突破性的见解，而另一些人则认为它只是强化了词汇和语法之间的相互作用，以及线性序列与分层结构并存的现有观点。 讨论还涉及大型语言模型（LLM）如何促使人们重新研究语言处理。
罗兰·巴特提出的“刺点”（punctum）概念——照片中意想不到地抓住注意力并唤起情感的元素——在农场安全管理局（FSA）的“废弃底片”中得到了鲜明的体现。这些照片被罗伊·斯特赖克尔拒绝并打孔准备销毁，但具有讽刺意味的是，它们却得以幸存，并形成了独特的档案。 这些孔洞本身*成为*刺点，吸引着视线，并将图像的焦点从其原始主题转移到破坏造成的空缺上。这产生了一种引人入胜的张力：孔洞突出了照片的物质性和脆弱性，但当它们与图像中的人物相交时，又会让人感到一种本能的、令人不安的感觉。 尽管这些“废弃”照片被认为不适合作为记录，但它们却 paradoxically 获得了情感力量。它们不再侧重于再现现实，而是更多地关于引发一种直接的、动人的反应，这种奇特的效果源于它们被试图销毁。
关于摄影师斯特赖克及其销毁被认为不重要的照片项目的一篇文章“被保留与被消灭”（来自publicdomainreview.org）在Hacker News上引发了讨论。
一位评论员质疑斯特赖克为何没有销毁所有他认为不值得的照片，并表示深入研究国会图书馆的档案后产生了这种想法。
另一个讨论串集中在文章中使用的“百科全书式的雄心”这个短语上，一些人觉得这个短语用词不妥，建议使用“宏伟的”或“巨大的”雄心，因为“百科全书式的”有其特定的定义。这场争论凸显了对文章写作风格的批评。
首页订阅聊天活动发现个人资料创建全部收听付费已保存历史记录按优先级排序最近获取应用 此网站需要JavaScript才能正常运行。请开启JavaScript或解除脚本阻止。
