**Foremerge** 是一个开源的协作协议，旨在解决 AI 编码代理（Agent）协作中存在的“盲区”问题。虽然 Git 可以跟踪文件层面的变更，但无法检测到两个代理在不同文件中所做的逻辑冲突修改。
**工作原理：**
Foremerge 充当 Git 仓库内部的一个共享“白板”。在进行更改之前，代理会发布其**意图**和**语义范围**（例如：“我将修改 `PaymentService` 符号”）。
* **冲突检测：** Foremerge 使用本地 SQLite 数据库来比对这些声明。如果两个代理计划触及相同的逻辑或不兼容的抽象，Foremerge 会在编写任何代码之前标记出冲突，提供可解释的原因，并建议协调路径。
* **非阻塞式安全：** 它不使用文件锁或强制阻断机制，确保某个代理崩溃时不会导致整个团队的工作停滞。
* **验证：** 它强制执行“验证门控”工作流，要求代理必须针对其更改运行测试，确保只有通过既定检查的工作才能被集成。
Foremerge 是一个 MVP（最小可行性产品），通过 CLI 和 MCP 与 Claude Code、Cursor 和 Codex 集成，为多代理工作流提供了缺失的语义感知层。
每日HackerNews RSS
Grok 4.7 Grok 4.7
2 天前
Grok 4.7 是在编程和专业知识领域取得的最新进展，它在保持前代产品 Grok 4.6 价格和速度优势的同时，实现了显著的性能提升。该模型基于更大的基础模型构建，并采用了增强的强化学习技术，从而提升了其验证工作、管理长上下文任务以及处理数小时时长项目的能力。 主要亮点包括： * **卓越的基准测试表现：** 该模型在编程和专业领域表现出色，尤其是在 *CursorBench 4.0* 测试中，提供了业界领先的性价比。 * **专业实用性：** 该模型在法律分析、临床推理和复杂文档创建等专业领域均表现出持续的改进。 * **先进的安全性：** Grok 4.7 采用了重新设计的安全防护体系，在防越狱能力和生物安全方面树立了新标准。它在确保合法网络安全研究的高实用性的同时，能有效拦截恶意提示。 Grok 4.7 现已通过 Grok API、Cursor 和 Grok Build 提供，价格为每百万输入 Token 2 美元，每百万输出 Token 6 美元。此外，还提供高速版本。用户即日起可前往 x.ai/build 开始测试该模型。
xAI 发布 Grok 4.7 在 Hacker News 上引发了热烈讨论，焦点主要集中在其技术性能与成本之间的权衡。
**社区核心观点：**
* **性能与效率：** 尽管 Grok 4.7 的参数量增加了 40%，但用户反馈和基准测试显示，与竞争对手相比，该模型缺乏效率。Artificial Analysis 的数据显示，为了获得微小的性能提升，它消耗的 Token 远多于前代版本及同类竞品。
* **编程与实用性：** 对其编程能力的评价褒贬不一。一些开发者认为它在前端开发或作为代码审查的“辅助”模型时表现有效，而另一些用户则指出它容易出现“偷懒”、输出冗长“废话”或无法处理复杂逻辑的问题。
* **市场定位：** 许多用户对 Grok 持怀疑态度，原因包括其品牌形象、政治争议以及该项目“迷因化”的口碑。虽然它的价格处于中端水平，但许多高级用户更青睐 Fable、Astra 或 GPT-5.6 (Sol)，认为它们在可靠性和推理能力上表现更佳。
* **基础设施：** 讨论中很大一部分内容反映了人们对当前“前沿”人工智能现状的普遍不满，即模型正变得越来越“强化学习过头（RL-fried）”、语言冗长且难以驾驭，这导致许多人开始转而寻求轻量级、专业化的模型。
一台修复后的 PDP-11/83 正在运行 211BSD Unix 为本页面提供服务。 A restored PDP-11/83 serving this page on 211BSD Unix
2 天前
数字基因 • 1980年代工程 一台修复后的 PDP-11/83，配备 Mentec M11 处理器、双机箱，以及 DEC 和 Emulex 控制器的组合。经典的磁盘、磁带、串口终端和 2.11BSD 系统，使该收藏品保持着与其根源的连接。 Q-bus 系统 Mentec M11 处理器 板载内存 RQDX3 • UC07 • KDA50
当作者那台使用了 15 年的惠而浦（Whirlpool）洗衣机停止转动时，他们通过自行排查故障，省去了昂贵的专业维修费用。借助在线维修论坛和指南，作者拆解了洗衣机并找到了问题所在：变速箱内的一根肩部棘爪销断裂。
在使用“断头螺丝取出器”和压力机成功取出断裂的销钉后，作者花费约 23 美元购买了一套“中性排水组件”（Neutral Drain Pack）来更换受损部件。尽管变速箱结构复杂，需要依靠精密的齿轮和凸轮运作，作者还是成功完成了组装，并使洗衣机恢复了正常工作。
该项目节省了数百美元的维修费用，也避免了购买昂贵新家电的需求。除了经济上的收益，作者还强调了此次经历带来的教育价值，以及掌握机器机械原理后获得的个人成就感。总结部分为其他 DIY 爱好者提供了建议，指出有时积垢（淤泥）等简单问题可能会表现得像机械故障，并建议在进行复杂排障时参考官方维修手册。
Cloudflare 已正式将 Python Workers 升级为全面可用（GA）状态，将 Python 确立为其开发者平台的一等语言。通过利用 WebAssembly 和 Pyodide 运行时，Cloudflare 使开发者能够以与 TypeScript 相同的性能和扩展性运行 Python 应用程序。 主要亮点包括： * **原生绑定**：开发者现在可以使用直观的 Python 语法与 Cloudflare 服务（R2、D1、Workers AI、Queues）进行交互，无需手动进行 JavaScript 类型转换。 * **框架支持**：通过内置的 ASGI 和 WSGI 连接器，全面支持 FastAPI、Django 和 Flask 等主流 Web 框架，使其无需 Uvicorn 或 Gunicorn 等传统 Web 服务器即可运行。 * **数据库连接**：新增的底层套接字支持，可通过 Hyperdrive 集成 PostgreSQL 和 MySQL 等关系型数据库。 * **生态扩展**：通过“PyEmscripten”的标准化，Cloudflare 正在提升更多 Python 软件包与 WebAssembly 的兼容性。 * **AI 就绪**：LangChain 和 OpenAI 等库现已支持原生运行，能够直接在边缘节点构建高级 AI 智能体和 RAG 管道。 Cloudflare 现已在全平台提供详尽的 Python 文档和代码示例，助力开发者构建生产就绪型应用程序。
请启用 JavaScript 和 Cookie 以继续。
Jacob Coxon 最近从 Anthropic 辞职，甚至为此放弃了尚未归属的股权，这在国际上引发了轩然大波。他发出的警告——即行业内的“竞速”压力迫使工程师在应对人工智能带来的生存风险时不得不走捷径——得到了他前同事们的证实，他们承认目前缺乏确保超级人工智能与人类安全保持一致的计划。 作者将 Coxon 与 Facebook 吹哨人 Frances Haugen 相提并论，认为两人都代表了一种必要的反抗，旨在抵制那些明知将增长置于公共安全之上却依然一意孤行的公司。然而，作者指出问题不仅仅存在于个别企业，更在于一种普遍存在的“微笑式疲惫”文化。科技从业者在优厚报酬和“不惜一切代价交付产品”的心态驱动下，经常通过声称“即使我不做，也会有更糟的人来做”来为不道德的工作辩解。 归根结底，这篇文章向整个行业提出了挑战：安逸和报酬已成为道德责任的替代品。当内部人士承认他们的产品可能引发灾难，却仍将薪水置于安全之上时，他们就失去了作为人类贡献者的资格。作者总结道，真正的正直，体现在拒绝从事不道德工作的这一简单却令人不安的行为之中。
“俄罗斯方块效应”表明，我们持续关注的事物会塑造我们的思维模式。这在学习中很有用，但当我们把注意力拱手让给现代推荐算法时，就变得危险了。如今，YouTube、Spotify 和 LinkedIn 等平台通过旨在最大化参与度的精选信息流来左右我们的现实——我们接触到的往往是错误信息、商业操纵或“AI 垃圾内容”，而非真正的人际交流或探索发现。
如果我们任由算法控制输入信息，本质上就是交出了认知的主导权。作者主张回归“意向性互联网”——一个由书签、RSS 订阅和特定兴趣所定义的网络，而非被动地进行算法式消费。
摆脱无限且令人上瘾的滚动刷新，需要转向一种“更慢”的互联网。这种习惯需要更多的努力和耐心，因为内容不再被即时且无休止地推送到我们面前。然而，通过重拾主动权并有意识地选择关注焦点，我们可以摆脱大型科技公司的操纵，恢复独立思考的能力。
这篇 Hacker News 讨论探讨了现代算法驱动的“推送式”互联网（由推荐引擎和基于参与度的设计所驱动）是如何取代了过去人们主动寻找特定内容的“拉取式”互联网的。
**核心观点包括：**
* **意图的丧失：** 参与者认为，现代平台绑架了人类的注意力，将专注的探索替换为被动的消费。这种转变降低了信息质量，并加剧了社会两极分化。
* **书签的消亡：** 从历史上看，书签曾是网络导航的核心。然而，强大搜索引擎的兴起、网址的不稳定性以及算法信息流的便利，导致了书签的衰落。
* **重获专注的策略：** 许多用户提倡通过禁用推荐、使用 RSS、自建内容平台或使用拦截工具来“修剪”算法。另一些人则认为，解决方案需要思维方式的转变：从被动刷屏转向有意识、以任务为导向的使用方式。
* **人工智能的作用：** 批评人士指出，虽然人工智能驱动的工具可以帮助过滤“信息之河”，但它们也正被用于生成“垃圾信息”并进一步操纵用户注意力。
最终，用户认为重塑互联网需要付出审慎的努力，以脱离以参与度为驱动的循环，回归由人类策划的、有意识的浏览习惯。
在这篇文章中，科利·多克托罗（Cory Doctorow）指出，人类拥有一种与生俱来的反射性倾向，会将意图投射到看似有思想的事物上。虽然这种特质有助于我们处理人际关系，但却导致了对人工智能的根本性误解。
多克托罗认为，尽管我们进化出了为艺术或文学赋予主体性的能力，但人工智能模型仅仅是执行数学运算的统计系统。与做出自觉选择的人类艺术家不同，人工智能是在没有任何意图的情况下“挤出”内容。与人工智能互动类似于与虚构人物打交道；当我们为机器赋予“人格”时，产生幻觉的是我们自己，而非人工智能。
随着经验的积累，这些系统的新鲜感会逐渐消退，显露出其平庸及缺乏真正创造性纹理的本质。多克托罗总结道，我们必须停止对人工智能进行“拟人化幻觉”。通过将这些工具视为复杂的统计预测器而非感知生物，我们才能更好地利用其效用，而不至于陷入将其赋予道德地位的陷阱。如果这种错误像“法人资格”那样制度化，将可能导致机器被置于人类和生态福祉之上。
这篇 Hacker News 讨论围绕文章《Claude 的错觉》（The Claude Delusion）展开，该文章认为人工智能系统缺乏意向性，不应将其拟人化为人类思维。
**主要主题包括：**
* **逻辑与准确性：** 评论者一致认为，虽然大型语言模型（LLM）擅长逻辑处理（如编程），但在事实准确性和深度见解方面表现欠佳，往往会得出“差不多”的假设，经不起专业审查。
* **拟人化问题：** 许多参与者警告不要产生人格化的“幻觉”，并指出用户常将统计预测误认为是主观意图。一些人认为，科技行业用“智能”来误导性地包装 AI，是出于取代人类劳动力的动机。
* **专家看法：** 一个反复出现的观点是“盖尔曼健忘症”效应：随着用户专业知识的增长，AI 的回答就越发显得平庸。专家能注意到非专业人士可能忽略的 AI 输出的浅薄和重复的“企业式”语气。
* **工具与思维：** 许多人将大型语言模型视为“思维加速器”或“大脑的机械外骨骼”，而非有知觉的行动者。争论的双方依然泾渭分明：一方认为 LLM 纯粹是数学过程，另一方则认为未来更复杂的架构或许最终能展现出真正的意识。
macOS 27：避免下载 AI 模型并节省存储空间的临时方案 macOS 27: Workaround to avoid downloading AI models and save storage
2 天前
这篇 Hacker News 帖子记录了一场关于苹果在 macOS 和 iOS 中集成人工智能的激烈辩论。用户对缺乏选择权表示强烈不满，特别是无法彻底退出或卸载苹果的 AI 模型，这些模型会占用高达 29GB 的存储空间。
尽管一些支持者认为新版 Siri 在管理本地数据、提醒事项和复杂工作流方面非常有用，且执行任务的速度往往快于传统方法，但批评者认为这种强制集成是一个“隐私和臃肿软件”问题。许多用户指出，苹果将“AI 功能”置于用户控制权之上，一些人报告称这些变化引入了漏洞，并阻碍了既定的工作流程。
争议的一个核心点在于“设备端（on-device）”与“本地（local）”人工智能之间的区别。批评者指出，由于用户无法检查、移除或更换苹果提供的模型，因此“设备端”这一说法显得不够诚实。这场对话凸显了用户对苹果“围墙花园”模式日益增长的反感，一些用户甚至建议转向 Linux 或其他生态系统，以避开这种强制性且资源密集型的 AI 部署。