每日HackerNews RSS

Astro 7 是一个以性能为核心的重大版本,构建速度提升了 15%–61%。此次更新将核心基础设施迁移至 Rust,包括全新的 `.astro` 编译器以及用于 Markdown 和 MDX 的高性能 Sätteri 流水线。 关键技术升级包括: * **Vite 8 与 Rolldown**:集成基于 Rust 的全新打包工具,在保持现有插件兼容性的同时,显著提升了打包速度。 * **队列渲染 (Queued Rendering)**:一种全新的、稳定且高效的渲染引擎,取代了以往的递归方法。 * **高级路由与缓存**:全新的 `src/fetch.ts` 入口点允许对请求流水线进行精细化控制。稳定的路由缓存以及针对 Netlify、Vercel 和 Cloudflare 的实验性 CDN 提供程序,实现了更快的边缘部署响应。 * **AI 辅助开发**:Astro 现为编程智能体(Coding Agents)优化了 `dev` 模式,支持后台进程管理和结构化 JSON 日志记录。 Astro 7 还增强了模板的严格性,从静默的 HTML 修正转变为更清晰的错误报告。项目可通过 `@astrojs/upgrade` CLI 进行升级。此版本标志着向适用于大规模复杂 Web 应用的原生高性能工具链迈出了重要一步。

周二,曼哈顿中城多条街区被紧急疏散,起因是建筑工人在东42街235号发现支撑梁发生屈曲。这座37层高的建筑曾是辉瑞公司的总部,目前正在进行大规模的“办公楼改住宅”工程。 在发现21楼出现结构不稳定后,该建筑开始出现内部位移迹象,纽约市警察局和消防局随即疏散了现场及周边地区,包括附近的一所学校和一家酒店。目前尚无人员伤亡报告。 官员称该建筑结构仍然不稳定,紧急救援人员和结构工程师正在外部监测其位移情况。虽然完全倒塌至街道的可能性较低,但仍存在内部局部坍塌的风险。目前在第40街至45街以及第一大道至第三大道之间仍设有“冻结区”,相关部门正致力于安装紧急桁架以稳定现场。该建筑曾在2025年7月至12月期间多次违反建筑规范。市和州政府官员正密切监控事态的每一分钟进展。

抱歉。

Lev Kokotov 推出了 **PgDog**,这是一款全新的 PostgreSQL 连接池工具,旨在消除 PgBouncer 等现有工具中常见的“抽象泄漏”问题。 传统的连接池迫使开发者修改应用程序代码,通常不得不剥离核心数据库功能以防止会话状态泄漏。PgDog 通过内置的 SQL 解析器来追踪 `SET` 命令,解决了这一问题,使开发者能够使用会话变量(包括对行级安全至关重要的变量)而不会产生冲突。此外,PgDog 保留了事务性的 `LISTEN/NOTIFY` 语义,从而支持其他连接池通常会中断的发布/订阅工作流。 PgDog 基于 Rust 的异步 **Tokio** 运行时构建,采用多线程架构,可随 CPU 核心数线性扩展。与需要将连接池“分片”到多个独立进程中的传统连接池不同,PgDog 的统一方法提高了连接利用率和效率,提供了更好的突发流量处理能力,并简化了基础设施管理。 PgDog 已在每秒 200 万次查询的生产环境中得到验证,它提供了一种高性能的开源替代方案,使开发者能够在不损害应用程序逻辑或数据库功能的前提下,扩展其 PostgreSQL 基础设施。

近期关于 **pgdog** 的 Hacker News 讨论引起了人们对其进入 Postgres 连接池领域的关注,特别是该项目采用了 AGPL 协议。主要观点如下: * **核心功能**:与早期的连接池工具不同,pgdog 支持预处理语句(prepared statements),并解决了自动查询路由和分片等复杂问题,这使其有望成为“Postgres 版的 Vitess”。 * **状态泄露问题**:连接池面临的主要技术挑战是“连接状态泄露”,即上一个客户端的设置(如字符集或事务状态)可能会保留并影响下一个客户端。虽然一些连接池通过重置查询来缓解此问题,但它仍然是生产系统中常见的故障来源。 * **运营权衡**:用户讨论了连接池带来的不便,例如在事务模式下服务器端游标(server-side cursors)失效的问题。尽管有人认为这类功能反映了糟糕的设计,但普遍共识是,连接池必须在性能与应用程序兼容性之间寻找艰难的平衡。 * **生态背景**:讨论指出,业界正呈现出一种将类似 Vitess 的大规模扩展能力引入 Postgres 的趋势,例如 Supabase 推出的 Multigres 以及 PlanetScale 等项目的持续努力,旨在优化 PostgreSQL 处理海量分布式工作负载的方式。

议会紧急投票:该草案已列入议会议程,议会将决定是否在夏季休会前启动紧急程序。如果紧急程序获批,该提案将绕过由相关委员会起草建议书的标准流程,于周四直接进行投票。此举将被视为二读,需要全体欧洲议会议员的绝对多数投票才能阻止或修订该提案——这道门槛非常高。目前此事正在进行中。

该 Hacker News 讨论帖围绕欧盟的“聊天控制”(Chat Control)提案展开了激烈辩论,该提案旨在通过对私人信息进行数字化扫描来检测儿童性虐待材料(CSAM)。 主要的争议点包括: * **隐私与加密:** 批评者认为,强制实施客户端扫描实际上破坏了端到端加密(E2EE),从而创造了一个“毫无隐私”的监控国家。许多人认为这是一种不成比例的权力扩张,威胁到了基本权利。 * **误报问题:** 技术类评论者指出,即使是高精度的算法,在应用于海量人口时也会产生大量的误报,导致调查资源被严重浪费,并存在被滥用的可能。 * **政治信任:** 参与者对政府的意图表示严重怀疑。许多人认为其目标是广泛的监控而非保护儿童,且一旦扫描基础设施建立,必然会不断扩大适用范围。 * **对欧盟更广泛的批评:** 讨论经常延伸到对欧盟更广泛的批评,涉及能源依赖、经济停滞和地缘政治立场;一些用户呼吁进行体制改革,而另一些用户则认为该联盟是抵御冲突和极端主义的必要屏障。

Freno 是一项协作式高可用服务,旨在限制对 MySQL 等后端数据库的写入,以防止出现复制延迟过高等性能衰减问题。Freno 通过 Raft 一致性协议实现高可用,其角色定位是“顾问”而非代理:应用程序通过 HTTP 请求询问“我可以写入吗?”,并根据返回的建议执行操作。 Freno 通过探测服务器或集成 HAProxy 等负载均衡器来追踪绝对指标,从而动态监控集群健康状况。它允许用户强制限制特定应用程序,以便为关键任务提供优先级保障。该服务专为大规模操作(如大数据迁移或归档)而设计,开发者可将任务拆分为若干小块,只有在 Freno 确认数据库处于健康状态时,这些小块才会继续执行。 通过提供统一且自适应的接口,Freno 有助于在密集写入操作期间维持较低的复制延迟并确保数据库稳定性。该服务轻量级且支持高并发请求,由 GitHub 工程团队以 MIT 许可证开源。

抱歉。

近期对全球前 10,000 个网站的一项分析显示,尽管许多站长都在努力更新 `robots.txt` 文件以屏蔽人工智能训练爬虫,但他们大多忽略了“实时问答型”机器人。 研究指出,目前这波屏蔽机器人的浪潮,本质上是 2023 年末 GPTBot 发布后引发的恐慌所留下的“战争遗迹”。虽然站长们会频繁更新文件以添加新的训练爬虫,却很少处理那些抓取页面以提供实时 AI 搜索答案的辅助型机器人。 这种疏忽造成了一个严重的盲点。大多数网站对这些实时获取信息的机器人没有明确的政策,这意味着他们并未决定是屏蔽、允许还是对其流量收费。随着用于将 AI 交互货币化的新型支付渠道不断涌现,报告认为站长们正错失良机。企业不应盲目维护针对训练模型的“防御”规则,而应将“是否允许实时问答接入”或“是否收费”视为一种战略选择。目前这种“默认开放”的状态往往源于忽视而非意愿,导致了大量价值的流失。

抱歉。

作为一名对速度和自主权有着强烈主见的软件爱好者,作者在过去的一年里利用 Claude Code 开发了许多此前仅存在于他构思中的定制工具。由于对僵化且基于订阅制的 SaaS 平台感到沮丧,他转而开始构建完全契合自身需求的定制软件。 他的项目包括一个非算法排序时间线的私人社交网络,以及一个名为“TaxBot2000”的精密本地优先会计系统。仅用五天时间开发的这个财务看板,成功处理了他复杂的国际收入和税务需求——这些任务是 Quicken 等现成软件从未能有效解决的。 这种转变代表了向“一人软件”的迈进,即个人在无需依赖专有二进制程序或支付月费的情况下,完全掌控自己的数据和工具。作者认为,我们正进入一个“划时代”的模型辅助编程纪元。随着界面变得愈发流畅和直观,他认为构建、拥有并迭代个人软件的能力,很快将成为不可妥协的标准。他鼓励他人开始探索这些工具,并将当下描述为创作者和建设者们一个具有变革意义的时代。

请提供您需要翻译的内容。

最近,一名学生在 Hacker News 上发布了“30papers.com”,这是一个汇总了据称由 Ilya Sutskever 推荐的机器学习论文的网站。 这一提交引发了极具争议的讨论。许多用户批评该网站“形式大于内容”的设计,指出其存在突兀的动画、糟糕的无障碍体验以及 LaTeX 数学公式渲染错误等问题。另一些人则质疑这份清单本身的真实性,认为它很可能源于未经核实的社交媒体帖子,而非官方来源。批评者认为,比起一个简单易读的链接列表,该网站并未提供多少额外价值。 然而,社区中的部分成员则为创作者进行了辩护,强调这是一个旨在帮助初学者探索研究领域的学生项目。作者本人也对反馈作出了回应,增加了动画开关功能,并承认该项目仍处于进行中。 归根结底,这个讨论帖反映了典型的 Hacker News 文化:既有严苛、有时甚至带有恶意的质量把控,也不乏有益的技术建议。尽管关于网站执行效果的争议不断,但其中所收集的论文(涵盖了 AI 领域的基础研究)被公认为对于想要进入该领域的人来说,是一份高质量的资源。

安德烈·卡帕西(Andrej Karpathy)曾有名言,称人工智能研究者正在“将自己自动化”,但像 Claude 这样的现役模型虽然才华横溢,却依然“笨拙”——容易犯下诸如提交构建目录或无视指令等非确定性错误。 为了应对这一问题,作者主张采用一种“三明治”架构:将大语言模型(LLM)不稳定的智能包裹在强大、确定性的工具和严谨、刻板的工作流之间。与其对抗模型的缺陷,目标在于观察大语言模型在何处挣扎或重复任务,然后利用可靠且确定的代码将这些特定操作“自动化”。 这正是 **Beagle SCM** 背后的哲学。Beagle 允许大语言模型使用 JavaScript 编写自己的脚本程序,从而创造出一个灵活的工具生态系统。通过赋予大语言模型利用形式逻辑和快速、可靠的工具与代码库交互的能力,该系统有效地将重复性或易错的任务从人工智能身上剥离,转交给简单且确定性的脚本。最终,Beagle 将大语言模型从一个笨拙的整体式执行者,转变为一位能够持续构建自身可靠自动化基础设施的智能架构师。

这篇 Hacker News 的讨论围绕着一个核心理念:**利用大语言模型(LLM)构建确定性工具,而不是直接用大语言模型去执行任务。** 贡献者们认为,依赖人工智能处理重复性的“非确定性”任务(如直接重构代码或进行复杂的浏览器交互)既脆弱、昂贵,又容易出错。相反,最有效的方法是将人工智能视为“工具制造者”或“胶水层”。例如,不要直接要求 LLM 修改 C# 代码,而是让它编写一个 Roslyn 编译器转换脚本,这样代码可以经过审查并可靠地执行。 讨论的共识建议开发者应该: * **优先采用确定性方案:** 如果一个流程可以通过脚本自动化,那就应该这样做。 * **将人工智能抽象化:** 一旦人工智能帮助建立了工作流程,该流程就应被固化为稳定、可复现的软件。 * **最小化非确定性:** 利用人工智能生成可验证的代码、脚本或结构化工具调用,而不是让智能体在实时环境中“摸索”。 归根结底,目标是将人工智能的角色从“通用工作者”转变为“用于创建可靠、可维护自动化系统的精密引擎”。

隐藏、变暗或标记 过滤后的列表可以完全消失(一键即可显示)、在鼠标悬停前保持变暗,或仅显示一个警告标签。 隐藏赞助广告 只需拨动一个开关,即可从搜索结果中剔除亚马逊的付费“赞助”列表。默认关闭,由你决定。 你的列表胜过一切 在结果页面中信任或屏蔽任何品牌。你的个人列表始终优先于所有其他信号。 三个过滤级别 “宽松”模式:仅拦截臭名昭著的违规者。 “标准”模式:增加可疑名称和无品牌列表。 “严格”模式:仅允许认可的品牌。 社区报告 一键报告分类错误,数据会汇入精选列表,并在一日内推送到所有安装端,无需更新软件。 隐私设计 无账号、无分析、无跟踪。唯一的网络请求是每日刷新品牌列表。报告功能为选择性参与,且完全匿名。 开放源码 采用 FSL-1.1-MIT 协议,两年后将转为 MIT 协议。无构建步骤,代码一下午即可读懂。品牌列表为纯文本文件,因此修复分类错误只需提交一行 PR。

更多

联系我们 contact @ memedata.com