本文档详细介绍了一个使用`cellmgr`部署和管理简单HTTP服务的基本流程。过程从引导宿主机开始，然后定义服务的“期望状态”清单——在本例中，一个名为`mysite-edge-httpd`的基本Web服务器。该清单指定了端口、日志记录、执行命令和健康检查等参数。 接下来，创建一个声明式的“应用计划”来填充单元格的初始内容（一个`index.html`文件）。`cellmgr apply`然后协调期望状态，执行应用计划，启动服务并验证其健康状况。 该示例通过列出正在运行的单元格并通过Web浏览器验证访问（`http://vhost.local:8080/`）来确认成功部署。最后，它演示了导出Prometheus兼容的指标以进行监控。这展示了`cellmgr`管理应用程序生命周期（从初始设置到运行时监控）的能力，重点是声明式配置和自动调和。更多文档和示例，包括更复杂的部署，可供参考。
每日HackerNews RSS
对不起。
## S3 文件：弥合对象存储与文件系统之间的差距
许多开发者在对象存储（如 S3）和传统文件系统之间移动数据时面临摩擦，基因组学研究中频繁的数据复制需求凸显了这个问题。亚马逊的 S3 团队通过 **S3 文件** 解决了这个问题，这是一个将 Amazon Elastic File System (EFS) 与 S3 集成的新功能，允许直接将 S3 数据作为网络文件系统访问。
该团队最初尝试构建一个统一的文件/对象系统，但发现其中存在固有的妥协。相反，他们拥抱了差异，创建了一种“暂存和提交”模型：更改会累积在 EFS 中，并定期与 S3 同步。这保留了两者的优势——S3 的持久性和可扩展性，以及文件系统的熟悉 API。
S3 文件提供了诸如简化现有工具的数据访问等好处，并避免了昂贵的数据复制。它能优雅地处理不一致性，并通过“读取绕过”等功能提供高性能，用于顺序读取。虽然仍然存在挑战（如昂贵的重命名），但该设计优先考虑透明性和可扩展性。
最终，S3 文件的目标是消除存储作为瓶颈，使开发者能够专注于*使用*数据，无论如何访问它——作为文件或对象——并支持加速的应用程序开发步伐，在这种步伐中，数据的寿命超过了应用程序的生命周期。
## S3 文件：摘要
AWS 最近发布了 S3 文件，一项在 S3 对象存储之上提供文件系统接口的新服务，利用 EFS（AWS 的托管 NFS 服务）作为缓存层。 这旨在弥合对象存储与期望传统文件系统语义的应用程序之间的差距。
关键点：
* **架构：** S3 文件使用 EFS 缓存活跃数据和小随机访问，从而提高性能。
* **成本考虑：** 写入成本较高（0.06 美元/GB），因为它们最初会命中 EFS 缓存。 从缓存读取的成本为 0.03 美元/GB，而大型读取（>128kB）直接从 S3 流式传输（免费）。 EFS 缓存存储费用为每月 0.30 美元/GB。
* **替代方案：** 讨论强调了现有的解决方案，如 s3fs 和 JuiceFS，一些人指出由于 EFS 集成，S3 文件可能比基本的 FUSE 实现具有潜在优势。
* **一致性：** 更改会聚合并大约每 60 秒提交到 S3。
* **原子重命名：** 该服务目前不支持原子重命名，这对于某些应用程序来说是一项关键功能。
该发布解决了长期以来对更方便文件系统的 S3 访问方法的需求，但用户应仔细考虑 EFS 缓存层带来的成本影响。
## Boneyard.js: 自动骨架加载屏
Boneyard.js 通过**自动捕获现有 UI 的布局**来简化创建逼真的骨架加载屏——无需手动测量！它使用简单的 `<Skeleton>` 组件支持 **React、Svelte 和 React Native**。
该过程涉及运行一个 CLI 工具 (`npx boneyard-js build`)，它会：
* **Web:** 打开无头浏览器以在定义的断点处截取你的应用快照。
* **React Native:** 直接在你的设备上扫描原生布局。
这会生成一个 `.bones.json` 文件，其中包含骨架定义。在你的应用入口点导入 `./bones/registry` 将激活骨架。
**主要特性：**
* **零生产开销：** 骨架仅在加载期间使用。
* **可定制：** 配置颜色、动画（脉冲、闪烁、纯色）和断点。
* **跨平台：** 相同的 `.bones.json` 适用于 Web 和原生。
* **配置：** 使用 `boneyard.config.json` 进行全局设置，并由组件属性覆盖。
对不起。
## Gemma-Tuner：在 Apple Silicon 上微调 Gemma
Gemma-Tuner 是一个用于在 Apple Silicon Mac 上微调 Google 的 Gemma 模型（3n 和 4 版本）的工具包——无需 NVIDIA GPU 或大量本地存储空间。它支持**文本、图像和音频**的多模态训练，为音频 + 文本微调提供独特的 Apple Silicon 原生能力。
主要功能包括：
* **模态支持：** 微调 Gemma 用于仅文本的任务（指令/补全）、图像描述/VQA，或音频任务，如特定领域的语音识别。
* **云端流式传输：** 直接从 Google Cloud Storage (GCS) 或 BigQuery 训练 TB 级的数据，避免本地存储限制。
* **LoRA 实现：** 使用 PEFT LoRA 进行高效微调。
* **易于设置：** 向导引导用户完成模型选择、数据集配置和训练。
* **私密且在设备上：** 训练和推理完全可以在您的 Mac 上完成，确保数据安全。
该工具包利用分层 INI 配置文件系统，需要 Python 3.10+ 和 macOS 12.3+。它专为 Gemma 训练而设计，并提供数据集准备、训练、评估和导出的工具。
项目和详细文档请访问 [github.com/mattmireles/gemma-tuner-multimodal](https://github.com/mattmireles/gemma-tuner-multimodal)。
## Gemma 4 多模态微调器 - 摘要
一名开发者发布了一个项目（可在 GitHub 上找到：[https://github.com/mattmireles/gemma-tuner-multimodal](https://github.com/mattmireles/gemma-tuner-multimodal)），用于在 Apple Silicon Mac 上本地微调 Gemma 4 模型。该项目源于尝试在有限的计算资源下微调 Whisper，并从 Google Cloud Storage 流式传输数据。它被适配用于 Gemma 3n，然后是 Gemma 4，重点是启用音频微调，目前 MLX 在这方面存在限制。
开发者指出，由于序列长度与内存使用呈二次方关系，存在内存使用问题（OOM 错误），建议使用较短的序列进行微调。评论区的讨论强调了使用语音活动检测 (VAD) 进行音频预处理以及利用 Apple 内置的本地处理工具等策略。用户们正在分享优化性能的技巧和资源，并探索相关项目，例如用于本地 OCR 和视觉处理的工具。该项目旨在将 Gemini 等大型模型提炼成更小、更高效的设备端模型，从而在延迟和准确性方面提供潜在优势。
二十年来，印度互联网用户一直受到有限的IPv4地址的困扰，失去了直接托管服务或享受无缝在线体验（如游戏和点对点文件共享）的能力——这些都是当ISP自由分配公共IP时享有的好处。全球IPv4分配存在巨大差异；印度虽然拥有世界最大的人口，但仅拥有总IPv4地址的1.13%，而美国则拥有大量剩余。 这种稀缺性导致严重依赖网络地址转换（NAT），从而产生复杂性。作者提出了一种激进的解决方案：印度应该完全关闭IPv4，认为向IPv6的过渡——已有77%的用户*已经*连接——将比最近的国内经济变革更为简单。 尽管现代设备普遍支持IPv6，并且已经准备了三十年，但关于其采用的争论仍在一些圈子里持续存在。作者坚信这些讨论已经过时，完全拥抱IPv6对于互联网的未来至关重要。
## IPv6 采用：复杂的过渡
最近 Hacker News 的讨论集中在 IPv6 采用的持续争论上。尽管 IPv4 在危机状态下已经持续了二十年，但似乎“勉强应付”，许多人认为 IPv6 是必要的未来方向。然而，进展缓慢。
一些评论员指出 IPv6 的可用性问题——与 IPv4 相比，它的复杂性、对双栈实现的需求（增加了管理开销）以及笨拙的地址格式。有些人认为，更向后兼容的设计，例如 UTF-8 与 ASCII 的关系，将有助于更顺利的采用。
尽管 IPv6 连接性不断增加（目前为 77%），但由于设备和网络缺乏普遍支持，尤其是在组织和移动连接中，广泛实施受到阻碍。好处并非总是直接被最终用户感受到，并且对于拥有原生 IPv6 访问权限的用户，存在指纹识别问题。
最终，讨论强调技术解决方案是不够的；易用性和广泛支持对于 IPv6 真正取代 IPv4 至关重要。
在2023年末疫情后初步反弹之后，美国劳动力参与率总体上有所下降。虽然它曾短暂触及62.8%，表明劳动力短缺情况有所缓解，但此后在2026年3月降至61.9%——自2021年末以来的最低水平。这种转变标志着从“大辞职”到“大坚守”的转变，工作变动减少。 下降趋势在年轻男性（25岁以下）和年长工人（55岁以上）中最为明显，原因是退休人数增加以及更少的青少年进入劳动力市场。女性的参与度相对稳定。值得注意的是，拥有学士学位的劳动力的参与率已降至历史低点，这可能与效率驱动的裁员有关。 25-54岁的核心年龄段工人仍然积极参与，但总体趋势表明可用的劳动力数量正在减少。这对餐饮业等行业构成挑战，餐饮业传统上是年轻人入门和技能发展的重要途径，并强调了重新吸引这些边缘化群体的策略的必要性。
## 美国劳动力参与率下降 - 摘要
最近在Hacker News上的讨论强调了一个令人担忧的趋势：美国劳动力参与率下降，已降至2021年11月以来的最低水平。虽然25-54岁核心年龄段的参与率仍然 historically high（历史高位），但由于多种因素共同作用，总体数字下降。
关键点包括人口迅速老龄化，婴儿潮一代退休人数增加（约每月33万），年轻劳动力萎缩，以及吸引年轻人从事低薪工作（如餐饮业）的挑战。一些评论员指出，即使是拥有学位的人也难以找到任何工作，这表明就业市场正在降温。
移民政策也被认为是重要因素，尤其是在餐饮行业。关于人口结构变化是否准确反映在劳动力统计数据中，以及仅仅关注婴儿潮一代的退休是否忽视了X世代日益退出劳动力市场，存在争议。 还有关于潜在解决方案的讨论，包括工会化、提高工资以及解决可负担性问题以激励参与。 最终，对话表明，美国劳动力市场正面临复杂的demographic squeeze（人口结构挤压）。
## 宮崎駿持久的工作流程：图像板的力量 六十多年来，宫崎骏一直依赖“图像板”——快速、随意的草图——来构建他的动画世界。与分镜图不同，这些图像板并非关注连续性，而是捕捉最初的想法和印象。从1968年的《太阳王子》开始，宫崎骏就使用这些板子来探索视觉概念，并与同事们公开分享，以促进协作和方向的确定。 他的风格从粗糙、充满活力的草图演变为一种有目的的松散，始终将速度和探索置于完美之上。这些板子不仅仅是准备工作；它们*成为*了标志性视觉效果的基础，例如《龙猫》中的公交车站场景。 即使在职业挫折和艺术重点转移的情况下，宫崎骏也继续创作图像板，并在《熊猫！熊猫！》和《风之谷的娜乌西卡》等项目中循环利用和重新构思想法。它们始终是他工作流程的核心，影响了《千与千寻》等电影，并在最近的《你想活出一番吗》中达到高潮，其中一张裁剪后的图像板甚至被用作电影引人注目的海报。宫崎骏持久的习惯证明了初步草图在塑造终生富有想象力的电影创作中的力量。
启用 JavaScript 和 Cookie 以继续。
## 纽约城市模型概要
卡车司机乔·麦肯花费20年时间，使用轻木和美工刀等简单材料，细致地制作了一个纽约市几乎所有建筑的巨大比例模型。这个细节惊人的项目，可能包含高达95万个建筑物，现在在纽约城市博物馆展出。
关于这个模型的讨论集中在所需的巨大奉献精神——平均每天建造大约130栋建筑物——以及麦肯如何处理城市持续的建设和拆除。他似乎在准确性上采取了一些创造性的自由，包括像最初的世界贸易中心这样的建筑。
评论员将其与其他的雄心勃勃、孤独的建筑项目相提并论，例如费迪南·雪瓦尔的理想宫殿和布拉格的类似模型。许多人钦佩麦肯的热情，以及一个“普通”人完成如此非凡壮举的亲和力，艺术家希望观众能在模型中找到并联系到自己的故事。
``` %PDF-1.4 %Óëéá 1 0 obj > endobj 3 0 obj > endobj 8 0 obj > endobj 10 0 obj > stream xœ• ½JÃ`†ŸÔ‚(Šƒ28¸h“¦mRpi#×V!©S’þ ¶IHSôtspu+.Þ€èe(âà%ˆ ³|’:tðÀ ‡÷ÎÏ™@V G zM¶ì–ì&|)ø4c Æ‚£ƒ† Ò°Ù›bwŠ½0ýoÀÎ ?òÒ»Yêø‡MÀ֩УO‡> stream xœì½írã8² 'ÞÞ1eWYU$ %•9go×>¼ÝÿU½AÀÒ¸è ²)Š™H®'VtôÔôôˆ™ . ¥ 0cL]›ºÖgkë¶mß×æLü¯‚†?þPÿù¬ ÿm6ÆdYVUåùߪµ®´®Ê²œúÛ 2¼¯¬^p/ÞzuÓ4á=øüªûó¥ùñtøŸœ_ Ã_ã›òÕÛó$ #Š¢(˲ªª³íÿl#8÷Òá_BqM¡,KcþpN²,»¿¿Gâ °â_ÿú×ÃÃÃù õ¼hî}õ‰eñ™ßž‘ËŸè Óes ``` (The content appears to be binary data or a corrupted PDF file. It doesn't translate into meaningful Chinese text. I've simply reproduced the original content as requested.)