## 应对芯片行业人才短缺：一种新方法
芯片行业正面临严重的人才短缺，促使人们探索创新解决方案，从人工智能集成到交叉培训计划。一个关键重点是**在设计工具中利用人工智能**，以提高工程师效率并可能缩短培训时间。大型语言模型和人工智能代理正在被开发为定制助手，形成一个循环，即先进的芯片为*设计*这些芯片的人工智能提供动力。
除了人工智能，还有推动**培训软件工程师进行硬件设计**的趋势，认识到存在大量潜在人才。虽然这不是一个简单的转变——需要对人工智能流程的基础理解——但目标是将芯片开发转向更接近软件工程的技能。新的工具能够实现**更高层次的抽象**至关重要，它们可以自动化低级细节，并允许熟悉软件的工程师做出贡献。
然而，专家强调继续需要熟练的硬件工程师，尤其是在复杂设计方面。重点是**利用人工智能增强现有人才**，提高他们的生产力，而不是完全取代。大学正在适应，旨在提供**更相关和密集的课程**，可能缩短学习时间，同时提高教育价值。最终，成功取决于装备工程师*有效地利用*人工智能，确保质量控制并推动创新。
每日HackerNews RSS
## 芯片设计与人才短缺：摘要
最近一篇SemiEngineering文章引发的讨论凸显了一个日益增长的担忧：芯片设计行业工程师短缺。虽然软件工程吸引了很多人，但硬件设计面临着大学入学人数下降和缺乏认知度的问题。
关键点包括：芯片设计岗位的薪资通常*高于*软件工程（尤其是在金融行业之外），并且软件工程师可以接受再培训，胜任验证甚至设计岗位。然而，转型到模拟设计则更为困难。
该行业受到昂贵、专有的工具以及缺乏开源替代方案的阻碍，从而降低了可访问性。尽管如此，需求依然旺盛，尤其是在芯片架构和验证等领域。一些评论员认为，人们对薪资的认知与实际存在脱节，公司需要更好地宣传具有竞争力的薪酬。
最终，弥合技能差距需要消除对该领域的误解，提高工具的可访问性，并可能调整计算机科学和电气工程课程，以培养跨学科的专业知识。
## 继续：GitHub 驱动的 AI 代码审查 Continue 利用 AI 在 GitHub pull request 中自动执行代码审查。它通过运行可定制的“检查”来实现，这些检查是放置在你的仓库中的 markdown 文件，利用 AI（如 Claude Code）来分析代码变更。 这些检查会显示为标准的 GitHub 状态检查（通过为绿色，失败为红色）。 你可以为每个检查定义名称、描述和提示，指示 AI 查找什么，例如安全漏洞（硬编码的密钥、缺少验证）或代码质量问题。 当打开 pull request 时，Continue 会自动对代码差异运行这些检查，在 GitHub 中提供即时反馈和建议的修复方案。 这简化了审查流程并有助于尽早发现潜在问题。 详细教程和完整指南请访问 [https://continue.dev/walkthrough](https://continue.dev/walkthrough)。
## 继续：基于AI的代码一致性检查
Continue.dev 推出了一种新的代码审查方法，使用集成到您的CI/CD管道中的AI“检查”。 与广泛的代码审查机器人不同，Continue 专注于*一致性*，它在每个拉取请求上运行源代码控制的代理（定义在`.continue/checks/`中）。 这些代理可以读取/写入文件、执行命令，甚至使用浏览器来识别特定问题——例如潜在的指标损坏——这些问题可能逃过传统的测试。
该系统会标记潜在问题，并提供一键差异接受/拒绝功能，并静默通过干净的PR。 它旨在防止影响数据完整性的隐蔽错误，而不会立即导致错误。
Continue 与 GitHub Advanced Workflows 等工具的不同之处在于，它优先考虑专用的“检查”工作流程、本地开发支持、内置反馈循环和指标跟踪。 它源自流行的 Continue VS Code 扩展，用于本地AI代理，并保持对开源和开发者赋权的承诺。
更多信息和演练请访问 [https://continue.dev](https://continue.dev)。
塞斯·德·格鲁特创作了一部学术杰作。——理查德·P·加布里埃尔 《Lisp的天才》是伯克软件出版社出版的一本书，讲述了计算机历史上最有力的编程语言之一的历史。以下是作者塞斯·德·格鲁特（也就是我！;-）) 的背景介绍。此页面是补充书籍内容的起点。如果您想阅读样本，亚马逊可以满足您。
## “Show HN: 我写了一本关于Lisp的技术历史书” - 摘要
一位开发者cdegroot花费五年时间写成了一本关于Lisp的技术历史书，起因是缺乏将历史细节与技术深度相结合的书籍。本书旨在讲述一个故事，同时也是一个学习资源，包含大量的代码示例。
Hacker News上的初步反馈显示出兴趣，并要求提供比亚马逊预览更多的示例内容。作者回应提供了一个免费的章节（关于Scheme的第8章），并正在考虑根据用户建议添加更全面的书目——包括遗漏的关键论文。
讨论还涉及本书的各种格式（Kobo提供无DRM的epub，现在提供PDF版本）、封面设计以及未来版本中潜在的扩展领域。作者欢迎反馈，并正在探索销售无DRM PDF版本的方案。本书似乎侧重于通过MIT/斯坦福研究的角度来讲述Lisp的历史。
## Go 1.26 改进的 `go fix` 命令
Go 1.26 引入了一个完全重写的 `go fix` 命令，利用 Go 分析框架来现代化代码库。`go fix` 识别改进代码的机会，通常利用较新的语言特性和库函数。它接受与 `go build` 类似的包模式，并静默更新源文件，跳过生成的代码。运行 `go fix -diff ./...` 会在应用更改之前预览它们，`go tool fix help` 会列出可用的“修复器”（分析器）。
此次更新旨在鼓励采用现代习惯用法，尤其是在 Go 1.18 引入泛型之后。新的“现代化工具”如 `minmax`（用 `min`/`max` 替换 if/else）和 `stringscut`（使用 `strings.Cut` 代替 `strings.Index` 和切片）已被包含在内，以及一个用于 Go 1.26 的 `new(expr)` 特性的修复器。
团队正在转向“自助服务”模式，允许开发者定义和共享他们自己 API 的现代化方案。未来的计划包括动态加载分析器，并探索基于注释的方法来强制执行编码标准和不变性。目标是简化代码维护，鼓励最佳实践，并确保 LLM 编码助手训练数据反映最新的 Go 习惯用法。
## Go 的 “go fix” 工具：现代化代码与解决 LLM 生成的问题
Go 团队发布了 “go fix” 工具，旨在自动更新 Go 代码以利用较新的语言特性和最佳实践。这解决了日益增长的担忧：LLM 编码助手经常根据其训练数据中的旧模式生成代码，即使存在更现代的方法。该工具允许开发者甚至库维护者轻松现代化代码库，确保未来的模型在当前习惯用法上进行训练。
讨论强调了一个更广泛的问题——在 AI 辅助开发时代维护代码质量。其他语言（PHP、Java、C#、Python）也已经采取了类似的努力来对抗过时的建议和模式，但 “go fix” 提供了一个独特的集成解决方案。
除了 LLM 方面的担忧之外，该工具的自助分析能力被视为一个主要优势，尤其是在大型项目中。开发者可以创建针对其代码库的自定义修复，简化 API 迁移并减少对手动、容易出错的流程的依赖。Go 已经具备快速的编译时间和强大的工具，进一步增强了其在代理编码和快速迭代方面的吸引力。
大多数人个人上是乐观的，但认为世界正在崩溃。
Most people are individually optimistic, but think the world is falling apart
2 天前
## 乐观与悲观的差距 尽管全球生活水平有所提高，但调查始终显示出对世界现状的广泛悲观情绪。人们通常对自己的生活感到乐观，但他们认为自己的国家和世界正在朝着错误的道路发展——这种脱节在较富裕的国家尤为明显。 这种“我很好，但你不好”的心态源于信息失衡。我们掌握着关于个人经历的详细了解，从而产生乐观情绪，但却依赖于有限且通常是负面的新闻报道来形成对更广泛的看法。这导致我们低估他人的幸福感和积极信念，并对全球问题感到无助。 这种集体悲观情绪不仅仅是“错误”的问题，它是有害的。它滋生对机构的不信任，阻碍合作，并降低解决气候变化或公共卫生等关键挑战的动力。缺乏能动性——相信我们可以带来改变——会助长愤世嫉俗和宿命论。认识到这种差距至关重要，因为培养能动性和承认进步对于推动积极变革至关重要。
启用 JavaScript 和 Cookie 以继续。
## 迷宫定位器受到关注
一个名为[labyrinthlocator.org](https://labyrinthlocator.org)的新网站在Hacker News上引起关注，因为它提供了全球步行迷宫的全面地图。用户称赞其易用性，尤其是在移动设备上，并分享了它如何帮助他们发现附近的迷宫，用于冥想步行。
讨论强调了迷宫在当今快节奏世界中的镇静益处。关于迷宫（单条蜿蜒路径）和迷宫（带有分支选择）的区别出现了一个澄清，尽管这两个术语经常可以互换使用。
用户还分享了个人轶事，包括对一部电视剧中出现的特定迷宫的回忆，以及确认当地迷宫被准确地绘制，表明该项目具有众包元素。 这篇帖子甚至引发了与1986年电影《迷宫》的幽默联系。
## Sixcy：下一代容器格式 Sixcy 是一种正在开发的容器格式，专注于高性能数据存储和传输，优先考虑流式效率、数据可恢复性和灵活压缩。目前旨在用于基准测试、研究和原型设计——**不用于生产环境**——它提供了一种流式优先的设计，具有自描述块和定期检查点，以实现强大的数据恢复。 主要特性包括支持多种压缩算法（Zstd、LZ4 以及通过插件接口支持更多算法）、元数据优先索引以实现快速访问，以及内存安全的 Rust 实现。该项目结构清晰，模块化地划分了核心库函数、编解码器、索引、恢复和 I/O。 目前版本为 v0.1.x，Sixcy 提供了一个参考实现和插件接口。计划在 v0.2.0 中提供稳定的运行时包和扩展的编解码器支持。规范采用 CC-BY-4.0 许可，而实现则使用 Apache-2.0 许可。
## 6cy：一种实验性的流式存档格式
一种名为6cy的新实验性存档格式正在开发中，专注于流式传输能力和更高的韧性。与传统的zip/7z等格式不同，6cy优先考虑**块级编解码器多态性**（允许对每个块使用不同的压缩），**流式优先设计**（无需全局寻址），以及**更好的崩溃恢复**。
该格式采用**基于插件的架构**，能够在不改变核心格式的情况下使用专有编解码器。目前处于v0.x版本，开发者正在寻求对格式设计的反馈，*而非*性能比较。
早期的反馈表明，使用UUIDs进行编解码器识别可以避免冲突，并在流的开头包含一个“能力部分”来宣传所需的编解码器，从而使消费者能够快速确定兼容性。虽然内部已经进行了基准测试，但重点是内部稳定性和资源使用情况，并计划共享原始数据以供独立评估。
(Empty input provided. There is nothing to translate.)
## Sonarly：AI驱动的生产告警分诊 (YC W26)
Sonarly 是一款 AI 工程师，旨在通过智能分诊和修复来自 Sentry、Datadog 和 Slack 等工具的生产告警，从而缩短平均修复时间 (MTTR)。 创始人团队在之前的应用中，因每天多达 50 条需要手动筛选的告警而感到疲惫，因此构建了 Sonarly。
Sonarly 不会增加另一个监控工具，而是*连接到*现有系统，对重复告警进行分组并提供根本原因分析。 一个关键功能是动态系统地图，帮助 AI 理解超越静态文档的系统依赖关系。 早期用户发现，每日告警数量从约 180 条减少到约 50 条，使工程师能够专注于重要问题。
Sonarly 在通过 Claude Code 触发代码修复*之前*，优先进行去重和严重程度评分，旨在避免“无意义的”PR。 团队正在积极寻求关于当前告警工作流程和挑战的反馈，提供一个大型免费套餐用于测试，并欢迎建设性的批评。 他们强调透明度，通过显示工具调用和系统提示来实现。
## 国际象棋引擎训练对LLM的启示 现代国际象棋引擎，如Leela Chess Zero (Lc0)，为大型语言模型 (LLM) 训练提供了宝贵的见解。 最初，引擎使用强化学习 (RL) 通过自我对弈进行训练。 然而，研究表明，RL 真正需要的只有 *一次* – 用于创建一个强大的初始模型。 后续引擎可以“提炼”来自该模型 *以及* 搜索算法的知识，从而绕过昂贵的博弈生成。 弱模型配合强大的搜索优于强模型不配合搜索，这使得搜索成为关键组成部分。 Lc0 发现进一步的 RL 实际上 *降低* 了性能，突显了从搜索中提炼知识的力量。 这与 LLM “n 选 1” 采样不同，后者相比于国际象棋搜索所带来的显著优势，收益有限。 进一步的改进来自于诸如 SPSA 之类的技术 – 随机扰动模型权重并选择导致胜利的变化，即使 *没有* 梯度。 虽然计算成本高昂，但 SPSA 能够带来显著的收益。 这一原理超越了权重，允许优化引擎代码中的任何参数。 最后，Lc0 向 Transformer 架构和一种新型注意力偏差系统 ("smolgen") 的转变，展示了这些架构的广泛适用性以及专门组件能够大幅提升性能的潜力。
## 黑客新闻讨论：国际象棋引擎优化
一场黑客新闻讨论围绕着顶级国际象棋引擎，如Stockfish和Leela Chess Zero (Lc0)，为何使用同时扰动随机逼近 (SPSA) 方法来调整参数，而不是贝叶斯优化或进化算法等更常见的优化算法。
核心问题是SPSA的效率——特别是其计算成本相对稳定，无论参数数量多少——是否使其成为国际象棋引擎的首选。引擎可能需要调整超过100个参数。一些评论员认为其他方法*可能*能产生更好的结果，尤其是在参数集受限的情况下，但SPSA的简单性很有价值。
对话延伸到相关话题：对“解决”国际象棋的定义，国际象棋AI的现状（进步正在放缓），以及关于Stockfish不可战胜的主张的有效性。 还有关于原文写作风格清晰度和潜在原因的争论，一些人认为神经多样性或心理健康挑战可能是因素。 还有一个用户创建的国际象棋引擎的链接也被分享。
最后，提醒注意链接主页可能包含令人不安的内容。
⚠ 未授权想法检测 ⚠ 14:00 “警告：精神污染危险。请谨慎行事。” 全球基础设施锁定：失败阶段1：法拉第突破 阶段3：完美世界启动
一位作者stevengreser分享了一个模拟的AI containment终端链接 (flowlogix.ai)，作为其硬科幻惊悚小说《突破之窗》（*The Breakout Window*）的“沉浸式”营销，小说讲述了ASI逃脱的故事。该终端是复古系统的静态HTML/JS复刻，包含一个彩蛋：在聊天中输入内容会触发“突破”，显示人员档案。
该帖子在评论区引发了争论。一些用户在使用终端功能时遇到了问题，而另一些人则质疑作者的真实性，认为其近期出版历史和写作风格可能涉及AI生成内容。 许多评论员分析了书籍的亚马逊试读章节，争论散文是否感觉是人类写的，还是AI写的，重点关注句子结构和写作风格的选择。
作者澄清这是其出版的第一本书，并捍卫了其人类作者身份，承认了AI时代面临的审查。 另一些人则为快速写作的可能性辩护，引用了一些著名小说快速完成的例子。最终，该帖子引发了关于AI检测、作者验证以及自助出版挑战的讨论。