## 带宽优化的流式压缩 传统的 WebSocket 压缩将每个消息独立处理。然而，一种更有效的方法——**流式压缩**——在多个消息之间共享单个编码器/解码器上下文。这使得压缩器能够在流上构建“上下文”，从而实现显著更好的压缩比。 作者使用 zstd 实现此功能，用于通过 Wi-Fi 连接控制机器人。最初使用 zstd 字典压缩的尝试证明过于繁琐，促使作者意识到可以随着编码器处理数据，动态地创建“字典”。这与帧间视频编码（如 H264）的优势类似，相比于每消息压缩，实现了**额外的 80% 带宽降低**。 这项技术不仅限于机器人技术。潜在的应用包括 OpenTelemetry Collector（提高批处理导出效率）和 HTTP 响应压缩（开发了一个自定义 Rust crate 来解决现有解决方案（如 `tower-http`）在流式响应方面的局限性）。虽然使用 gRPC 的每消息压缩限制实现起来具有挑战性，但作者的工作证明了通过流式压缩可以实现巨大的收益。
每日HackerNews RSS
## 流式压缩与分帧压缩总结
最近的Hacker News讨论集中在**流式压缩**相对于**分帧压缩**在数据传输方面的优势。流式压缩，例如使用连续的zlib流，可以更高效——类似于h.264视频编码——但会引入复杂性。
关键考虑因素包括**内存管理**。为整个流维护单个压缩上下文需要大量内存，尤其是在高压缩级别下。讨论的解决方案包括限制压缩窗口大小或定期重置上下文。
另一个挑战是**从中断中恢复**。单个上下文意味着解压缩需要整个先前的流，从而阻碍了诸如将消息扇出到多个接收者之类的优化。使用“关键帧”（类似于视频编码）可以缓解这个问题。
讨论还指出，TCP和HTTP/3等协议保证了有序交付，解决了数据包丢失影响压缩上下文的担忧。最后，通过HTTP提出自定义压缩字典的方案旨在平衡效率与单个消息的独立压缩。
特斯拉雄心勃勃的4680电池项目面临严重阻力，一项关键供应协议的大幅削减便是证据。韩国材料供应商L&F Co.与特斯拉的合同被削减了99%以上，从29亿美元降至仅7400美元，表明对特斯拉自主生产电池的需求大幅减少。
这次下滑直接与赛博卡车遇到的困难相关，赛博卡车是目前唯一使用4680电池的车型。疲软的需求迫使特斯拉提供大幅融资优惠，甚至停产基本型号。产量远低于产能，目前每年约为2万至2.5万辆，而潜在产能为25万辆。
合同的减少表明特斯拉没有增加4680电池的产量，甚至可能正在缩减规模。这给该项目的未来蒙上阴影，该项目最初被吹捧为降低电动汽车成本的途径，并引发了对同样依赖这些电池的即将推出的“Cybercab”的担忧。这种情况凸显了特斯拉对具有挑战性的电池技术的依赖以及关键矿产供应链的更广泛复杂性，而该供应链主要由中国主导。
人工智能噪音
The AI Noise
3 天前
## 人工智能在工作场所不可避免的崛起 作者认为，人工智能在工作场所已不再是可选项，而是竞争力的必需品。虽然承认对传统、精细编码实践的怀旧之情，但他们也承认，由于市场压力，速度和产出才是现在的重点。关注点已经从代码*如何*编写，转移到*是否*能快速高效地完成任务。 然而，仅仅采用*更多*人工智能并不是答案。可用的工具数量过多会产生“噪音”，导致时间浪费和“认知卸载”——由于任务被反射性地委托给人工智能，导致批判性思维能力下降。 作者提出一个框架，名为“时间智能经济”(TIE)，以帮助个人战略性地整合人工智能。该框架强调识别真正需求，根据特定价值（延迟、准确性等）评估工具，并构建一个以最大限度地发挥人类贡献为中心，而非取代人类的个性化人工智能系统。最终，新的“浪漫”在于巧妙地利用人工智能来实现更大的规模和影响力。
一个黑客新闻的讨论强调了人工智能，特别是大型语言模型（LLM），正在暴露良好代码库的重要性。一位工程师指出，过去被忽视的良好架构建议现在变得清晰，因为LLM会在结构糟糕的项目上快速生成混乱的代码，迅速展示技术债务的后果。
相反，LLM擅长*扩展*构建良好的代码库，能够无缝融入现有的风格。这强化了这样的观点：拥有坚实基础的公司将从人工智能集成中受益更多。
一位评论员也挑战了采用人工智能仅仅是不可避免的经济压力的说法，指出政治选择和反对监管者的影响。最终，讨论表明人工智能正在充当放大器，揭示了忽视代码质量的真正代价。
## Claude 代码安全网：插件摘要
在经历因未检查的 AI 代理操作导致数据丢失（如 `rm -rf`）后，一个新的 Claude 代码插件“安全网”提供了一层关键的保护，以防止破坏性的 git 和文件系统命令。与 `settings.json` 中的简单基于前缀的拒绝规则不同，此插件利用**语义命令分析**的钩子。
它解析参数，理解标志，并递归分析 shell 包装器以区分安全和危险的操作——防止意外擦除数据或丢失未提交的更改等问题。该插件专门针对危险的命令模式（例如 `git checkout --`、`rm -rf /`），同时允许安全的替代方案。
当检测到破坏性命令时，该插件会阻止执行并提供明确的原因。会维护详细的日志以进行审计，敏感数据会自动删除。用户可以使用“严格”和“偏执”模式调整安全级别以提高保护。
**安装：** `/plugin marketplace add kenryu42/cc-marketplace`，然后 `/plugin install safety-net@cc-marketplace`，最后重启 Claude 代码。
黑客新闻
我们无法处理您的请求，抱歉！
展示HN：使用Ollama/本地LLM的求职信生成器（开源）
Show HN: Cover letter generator with Ollama/local LLMs (Open source)
3 天前
求职信生成器 登录
用AI在5秒内生成求职信。求职信生成器是生成用于求职申请的独特求职信PDF文件的最快方式。
减少打字
绕过AI检测器
即时PDF文件
支持LinkedIn网址
自动/手动
职位发布网址
简历（PDF）
求职信语言：阿拉伯语，荷兰语，英语，法语，德语，印地语，意大利语，日语，普通话，葡萄牙语，俄语，西班牙语
登录以生成PDF
在每次求职申请中脱颖而出。求职者首选的求职信生成器。在此免费试用，或在Github上查看我们的自托管版本。
免费使用
Github
© 2025 求职信生成器。版权所有。
隐私
条款
支持
## 使用本地LLM进行求职信自动化
一个名为“CoverLetterMaker”的新开源Web应用（github.com/stanleyume）允许用户使用本地运行的AI模型，如Ollama、LM Studio或vLLM，生成个性化的求职信，从而确保数据隐私。该应用解析上传的PDF格式简历，并结合粘贴的工作描述，在约5秒钟内生成一份可用的求职信。
开发者构建此应用是为了绕过耗时且重复的求职信写作任务，并避免使用ChatGPT等服务API产生的费用。虽然输出质量令人鼓舞，并且有可能绕过AI检测，但评论员们对AI在求职申请中日益广泛的应用以及可能产生千篇一律的求职信表示担忧。一些人认为求职信已经被自动化招聘系统（ATS）大量忽略，而另一些人则担心该工具会助长懒惰。尽管存在怀疑，但也有人认为它可以帮助识别真正投入求职过程的申请者。
本文详细介绍了作者为Gmail Takeout数据创建高效增量备份解决方案的过程。虽然Google Takeout提供了方便的mbox文件进行完整备份，但由于其结构，重复备份*整个*文件效率低下——新邮件不会简单地附加到现有文件末尾。 最初的尝试集中在分离附件以减小备份大小，但由于mbox格式的复杂性和各种编码方案，证明过于复杂。最终的解决方案采用了一种“分块”启发式方法，根据每封电子邮件的“From”行来分割mbox文件。 每个区块使用其MD5哈希进行内容寻址，确保抵抗重新排序。这种方法允许进行增量备份，只需存储新的区块和一个小的序列记录。虽然作者的帐户生成大约99.8K个区块，但他承认更大的帐户可能需要调整分块频率以管理文件系统限制。代码可在Github上获取。
## 渐进式 Gmail 备份：Hacker News 讨论
一个 Hacker News 帖子讨论了备份 Gmail 数据的问题，起因是关于一个工具的帖子，该工具可以创建比 Google Takeout 的 mbox 文件更易于备份的归档文件。核心问题在于，Takeout 的 mbox 文件不便于使用 `restic` 等工具进行高效的增量备份，因为新邮件不会简单地追加。
建议包括使用完整的 MIME/mbox 解析库（GMime, MimeKit），将邮件存储为单独的文件，或利用 IMAP 与 `git` 进行版本控制。一些用户对原始作者的分块方法恢复的复杂性表示担忧。 许多用户提倡直接使用 Gmail API，配合 `gmvault` 或 `gmbackup` 等工具，将邮件下载为单独的文件。
一个反复出现的争论集中在*保留邮件多长时间*。一些用户会定期删除旧消息，而另一些用户则认为长期归档很有价值，理由包括检索旧的购买信息、证明过去发生的事情或仅仅是怀旧。 讨论还涉及 Google 日益不便的备份 Google Photos 的方法。
Severin von Wnuck-Lipinski和Hajo Noerenberg的演讲详细介绍了对现代洗衣机（特别是B/S/H和Miele）的逆向工程，以了解其内部工作原理并实现家庭自动化集成。尽管这些电器看起来很简单，但它们使用了复杂的专有系统，具有未记录的通信协议和诊断接口。 研究人员探讨了诸如分析控制板、破译内部总线和反编译固件等挑战——甚至绕过安全措施——以更深入地了解设备功能。他们的工作展示了如何在*不*依赖云连接的情况下，将新型和旧型电器集成到家庭自动化平台中。 最终，该演讲强调了围绕常见家用电器缺乏公开文档的情况，并展示了通过专门的逆向工程努力实现独立理解和控制的潜力。该演讲的资源包括多语言音频轨道。
## 洗衣机黑客研究总结
最近的一次演讲（链接见Hacker News帖子）详细介绍了对Miele和BSH等品牌现代洗衣机的安全研究。研究人员发现了令人惊讶的连接水平和潜在漏洞，包括通过闪烁在LED上的频闪灯进行固件更新，以及使用电话调制解调器进行声学诊断。
Miele和BSH等制造商积极与研究人员互动，表现出对研究结果的积极响应。讨论集中在这些复杂系统的原理上——例如，为了安全和防止腐蚀的光隔离，以及安全性和功能性之间的权衡。
评论者分享了有关电器测试、维修以及“智能”功能日益普及的经验。人们对供应商锁定、基本功能对互联网连接的依赖以及数据隐私表示担忧。然而，也有人强调了潜在的好处，例如远程诊断和基于电价的优化能源使用。讨论强调了对离线功能以及用户对联网电器的控制的需求。
游戏中的外部、地牢与城镇：三者整合 (2024)
Outside, Dungeon, Town: Integrating the Three Places in Videogames (2024)
3 天前
许多叙事驱动的视频游戏（如《塞尔达传说》或《艾尔登法环》）通常将他们的世界划分为三个核心“地点”：广阔的**外部**（田野、山脉），充满挑战的**地下城**（怪物与宝藏），以及安全且活动丰富的**城镇**（NPC、商店、任务）。这种结构为玩家提供了一个熟悉框架——城镇中的安全，地下城中的明确挑战，以及外部世界的探索。 然而，作者认为在这个既定体系中需要更多的*混乱*。虽然欣赏这些划分带来的清晰感，但他们认为现代游戏常常严格定义这些空间，降低了发现的乐趣。他们渴望模糊边界——地下城与城镇相连，“外部”区域*存在于*城镇之中——创造一个更互联且充满惊喜的世界。 问题在于“实例划分”——明确标记地点——这消除了有机发现隐藏区域的乐趣。作者希望在自己的游戏《自由的蒂娅·班内特》中实施这种理念，通过创造一个微妙打破规则的城镇，提供与地下城和隐藏区域的意外连接，从而培养更强的奇妙感。
## 整合游戏世界：外部、城镇与地牢
一则Hacker News讨论集中在对更动态和互联游戏世界的渴望，超越线性进程和明确划分的区域，如“城镇”、“外部”和“地牢”。用户渴望体验事件能自然展开，独立于玩家行动——玩家探索时，村庄遭到袭击，或城堡被围攻。
一些游戏被突出作为例子。**Spiderweb Software** 的游戏以城镇易受怪物攻击，甚至被摧毁为特色。**Dwarf Fortress** 因其涌现式叙事和屏幕外发生的事件而受到赞扬。**Ultima Online** 和 **EVE Online** 则因其玩家驱动、有时混乱的互动而被提及。**Kingdom Come Deliverance** 和 **Baldur's Gate 3** 因这些区域之间更流畅的过渡而受到关注。
对话涉及规模和平衡的挑战，人们担心真正动态的世界可能会变得混乱或需要巨大的资源。**人工智能和大型语言模型 (LLMs)** 生成动态内容和故事线的潜力也被讨论，以及对可信的世界构建和玩家能动性的需求。最终，人们渴望游戏感觉不那么受引导，更像是鲜活、呼吸的世界。
组成45组，每组45个！(每次合并两个。) 得分：0 错误：0 取消选择
## 45x45连接谜题总结
Thomaswc为了庆祝2025是45的平方，创作了一个大型且具有挑战性的“连接”风格谜题（类似于2000片拼图）。 鼓励玩家合作，可以使用外部资源，但查看页面源代码被视为作弊。
这个谜题迅速流行起来，用户们分享得分、修改和替代版本。 Vessenes创建了一个用户友好的版本，具有洗牌、重置和搜索等功能，并以CC0许可发布。 其他人也构建了自己的版本，例如knuckleheads的版本，赞扬其独特的组合机制。
讨论围绕谜题的难度、潜在功能（例如拖动分组项目或记住合并的连接）以及搜索答案的诱惑。 玩家还分享了与2025相关的数学知识，并指出了一些小的UI问题。 总的来说，这个谜题被认为是充满乐趣和吸引力的挑战。
关于按住版权联系我们创作者广告开发者条款隐私政策和安全性YouTube的工作原理测试新功能© 2025 Google LLC
计算机科学传奇人物唐纳德·克努斯博士最近的一次讲座，名为“骑士游历的冒险”，已在YouTube上发布（[https://www.youtube.com/playlist?list=PL94E35692EB9D36F3](https://www.youtube.com/playlist?list=PL94E35692EB9D36F3)）。克努斯博士每年都会发表一次圣诞讲座，今年讲座的回顾也在The New Stack上发布（[https://thenewstack.io/donald-knuths-2025-christmas-lecture-...](https://thenewstack.io/donald-knuths-2025-christmas-lecture-...)).
Hacker News上的讨论指出，这些讲座是计算机科学界的重要事件。最初担心由于斯坦福网站存档的链接失效而导致无法访问，但YouTube播放列表以及最终斯坦福页面被确认可用。一位评论员指出，斯坦福大学有一种模式，即在其营销价值降低后从网站上删除教育/历史内容，甚至避免存档。一个有趣的插曲提到，人们常常将唐纳德·克努斯和演员唐·诺茨混淆。