目前科技公司因 AI 焦虑而质疑是否应聘用初级工程师，这是一种对旧问题的误判。许多机构错误地认为初级工程师是负担，或是 AI 将使他们被淘汰。
作者认为这些假设存在以下三个缺陷：
1. **留才：** 从内部晋升比依赖外部招聘高级人才来填补空缺更具成本效益。
2. **适应性：** 在快速发展的领域，经验是一种折旧资产；适应能力比过时的技能更重要。
3. **价值重于代码：** 工程的本质是交付客户价值，而非单纯编写代码。即便在 AI 驱动的未来，无论是复杂还是简单的项目，依然需要工程判断力。
归根结底，对初级工程师的偏见暴露了系统性的失败：那些将软件开发视为孤立技术任务“流水线”，而非解决客户问题的协作过程的公司，往往处境艰难。高效的组织会将各级别的工程师整合到产品生命周期中。如果你的团队无法为初级人才找到位置，问题不在于工程师，而在于你那破损的开发流程。
每日HackerNews RSS
这篇 Hacker News 的讨论探讨了在人工智能驱动开发的时代，招聘初级工程师所面临的复杂挑战。
许多贡献者认为，初级岗位招聘的减少不仅仅是因为 AI 取代了人力，更是因为“初级”工作的性质发生了转变。过去，初级工程师通过执行基础性任务，在观察和指导中学习。如今，AI 可以处理这些任务，这使得该角色变成了瓶颈：资深工程师现在花费更多时间在审查 AI 生成的“垃圾内容”上，而非进行指导。
主要议题包括：
* **指导缺口**：远程办公和 AI 工具削弱了办公室互动中产生的“有机学习”，引发了对长期人才培养的担忧。
* **经济压力**：企业日益倾向于短期产出和“人均年度经常性收入 (ARR)”，而非长期人才培育。
* **“输送管道”问题**：参与者警告称，忽视初级人才将导致企业未来缺乏经验丰富的资深人才储备，最终造成技术债务。
* **技能转变**：关于编程本身是否正在成为一种商品化的低技能任务，或者“领域专业知识”是否仍是 AI 尚无法解决的关键瓶颈，存在着广泛的争议。
维拉·鲁宾天文台（Vera C. Rubin Observatory）发布了一张由其 32 亿像素 LSST 相机拍摄的宇宙深空图像，展示了备受关注的 COSMOS 天区。通过叠加数百次观测数据，该图像呈现了超过五十万个星系，在不受银河系尘埃遮挡的情况下，清晰地展现了遥远的宇宙。 此次发布是“早期数据预览 2”（EDP2）的一部分，涵盖了南半球 3,000 平方度的天空。由于 COSMOS 天区在过去几十年里已被其他天文台广泛测绘，它成为了科学家验证数据和测试新工具的重要基准。 鲁宾天文台的独特之处在于其结合了大视场覆盖与重复观测的能力，使天文学家能够创建宇宙的“电影式”记录。在未来十年里，时空遗产巡天（LSST）将持续深入这一观测，帮助研究人员追踪星系随时间的变化，并识别超新星等瞬态事件。此次发布标志着天文学一个变革时代的开端，为即将到来的十年巡天任务提供了强大的科学基础。
在这篇文章中，Boris Kolpackov 将 `build2` 构建系统与通常被视为“光速”标杆的 Ninja 进行了对比，以评估其性能。 虽然 Ninja 速度极快，但其性能依赖于 CMake 等外部工具来生成构建文件，而这一步骤所花费的时间往往远超构建本身。`build2` 作为原生构建系统，虽然在前期执行了更多工作（如管理依赖和环境发现），但其构建时间仍能达到甚至超过 Ninja 的水平。 Kolpackov 将 `build2` 的竞争力归功于三项关键设计决策： 1. **激进的缓存机制**：它避免了那些困扰依赖外部生成器系统的冗余环境检查。 2. **并行处理**：与 Ninja 的串行管理不同，`build2` 通过多线程执行内部任务（如头文件依赖解析）。 3. **高效的预处理**：通过提前执行部分预处理工作，`build2` 优化了内存压力并提升了文件缓存的局部性。 最终，通过调整文件缓存压缩等特性，`build2` 的表现超越了 Ninja，这证明了功能丰富的原生构建系统无需牺牲功能，也能达到并超过“极简”工具的性能。
抱歉。
要将“原生”智能体循环进化为生产级系统，必须超越简单的线性执行，转向模块化、组合式的架构。通过实现以下七个核心原语，可以将单一的 LLM 调用转化为可靠且可度量的系统：
1. **类型化工具 (Typed Tools)：** 使用 Pydantic 确保参数校验，为 LLM 提供清晰的模式，从而防止运行时执行错误。
2. **DAG 执行 (DAG Execution)：** 通过有向无环图管理复杂的依赖关系，实现独立任务的并行执行。
3. **分层记忆 (Tiered Memory)：** 在严格的字符预算限制下，从工作记忆、情景记忆和语义记忆源中主动汇集上下文，以避免产生“上下文垃圾”。
4. **验证层级 (Verification Hierarchy)：** 实施多级检查（先进行低成本的确定性过滤，再进行高成本的 LLM 评判），在不浪费 Token 的前提下确保准确性。
5. **角色专业化 (Role Specialization)：** 将系统拆分为规划者、执行者和评估者，以便对每个组件进行独立的测试与迭代。
6. **多维预算管理 (Multi-Dimensional Budgeting)：** 跟踪 Token、成本和延迟，以便在资源紧张时触发优雅降级（例如跳过昂贵的步骤）。
7. **追踪器 (Tracer)：** 维护一份仅可追加的事件日志，提供可观测性，并记录可重构的“飞行数据”以供调试。
通过组合这些原语，智能体能够获得规划、从错误中恢复以及高效运行所需的系统结构。
抱歉。
跳至主要内容
Vocab.top
从自动检测到阿拉伯语
Vocab Top — AI 驱动的语言学习
正在加载您的库...
Vocab Top — AI 驱动的词汇学习，提供翻译、词形、发音、例句和视觉记忆辅助。
关于我们 • 常见问题 • 反馈 • 捐赠 (PayPal) • 隐私政策 • 服务条款
© 2026 Vocab Top。为语言学习者倾心打造。
Vocab Top — AI 驱动的语言学习
通过 AI 驱动的翻译、发音指南、例句和视觉记忆辅助来掌握新语言。
请启用 JavaScript 以使用此应用程序。
人工智能词汇构建工具 **Vocab Top** 在 Hacker News 上的“Show HN”帖子引起了社区的褒贬不一。尽管用户认可其简洁的界面以及将定义与记忆功能整合在一起的理念，但对其可靠性提出了严重质疑。
批评主要集中在使用生成式人工智能进行语言学习所固有的风险上。用户特别指出，该工具偶尔会为不存在的词汇“臆造”定义，并提供不准确或不完整的翻译。一些评论者强调，AI 生成的语音在发音上往往不可靠，特别是与维基词典或真人录音等成熟资源相比时。
经验丰富的语言学习者指出，该工具缺乏现实使用中所需的无缝集成（例如跨应用取词），并建议该平台正面临来自手动且经受过时间考验的传统工作流程的激烈竞争。总的来说，大家的共识是，虽然该产品的设计在视觉上很有吸引力，但目前的版本在准确性和便捷性上还不足以取代传统的、经过权威来源验证的语言学习工具。
亚里士多德是古希腊哲学的核心人物，也是柏拉图的学生，他在伦理学、逻辑学、政治学和科学领域的影响力至今仍是基石。通过他创办的吕克昂学园，他倡导了一种以美德、智力成长和个人责任为中心的生活方式。 他的哲学思想，主要体现在《尼各马可伦理学》和《形而上学》中，认为“幸福”（eudaimonia）是人类的最终目的，这种幸福是通过持续不断的道德习惯而非短暂的快乐来实现的。亚里士多德强调，真正的教育必须兼顾严谨的学术与道德修养，而自我觉知是通往智慧的门户。 他的学说提倡以下列原则定义生活： * **品格：** 卓越是通过重复的道德行为培养出来的。 * **社会联系：** 人天生具有社会性，深厚且经过选择的友谊对于充实的生活至关重要。 * **理性：** 逻辑应当主导领导与法律，以保护社会免受情绪波动的影响。 * **韧性：** 有尊严地生活意味着要勇于面对恐惧，并优雅地应对生活中的挑战。 归根结底，亚里士多德的作品是自我完善的永恒指南，他敦促我们追求真理，保持智力活力，并以正直的品行处事，从而实现作为人类的全部潜能。
近期，Hacker News 上关于亚里士多德美德与幸福观的讨论，演变成了一场关于阅读原著与依赖“列表式”语录孰轻孰重的深度辩论。
许多用户指出，一些广为流传并被归于亚里士多德名下的引言，实际上是误传或现代人的改写——例如那句著名的“卓越是一种习惯”，其实出自威尔·杜兰特之手。评论者认为，这类“劣质”内容将复杂的哲学体系浅薄化了，并呼吁读者直接研读《尼各马可伦理学》等原著。
讨论还涉及了亚里士多德思想的局限性，包括他在奴隶制、性别问题上的历史局限，以及他更侧重理性推演而非实证实验的弊端。然而，支持者们强调了他在西方思想史上的奠基作用，尤其是他提出的“幸福”（eudaimonia，常被误译，实指在共同体中践行美德并实现自我）。
归根结底，这一讨论凸显了一个反复出现的张力：尽管古代哲学中的“金句”是人们进行自我提升和反思的流行工具，但它们无法取代严谨的学习；只有通过深入研究，才能理解历史思想家的真实论证、体系框架及其固有的局限性。
病态的人群 A Sick People
2 天前
在这篇日记中，作者反思了自己在国外旅行后回到美国时所经历的那种深刻的苦闷感。他观察到，当其他国家（如墨西哥）的人们往往表现出真诚的善良与满足时，美国人却被一种普遍存在的痛苦、理所应当的索取感以及愤世嫉俗的文化所定义。
作者认为，这种“国家病”源于美国个人主义的扭曲。他指出，这种曾经代表坚韧自立的理想，如今已演变成一种以自私、无视社区、无视老人及下一代为特征的“傲慢的唯我论”。他描述了一个日益懒散、缺乏教育且始终处于紧绷状态的社会。最终，作者表达了深切的忧虑，认为这种有毒的社会氛围具有传染性，并指出他待在国内的时间越长，就越能感受到这种负面情绪正渗透进他自己的生活中。
Hacker News 的这篇帖子讨论了一篇批评美国社会的博文，作者在出国旅行并体验了美国以外的生活后感到如释重负。主要的抱怨集中在普遍的压力感、过度的个人主义、社会保障网络的匮乏、医疗问题以及对社会暴力的恐惧。
评论者的观点两极分化严重。批评美国的人认为，美国式的极端、不受约束的资本主义和缺乏社区支持，造成了一种“悲凉”且孤立的环境。他们指出了高水平的不平等，以及一种将个人利益置于社会福利之上的文化。
反之，许多用户认为该帖带有“游客偏见”，主张游客往往会将度假时的短暂轻松误认为是该国生活的现实。他们认为这是“草更绿”效应和确认偏误在作祟，并指出每个国家都有自己复杂的困境，包括肥胖、社会动荡和政治失调。
总之，这场讨论凸显了两种观点之间的鸿沟：一方将美国视为一个问题独特、过度竞争的社会；另一方则将其视为一个广阔多元的国家，认为其挑战经常因负面刻板印象和缺乏长远眼光而被夸大。
Cloudflare 已开源 **Cloudflare OS**，这是一个旨在将 AI 智能体直接集成到组织内部工作流程、系统和机构知识中的平台。与通用型 AI 工具不同，Cloudflare OS 提供了一个安全、受控的工作空间，使智能体能够“立足”于公司特定的术语、流程和数据。 该平台由三个主要部分组成： * **智能体工作空间 (Agent Workspaces)：** 基于浏览器的环境，智能体可以在其中进行研究、创建文档，并构建与实时内部数据保持连接的、可修改的全栈应用。 * **安全与治理 (Security & Governance)：** 一个使用“守门人 (Gatekeepers)”来管理 API 访问的强大框架。它通过隔离凭证和记录资源观察结果来确保敏感数据受到保护，从而防止未经授权的数据泄露。 * **可扩展协作 (Scalable Collaboration)：** 一个共享的“技能”库，允许团队将最佳实践进行编码。一旦某个流程实现自动化，整个组织都能从中受益，并且应用可以作为蓝图进行共享或模板化，供他人自定义。 Cloudflare OS 现已在 GitHub 上发布，供各类组织部署、定制并与现有技术栈集成。它使企业能够从静态的 AI 对话转向动态的操作系统，在实现工作自动化的同时，保持企业级的安全性和管控能力。
Cloudflare OS 是一个专为 AI 驱动工作而设计的新型开源平台，其创始人 Kenton Varda 将其描述为他此前项目 Sandstorm.io 的“精神续作”。该平台基于 Cloudflare Workers 构建，允许用户创建“小工具”（Gadgets）——这是一种细粒度的沙盒应用实例，AI 代理可在其中执行任务、管理数据甚至修改代码。
该平台通过隔离机制来强化安全性：由于每个文档或任务都在各自的沙盒中运行，AI 代理可以安全地进行操作，而不会引发系统性漏洞或未经授权的数据泄露风险。此外，它还配备了“守门人”（Gatekeeper）系统，可为外部 API 交互提供审计日志和人工介入审批功能。
尽管“操作系统”（OS）这一品牌名称在技术准确性上引发了争议，但该项目的目标是提供一个基础环境，让非技术用户能够利用 AI 代理自定义软件并自动化工作流程，同时规避企业级安全风险。该项目完全开源且支持自托管，尽管目前针对 Cloudflare 的基础设施进行了优化。虽然一些用户对厂商锁定表示担忧，但 Cloudflare 团队坚称，该项目的可移植性和开源性质为企业级 AI 的采用提供了切实可行的路径。
作者开发了一个完全使用纯 BSD `make` 编写的功能完备的曼德博集合（Mandelbrot set）渲染器，且未调用任何外部二进制文件。在意识到 FreeBSD `make` 语言具有计算通用性后，作者利用基础的长除法算法和查找表实现了加、减、乘等基本算术原语，并采用牛顿-拉弗森法（Newton-Raphson method）实现了除法。
该项目是一次将 `make` 推向极限的技术演示。由于渲染器通过重复的文件包含和迭代式的数字处理来进行计算，因此资源消耗极大；渲染图像可能需要数小时甚至数天。项目中存在独特的“条纹”伪影，创建者将其归因于自定义浮点数实现中的边界情况。为了优化性能，代码热点区域的注释被移除，因为文件大小会影响处理时间。
该项目已托管至 GitHub，并提供了将图像渲染为 PPM 格式的工具。作者认为该项目展示了 `make` 未被发掘的潜力，并提出未来的迭代版本甚至可以探索二进制算术或简单指令集架构（ISA）的实现。
Hacker News 新内容 | 过往 | 评论 | 提问 | 展示 | 招聘 | 提交 登录
BSD Make 狂欢：用 bmake 实现曼德博集合 (github.com/b-aaz)
32 点，由 signa11 发布于 1 天前 | 隐藏 | 过往 | 收藏 | 6 条评论
stragies 1 天前 | 下一条 [–]
笔误：README 的第 3 行可能应该写成 "I could not suppress ..."
关于主题：非常有创意的 `make` （滥）用。+1
回复
b-aaz 1 天前 | 父评论 | 下一条 [–]
好眼力，谢谢！
回复
shevy-java 1 天前 | 上一条 | 下一条 [–]
这就是为什么 BSD 在与 Linux 的竞争中失利：他们花太多时间在玩乐上了！
回复
avadodin 1 天前 | 父评论 [–]
> 证据 A：bsdgames
回复
tonetheman 1 天前 | 上一条 [–]
很棒的东西……在 make 中放入渲染器并撰写相关文章，这就是 Hacker News 存在的原因。
回复
b-aaz 1 天前 | 父评论 [–]
谢谢！
回复
考虑申请 YC 2026 年秋季批次！申请通道开放至 7 月 27 日。
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系方式
搜索：
由数学家托马斯·布鲁姆（Thomas Bloom）创建的数字存储库 **erdosproblems.com** 本旨在整理保罗·埃尔德什（Paul Erdős）提出的数千个猜想，如今却出人意料地成为了人工智能在数学领域的主要试验场。随着大语言模型（LLM）的兴起，业余爱好者和专业数学家开始利用 AI 攻克这些难题，推动了已解决猜想数量的激增。 2026 年 5 月，该领域迎来了一个里程碑：OpenAI 的一个内部模型针对埃尔德什长期悬而未决的“单位距离”问题，提供了一个精妙的反例。这一成就，连同随后谷歌 DeepMind 和独立研究人员取得的突破，被誉为 AI 数学推理能力的“相变”。 虽然 AI 使研究实现了民主化——让非专业人士也能与陶哲轩（Terence Tao）这样的传奇人物协作，但也带来了新的挑战，例如大量无法经由人工验证的 AI 生成证明。因此，数学界出现了分歧：一些资深数学家认为，这些进展标志着数学研究的重心已转移至科技实验室，促使人才从学术界流向工业界；而另一些人则继续将 AI 作为提升个人生产力和享受科研乐趣的工具。
近期人工智能在解决长期悬而未决的埃尔德什（Erdős）问题上取得的突破，在数学家和科技观察者中引发了激烈争论。讨论的焦点在于，这些人工智能的成果究竟是真正的数学进展，还是缺乏深度的“模式匹配”。
批评者认为，由于人类数学家难以理解这些机器生成证明背后的逻辑，其效用值得怀疑。他们主张，数学真正的价值在于发现的“过程”——即新概念和新技术的创造，而不仅仅是最终答案。人们担心人工智能可能会解决一些唾手可得的问题，从而削弱该领域人类主导的创新和智力增长潜力。
相反，支持者则将这些成功视为学科的一种演进。他们认为，人工智能可以有效管理高复杂度任务，就像计算机引擎改变了国际象棋或软件开发一样。通过自动识别证明和反例，人工智能使人类研究人员能够专注于对复杂结果进行“重构”和解读。尽管目前缺乏人类可理解的直觉是一个障碍，但许多专家认为，这将推动行业向新的职业路径转型，即专注于将机器主导的发现翻译并综合为人类可理解的知识。