五个月前，PostHog 将其数据仓库从 ClickHouse 迁移到 DuckDB，以提供客户隔离实例和与 Postgres 兼容的工具。DuckDB 在本地表现良好，但在云规模下表现不佳：查询前调整工作节点规模、预测 CPU/内存、S3 获取，以及 DuckLake 目录限制导致写入缓慢和元数据膨胀。Postgres 协议支持也难以在客户端间扩展和维护。因此，他们围绕自己的 Trino 版本和新的开放表格式 HogLake 进行了重新架构，并首先在 PB 级规模进行测试。他们仍然看好 DuckDB，但现在优先考虑可预测、可扩展、托管的数据仓库体验，并正在寻找拥有大数据集的设计合作伙伴。
每日HackerNews RSS
Hacker News 讨论了 PostHog 博客文章，内容是其仓库产品从 DuckDB 迁移到自定义 Trino 技术栈，此前曾从 ClickHouse 迁移。评论者批评结果不清晰、反复迁移以及缺乏测试或规划。作者澄清该仓库产品与 PostHog 主 ClickHouse 分析数据库分离，并已与试点客户测试；DuckDB 可用但需要过大的节点，不经济，而 Trino 更好支持分布式查询。其他评论讨论 ClickHouse 和 Iceberg/Trino 等替代方案，担忧简历驱动开发和 DBA 专业知识流失，并质疑 AI 代理是否会增加架构变更。多名用户要求基准测试、技术细节和证据证明新方案解决了问题。总体来说，该讨论串反映出对快速数据栈迁移的怀疑，并要求更清晰的指标。
作者失去了长期运行的粉丝网站 teapuppies.com，它被赌博广告占据，因此敦促读者自己归档喜爱的网页，而不是依赖组织。他们介绍了使用标准格式的个人网页归档工具。ArchiveWeb.page 浏览器扩展和独立应用让用户通过浏览并点击开始/停止，轻松捕获单个页面或网站。Browsertrix 是一款面向更大规模网站的付费、可定制爬虫。归档页面可在本地回放，或通过 WARC/WACZ 文件、嵌入式查看器、网站进行共享。作者强调备份喜爱的内容并分享副本以保存它。
Hacker News 用户普遍认为网站和媒体会随时间消失，因此个人归档很有价值。评论者分享了旧网站、论坛、音乐和图片的丢失，并推荐了 SingleFile、ArchiveBox、Hister、Linkding、Linkwarden、Karakeep、Obsidian Web Clipper、HTTrack、Monolith、Zotero、wget 和打印为 PDF 等工具。基于浏览器和自托管的方案更受青睐，因为它们能绕过现代反抓取屏障。几位用户强调要保存内容而非仅保存页面，并使用可搜索的档案。担忧包括位衰减、Wayback Machine 的缺失、AI/LLM 影响或改写历史、平台劣化以及版权问题。总体而言，该讨论鼓励对喜爱或有用的网络资源进行本地和冗余备份。
Bloomberg 需要帮助？联系我们 我们检测到您的计算机网络存在异常活动 要继续，请点击下面的方框以确认您不是机器人。 为什么会发生这种情况？ 请确保您的浏览器支持 JavaScript 和 cookies，并且未阻止它们加载。 如需更多信息，您可以查看我们的 服务条款 和 Cookie 政策 。 需要帮助？ 有关此消息的询问，请 联系 我们的支持团队 并提供下方的引用 ID。 阻止引用 ID：fceab87e-d6d6-11f1-960b-fce3d22222bd 通过 Bloomberg.com 订阅，随时随地获取最重要的全球市场新闻。 立即订阅
该帖讨论了一篇关于在AI热潮中挣扎的被裁旧金山科技工作者的彭博社文章，许多人感觉自己被排除在AI公司的财富创造之外。评论者争论成功是运气还是技能，指出股权收益因稀释和锁定期而被高估，并认为面试有一定随机性。其他人将裁员归因于AI资本支出、离岸外包、异步工作和成本削减；一些人认为H1B/离岸外包是烟雾弹，而另一些人则责怪它们。该帖还涵盖旧金山的高生活成本、住房与分区、远程工作、AI工具是否让更便宜的远程工作者取代旧金山中等工程师，以及非科技居民是否也被排除在外。一些人建议搬离或创业；另一些人则捍卫旧金山的可步行性和生活方式。总体而言，讨论看法不一：AI收益集中在顶尖人才和公司，而许多科技工作者面临不确定的前景和更广泛的劳动力市场压力。
这段内容是一串论坛式评论，涵盖许多不相关的科技话题。它讨论了本地 AI 的成本与可访问性、安全漏洞、AI 辅助黑客攻击、技术债务、软件工程标准，以及 AI 在科学、教育、政府和金融中的作用。多条评论辩论 AI 是民主化能力还是集中权力，是恶化安全还是仅暴露既有缺陷，以及现代机构是否压抑创造力与实验。其他内容涉及 DRM、Google 的 AI 商业模式、开放与受控 AI，以及暗色主题、GitLab 术语、HTTP 和视频数量等日常工具偏好。总体而言，它更像碎片化在线讨论，而非一个连贯论证。
这篇 Hacker News 帖子介绍了“Show HN：Hacker News，但针对 HN 上发布的评论”，一个受 Hacker News 启发的元站点。它有 19 分和 6 条评论。评论者讨论相关想法，包括关于评论中最常链接的 Hacker News 项目的报告、关于“Hacker News 的 Hacker News 数据前端”的玩笑，以及对网站真实 HN 美学的称赞。一位用户说它应该更像“AI slop”，而其他人澄清帖子本身已经是 HN，该评论是后续玩笑。总体而言，该话题是关于 HN 文化和评论导向界面的轻松元评论。
没有可翻译的内容。
Hacker News 讨论了 LongCat-2.5，一个用于智能体任务的 AI 模型。其基准测试将其与旧版 GPT/Claude 版本进行比较，引发争议：部分用户认为这是有用的能力定位，而另一些人则认为它回避了与当前模型的比较或缺乏成本背景。评论者指出，尽管参数量庞大，但在家中运行可能并不实际，而 API 定价似乎与 DeepSeek 具有竞争力；速度据报道很快但不稳定。用户测试结果褒贬不一：有些人发现对话行为不佳且可能存在基准测试过度优化，而另一些人则称赞其输出，如详细的 SVG 鹈鹕。可用性问题包括开放权重状态不明确、损坏或重定向的聊天/登录流程，以及美团/Keeta 账户要求。总体而言，该帖将 LongCat-2.5 定位为具有潜在竞争力但定位不清、存在访问问题并对基准测试声明持怀疑态度。
请启用 JavaScript 和 Cookie 以继续
一篇 Hacker News 帖子讨论了一项研究，该研究将无意小睡与可能或可能的痴呆症联系起来，而有意小睡并未与风险增加相关。评论者普遍质疑这种关系是否具有因果关系，认为痴呆症或睡眠呼吸暂停等潜在问题可能导致无意小睡，而非小睡导致痴呆症。他们还争论有意与无意小睡的定义方式，并指出睡眠质量差等混杂因素。
一个世纪前，希尔伯特寻求数学的完备、一致基础，以及判定任意命题真伪的算法。哥德尔与图灵证明两者都不可能，但类型理论成熟为Lean等证明助手。如今，AI大规模生成证明与代码，实现了希尔伯特的梦想，令数学家与程序员都不安。作者警告，放弃理解AI生成的代码是悲剧：通过丘奇-霍华德对应，代码即证明，我们能从源代码完全理解程序。与其接受不可读的机器输出，我们应简化、重构并使用更好的抽象，直到能在头脑中掌握它。冯·诺伊曼预见机械可判定性会改变数学；真正的危险是交出人类判断。呼应希尔伯特的“我们必须知道——我们将知道”，我们必须持续思考与验证，以免失去对命运的掌控。
这篇讨论串围绕一篇引用希尔伯特口号“我们必须知道，我们将知道”的博客文章展开。用户就软件理解与抽象展开辩论：开发者是否需要把代码记在脑子里，以及 AI 生成的代码是否可信。一些人认为高层源代码加上确定性编译器已足够，而 LLM 不确定性，应辅助而非取代理解。其他人指出规范可能不完整，导致代理编造看似合理但不一致的细节。一位评论者将软件复杂度比作法律/税务系统，认为单靠语言无法消除复杂度；另一位警告不要像社会对社交媒体那样把思考外包给 AI。总体而言，讨论聚焦于找到合适的抽象层次、验证 AI 输出，以及保持人类理解和工程严谨性。
我们的网站安全防护触发了拦截。如果你认为这是错误的，请发送电子邮件至 [email protected]。请包含你如何到达此网页以及页面底部的 Cloudflare Ray ID。如果你想询问访问我们内容的权限，请发送电子邮件至 [email protected]。Cloudflare Ray ID：a54434b64bff9610 返回 The Atlantic
对不起。
请启用 JavaScript 和 Cookies 以继续。
该帖讨论了为何苏联数学教材似乎比美国教材更难。评论者将苏联的严谨性部分归因于不为学习吃力的学生软化课程的体系、允许留级，以及通过专门学校、数学小组和精选自学材料识别与培养天才学生。其他人警告说，西方观察者主要看到的是成功的苏联移民，而非代表性结果，并指出许多苏联学校并不均衡或存在腐败。美国教材被描述为更厚、更容易理解、支持多样化学习者，但有时被稀释或注水；一些人认为这更适合普通学生和劳动力需求。讨论还涉及文化期望、教师质量、课程设计，以及高标准与广泛包容之间的权衡。
Anthropic 修改了 S-1 文件，报告截至 9 月 30 日九个月收入 332.4 亿美元，同比增长约 1200%，但净亏损 1040 亿美元，主要来自可转换票据和衍生负债。第三季度收入约 170 亿美元，净亏损 232.9 亿美元。文件还披露了约 8954 亿美元的购买承诺和租赁，主要为计算和基础设施，称计算/基础设施支出上升 144 亿美元，增长 329%。在准备潜在 IPO 路演之际，Anthropic 面临市场对 AI 基础设施成本、利率上升以及计算能力能否满足需求的担忧。公司由 Dario Amodei 领导，强调安全并列举了大量风险。
Anthropic 报告第三季度收入为 170 亿美元（环比增长 47% 至 678 亿美元 ARR），但增长相较此前季度 100% 以上的增速急剧放缓。由于昂贵的现货 GPU 定价，营业利润率转负（-3%），公司净亏损 230 亿美元——主要来自可转换债券公允价值变动，而非运营。
评论者争论 Anthropic 是一家估值 2000–3000 亿美元、却披着 2 万亿美元估值外衣的公司。怀疑者指出其不可持续的承诺支出（8950 亿美元）、不断上升的算力成本、可能的垃圾债券评级、增长放缓，以及对更便宜的开源权重（尤其是中国）模型缺乏强护城河。他们认为 AI 实验室类似资本密集型行业（航空、铁路）并具有低利润率，而非高倍数软件企业。“tokenmaxxing”时代正在结束，模型路由向更便宜替代方案加速。
乐观派反驳称，47% 的季度增长仍属非凡，2 万亿美元估值反映的是近期 AGI 有 10–20% 的概率而非当前收入，且 SOTA 实验室将保持 6 个月以上的领先优势。一些人指出 OpenRouter 数据显示 Anthropic 的 token 使用量在第四季度恢复。
核心矛盾在于：Anthropic 的增长能否在其巨额资本承诺被更便宜的模型商品化其产品之前超越这些承诺。