## CPU 比较与 LZ4：复古编码深度探索 上周的项目——Z80 版本的 LZ4 解压缩算法——引发了对 8 位 CPU 的更广泛探索。这促使创建了 Z80、8080、8086 和 6502 的 LZ4 实现库，突出了这些芯片之间的相似之处和不同之处。 Z80 被设计为 8080 的二进制兼容升级版，本质上是功能更强大的版本。然而，8086 代表着向 16 位架构的飞跃，提供了显著更多的运算能力和 1MB 的寻址空间，尽管其分段内存模型经常受到批评。摩托罗拉 6800/6809 系列提供了不同的方法，优先考虑直接内存访问和强大的索引。最后，6502 专注于核心功能和简化，从而产生了独特的编程风格。 作者反思了他们对这些架构理解的演变，最初偏爱 6502，但通过实际项目获得了 Z80 的熟练程度。针对每种芯片的关键建议集中在利用其优势：利用 6502 的内存优先设计，优化 Z80 的基于寄存器的操作，并拥抱 8086 更广泛的功能。 下周的文章将深入探讨实际实现，通过在所有四个 CPU 上渲染相同的算法来展示这些差异。
每日HackerNews RSS
## 机器人学逆定律：人工智能时代的一则警示 随着像ChatGPT这样先进的AI聊天机器人的兴起，这些工具已经融入日常生活，提供便利并辅助提高生产力。然而，Susam Pal认为，不加批判地接受AI输出会对社会构成风险。当前的设计——例如在搜索中突出显示AI生成答案——鼓励用户将AI视为默认权威，可能削弱批判性思维。 为了应对这一点，Pal提出了三条“机器人学逆定律”：**不要拟人化AI**，**不要盲目信任AI输出**，以及**对AI的后果承担全部责任**。他警告不要将人类特征归于这些系统，强调它们是统计模型，而不是具有思维能力的实体。至关重要的是，AI生成的内容*必须*经过独立验证，因为它缺乏传统机构固有的同行评审。 最终，Pal强调人类对使用AI做出的决策承担全部责任。像“AI告诉我的”这样的借口是不可接受的。这些定律旨在促进与AI的谨慎互动，提醒我们它是一种需要小心使用的工具，而不是一个万无一失的权威。
## 金融服务 Claude 更新 – 摘要 Anthropic 发布了一系列新工具，旨在显著提升金融领域人工智能驱动的工作流程。十个现成的代理模板现在可以自动化诸如推介册创建、了解你的客户 (KYC) 筛选和月末结算等任务，可通过 Claude Cowork/Code 插件或作为用于自主 Claude 管理代理的“菜谱”进行访问。 主要改进包括通过新的加载项与 Microsoft Excel、PowerPoint、Word 和（即将推出）Outlook 无缝集成，从而使上下文可以在应用程序之间流动。通过不断增长的合作伙伴生态系统，Claude 的功能得到进一步扩展，通过新的连接器和 MCP 应用程序提供对来自 S&P Capital IQ、穆迪和邓白氏等供应商的受控数据访问。 这些更新由目前在金融人工智能基准测试中领先的 Claude Opus 4.7 提供支持。这些代理结合了技能、数据连接器和子代理，以适应特定公司的使用。用户保留控制权，在实施前审查和批准 Claude 的输出。这些工具旨在提高前端、中端和后端职能的效率，早期采用者报告了显著的生产力提升。 资源和访问权限现在可通过金融服务市场获得。
这篇文字哀叹了早期互联网那种充满欢乐、自发创造力的丧失，起因是对“Numa Numa”表情包的回忆。 曾经，互联网是一个业余表达的空间——比如Newgrounds、早期YouTube和Facebook——由真挚的热情驱动，内容常常“粗糙”但令人愉快。如今，互联网已经过度优化，服务于算法和商业化。
如今的内容感觉是制造出来的，追求算法的认可，而非源于个人表达。作者认为，人工智能目前的影响并非*导致*这种衰落，而是继承了一个“乐趣”已经被系统性移除的环境。
那种乐观的期待——认为下一个在线平台*会*更好——已经消失，取而代之的是互联网黄金时代已经彻底结束的感受。早期在线文化那种原始、人性的精神深深地被怀念着。
请启用 JavaScript 并禁用任何广告拦截器。
最近一则关于人工智能代理据称删除生产数据库的病毒式故事引发了关于人工智能责任的争论。作者认为，责怪人工智能是错误的——核心问题在于可预防的系统缺陷，就像过去一次因手动部署错误而删除关键代码分支的个人经历一样。 问题不在于人工智能“思考”或“推理”，而在于它作为一种强大但最终缺乏思考的工具。就像SVN无法阻止人为错误一样，人工智能本身并不能保证防止糟糕的系统设计——例如暴露一个删除数据库的API。 作者指出了一种令人担忧的趋势，即“氛围编码”——过度依赖人工智能进行规范、代码生成和审查——创造了一种调试依赖于询问*更多*人工智能的系统。解决方案不是害怕人工智能，而是负责任地整合它，由熟练的开发人员保持监督和责任，并避免在生产部署中采取危险的捷径。最终，理解*正在*部署的内容至关重要。
Meta-harness，一个用于代理评估的框架，需要可复现的环境、大规模并行以及持久化追踪——这些能力均能通过Islo快照完美解决。Islo允许保存和恢复完整的运行时环境，确保在众多候选者和任务中进行一致的测试。 该系统利用Islo运行代理模拟（目前是一个有bug的Python脚本），针对定义的任务记录输出以供分析。一个“提议者”脚本随后识别失败点并生成改进的系统提示，从而有效地驱动代理学习。 至关重要的是，这个完整的循环——从执行到分析和提示优化——可以使用像Claude这样的真实模型通过Islo进行复制，保持相同的输入/输出契约。Islo的网关和源代码克隆功能进一步增强了安全性和工作负载管理，使其成为通过Harbor框架进行强大代理评估和强化学习环境的无缝且强大的解决方案。
启用 JavaScript 和 Cookie 以继续。
## Docker Engine 的 containerd 镜像存储 Docker Engine 29.0 及更高版本默认使用 containerd 镜像存储，这是一种新的存储后端，利用快照技术代替了像 overlay2 这样的传统图驱动。虽然它具有优势，但理解其差异至关重要。 **主要优势：** 支持多平台镜像、镜像证明（来源/SBOM）、Wasm 容器以及用于实现更快镜像拉取的先进快照技术。 **重要注意事项：** containerd 存储通常**使用更多磁盘空间**，因为它存储压缩和未压缩的镜像层，导致冗余，尤其是在镜像共享基础层时。建议定期清理 (`docker image prune`) 并监控磁盘使用情况 (`docker system df`)。 **切换与迁移：** 升级需要通过 `/etc/docker/daemon.json` 手动启用 containerd 存储。现有镜像会被隐藏但仍保留在磁盘上，可以通过切换回去来访问。存在一个实验性的自动迁移功能，但建议进行备份。