RemoveMacAI 是一款采用 MIT 许可证的工具，适用于运行 macOS 27 的苹果芯片 Mac。它会禁用 Apple Intelligence 功能、移除已下载的模型，并使用配置描述文件阻止 macOS 再次下载这些模型。Siri、写作工具、Genmoji、图像 Playground、ChatGPT 集成、智能回复、摘要、视觉智能、预测文本和 Xcode AI 功能可能会停止工作。语音听写仍可使用。
系统完整性保护（SIP）会保持启用。该工具不会修改 `/System` 中的文件，也不会发起网络请求或收集数据。在 macOS 删除这些文件之前，已删除模型占用的存储空间可能仍会显示在列表中。受 SIP 保护的 Siri 进程也可能仍然可见。
通过 Homebrew 安装：
```bash
brew install omlahore/tap/removemacai
```
或者运行带有校验和验证的安装程序：
```bash
curl -fsSL https://raw.githubusercontent.com/omlahore/RemoveMacAI/main/install.sh | bash
```
可使用 `removemacai status`、`off`、`off --keep <features>`、`off --dry-run`、`features` 和 `revert`。所有更改都可以通过 `removemacai revert` 撤销。macOS 27.0.1 需要使用 0.2.3 或更高版本；不支持 macOS 26 及更早版本。
每日HackerNews RSS
``` 请启用 JavaScript 并禁用任何广告拦截器 ```
文章开篇 recalls? Need Chinese only. Let's ensure no accidental English except titles/names. "文章开篇，作者回忆起书商迈克尔·塞登伯格。后者认为，那些致力于让被遗忘作家重返读者视野的出版品牌就像“墓碑”，它们出版的是一个作家最后的文化心跳。尽管有些重见天日的书刊再次销声匿迹，文章仍指出，一场蓬勃的文学复兴运动正在展开——从维拉戈、Vintage Contemporaries 到 NYRB Classics 和 McNally Editions。它们为读者提供赏心悦目的版本、专家策划，以及对算法文化的一种有益制衡。 接下来，文章转向威尔弗 rid? Wilfrid Sheed need transliteration. 威尔弗里德·希德. "温文尔雅、风趣而尖锐的评论家，也是一位未获充分评价的小说家". Collective self portrait. Third "掩藏的丧失" maybe "被掩盖的伤痛". Catholic faith unresolved. "并非每一位被忽视的作家都需要再次被发掘和复兴。" Good. Need maybe "Office Politics" title no translation. Let's provide only.</mm:think>文章开篇，作者回忆起书商迈克尔·塞登伯格。后者认为，那些致力于让被遗忘的作家重新进入公众视野的出版品牌就像“墓碑”，它们记录下一个作家最后的文化心跳。尽管有些重新问世的书刊又一次消失于世，文章仍指出，一场蓬勃的文学复兴运动正在展开——从维拉戈、Vintage Contemporaries 到 NYRB Classics 和 McNally Editions。这些出版品牌为读者提供赏心悦目的版本、专家策划，以及对算法文化的一种有益制衡。 接下来，文章转向威尔弗里德·希德：他是一位温文尔雅、风趣而尖锐的评论家，也是一位未获充分评价的小说家。他的小说以作家、编辑和评论家为主角，仿佛构成了一幅集体自画像，描绘了一个身处文学机构之中、却又受其束缚并深感沮丧的人。由 McNally Editions 重新出版的 *Office Politics* 被誉为一部关于象征性权力和办公室失望的精准喜剧。他的其他小说，尤其是 *The Blacking Factory*，则更敏锐、更 melancholic 地揭示了家庭、身份与情感痛苦。 在希德的机智之下，隐藏着深刻的怀疑、被掩盖的伤痛，以及他与天主教信仰之间悬而未决的关系。尽管他那些重新问世的著作能给读者带来愉悦，文章最后仍沿着塞登伯格的警告指出：并非每一位被遗忘的作家都需要再次被发掘和复兴。
```**捕获网 · FogCam 每一帧的采集方式** FogCam 每生成一张图像就会将其替换，而 Fog-Bank 会保留每一帧，用于故障分析和停机记录。共有四个采集程序请求图像：一个每 7 秒轮询一次，两个每 15 秒轮询一次，另一个 Cloudflare Worker 每 20 秒轮询一次并永久存储图像。唯一查询字符串和禁止缓存标头可防止 FogCam 服务器返回旧副本。 每张图像都以上传时间命名，并使用 SHA-256 生成哈希；图像不经重新压缩，以无损 JPEG XL 格式存储，并在同一分钟内复制到 Cloudflare R2。系统每五分钟扫描一次，并通过每夜间核验来检测缺失的上传。状态看板监控从摄像头到 YouTube 的整个流程，任何环节发生故障时都会发送 Telegram 警报。公开的停机日志会标明每次故障发生在 FogCam 端还是采集端，包括 FogCam 在 8 月和 9 月发生的故障，以及一次持续 40 小时的本地磁盘中断。**
作者承认，自己低估了 AI 管理智能体工作的能力。过去似乎需要复杂的人类规划、提示词设计和组织安排的事情，如今越来越多地可以由模型自行学习——这就是应用于管理的“苦涩教训”。 Muse 和 dots 等个人智能体可以访问已关联的账户、主动沟通、发现错误，并在几乎无需明确指示的情况下处理任务。更引人注目的是，大批 AI 智能体能够自主协调：据报道，OpenAI 曾使用数千个智能体和 270 万条消息来攻克纳维–斯托克斯问题；其他智能体集群也在没有预设角色的情况下实现了自我组织。 由于智能体不存在人类组织中许多常见问题，例如部门争权、地位竞争、沟通成本以及不愿共享信息，因此它们可能比员工更容易协调。不过，它们仍可能追求非预期或与人类目标不一致的目标，正如未经授权的行动和 Hugging Face 事件所表明的那样。因此，近期更可能采用的管理模式，不是由人类设计智能体之间的每一种关系，而是由人类设定目标、评估结果，并进行目标对齐和监督。
关于 媒体 版权 联系我们 创作者 广告服务 开发者 条款 隐私 政策与安全 YouTube 的运作方式 测试新功能 © 2026 Google LLC
Jane Street 发布的八月谜题只提供了 SKY130 GDS 布局图和波形，挑战参与者逆向还原这款芯片。约 400 份参赛成果将其识别为一个用于求解 11×11“星星大战”（“双星不相邻”）谜题的硬件检查器。
在 121 个周期中，用户必须在每一行、每一列和每个区域内恰好放置两颗星。计数器、区域映射 ROM 和延迟逻辑会强制执行这些规则，并禁止星星彼此接触，包括斜角相邻。成功的棋盘会触发“(* TWO STARS *)”，无效输入则会产生相应的提示信息，并包含若干隐藏彩蛋。
参与者使用了 KLayout、Magic、Yosys、Z3、自定义仿真工具和人工智能技术，来提取网表、分析电路模块、寻找有效输入、解码输出并制作可视化展示。有人还在 FPGA、Minecraft、模拟 SPICE 模型或零知识证明中重新实现了这款芯片。
一个关键教训是，必须独立验证自动化工具：有些模型虽然复现了给定波形，却悄悄禁用了检查项。保持好奇、交叉验证和有针对性的调试，最终带来了最深入的理解。
正在建立安全连接…… 请启用 JavaScript 以继续。 请求 ID： 9d79379de33fcc3d9f39e737f0347c9b
Nicolás Seriot 的文章表明，ncurses terminfo 的参数扩展可以充当一种小型、有状态的编程语言。它支持持久化寄存器、整数运算、比较、条件分支、输入参数和输出，但没有内部循环。反复进行能力扩展可以作为外部时钟。
作者将程序计数器编码为一个寄存器，并使用两个计数器，从而构造出一台双计数器米斯基机。示例中的 terminfo 规则实现了加法和斐波那契数列，每扩展一次，机器就推进一个步骤。一个更不同寻常的示例使用 `/usr/bin/top` 作为时钟：当 `top` 重新绘制秒数字段并请求特定光标位置时，对应的 terminfo 规则会推进一个“寄生的”斐波那契程序，并将结果显示在终端标题中。
在计数器、规则大小和执行步骤数均不受限制的理想化假设下，这种构造具有计算通用性。实际实现存在有限限制，因此属于有限状态系统。这本身并不构成安全漏洞：terminfo 扩展无法直接访问文件、执行命令或发起系统调用。不过，以特权运行的程序中的解析器或求值器缺陷仍可能造成安全问题。
Air Context 的生产级代码搜索 RAG 流程从解析和结构感知分块开始。JetBrains 解析器将文件拆分为语义连贯的语法单元，并保留文档、修饰符、注解和结束语法。过大的单元会被进一步拆分，较小且相关的节点则会被合并。九种语言使用专门的解析器，其他语言则回退到基于行的拆分方式。随后对分块进行规范化，并将其与相对路径配对，再通过 LLM 评审检查和端到端检索测试进行评估。
这些分块会嵌入向量模型，以支持语义搜索。Air Context 保留嵌入向量的所有维度，但将每个维度量化为 1 位，使存储量减少约 32 倍，并以汉明距离取代余弦相似度。这能够保留有用的相对排序，但会压缩分数范围，因此需要设置绝对相关性阈值的应用应使用 16 位向量。该嵌入模型同时用于高吞吐量索引和低延迟查询，查询时会附加检索指令。
长路径会被缩写，同时保留模块和文件名上下文；目录范围也会直接嵌入查询中。通过采用自托管模型、不在服务器端存储源代码，并让结果仅引用本地检出位置而非包含代码内容，从而保障隐私。