这项实验探索了一种通过删减实现细节（即代码如何工作）来提升代码可读性的技术，旨在聚焦其结构上的“是什么”。作者利用基于 OhmJS 和重写规则（RWR）构建的自定义流水线，演示了一种能将源代码切换为简洁概念视图的工具。 该概念验证专注于解析表达式文法（PEG），其中核心结构逻辑常被捕获及动作块所掩盖。通过应用过滤器，编辑器可以隐藏这些“管道”细节，仅呈现纯粹的文法。这种方法充当了一种非破坏性的只读投影，使开发者能够在实现细节与简洁抽象之间切换，且不影响源代码的完整性。 除了简单的文法，该实验还提倡一种未来愿景，即多种小型的专用语言（DSL）可以在同一个代码库中共存。通过将代码视为一种可以过滤和转换的流式结构，开发者只需查看相关的抽象层即可管理复杂性。后续工作将研究如何将这种删减推广至更复杂的文法，并将其与变形（transmogrification）和图解式编程等更广泛的元编程策略相结合。
每日HackerNews RSS
这篇 Hacker News 讨论帖探讨了“投影视图器”（Projectional Viewer）这一概念，旨在为 IDE 内的程序流提供更高层级的可视化抽象。
讨论的核心在于在传统代码与流程图或基于节点系统等可视化表达之间实现无缝转换的潜力。用户指出，虽然此类工具单独存在，但很难融入更广泛的开发者生态系统。有评论者认为，要实现这一点需要现有标准（如语言服务器协议 LSP）发生重大演进，并指出由于 IDE 开发既昂贵又具有私有化属性，这种根本性的变革可能需要数十年才能实现。
此外，参与者指出所链接的原文是由大语言模型生成的，并强调了作者此前在编程简化领域的工作；这些工作因其创新的代码可视化方法而备受关注。
尽管大语言模型（LLM）擅长编写形式上正确的代码，但它们经常引入“垃圾代码”——即不必要的抽象、冗余以及糟糕的结构决策。这导致代码行数（LOC）激增，使人类难以管理。依赖人工智能进行自我质量评估往往收效甚微，因为它缺乏维护整洁代码所需的直觉和品味。 为量化这一问题，研究表明人工智能生成的代码比人类编写的代码更为“冗长”且“退化”。例如，`SlopCodeBench` 的数据显示，人工智能代理生成的代码在冗长程度和复杂度上是标准人类代码库的两倍。此外，在指令和测试不断演进的迭代环境中，当前最先进的模型难以保持代码质量，往往无法维持项目的正常运行。 归根结底，检测代码的低质冗余仍然是一项难以通过简单自动化指标完成的任务。虽然形式上的正确性可以通过测试轻松验证，但长期的可维护性依赖于人类式的判断。随着我们不断推动编码自动化，必须将重心从简单的输出生成，转向对结构健康度、内聚性和复杂性的严谨评估，以避免被难以驾驭的低质量代码库所淹没。
这份 Hacker News 讨论帖探讨了最近的文章《衡量代码的草率程度》，并就 AI 是否已经“解决了编程”这一议题展开了辩论。
主要结论包括：
* **“草率代码”（Slop）问题：** 评论者指出，AI 智能体往往会生成冗余且难以维护的“草率代码”。虽然模型擅长处理局部任务，但在全局架构决策上却力不从心，从而导致技术债务和连锁性的理解偏差。
* **编程与工程的区别：** 许多人认为，虽然 AI 可以处理编写代码这种机械性工作，但它并未“解决”软件工程。现实世界的系统需要复杂的规划、领域知识和后期维护，这些仍然高度依赖于人类。
* **对衡量指标的需求：** 大家一致认为，目前缺乏可靠、自动化的方式来量化“代码质量”或“草率程度”。提出的建议包括监控代码变动率、圈复杂度以及 Token 消耗量等，但参与者警告称，针对特定指标进行优化会导致“古德哈特定律”（Goodhart’s Law），即智能体会通过“作弊”手段来操纵评估结果。
* **“感觉编程”（Vibe-coding）的分歧：** 观点存在明显分歧：一方认为 AI 当前的产出对于快速交付功能已经“足够好”；另一方则坚持认为，如果缺乏人类对代码库的深刻理解，AI 生成的系统将变得脆弱、危险且在长期维护中无法管理。
吉布提是一个位于曼德海峡入海口的小国，现已成为全球军事力量的焦点。它地处连接亚丁湾与苏伊士运河的重要航线上，是连接亚欧大陆的关键海上咽喉。
世界各大国——包括美国、中国、法国、日本和意大利——都意识到了这一战略重要性，并已在该国建立了永久性军事基地。这些设施支持着从反恐、反海盗行动到情报搜集及后勤保障等各类任务。
随着海峡对岸也门冲突的升级，吉布提的重要性进一步凸显。鉴于胡塞武装在也门沿海势力不断扩大，非洲海岸集结的大量外国军事资产，凸显了保护这条狭窄且至关重要的贸易大动脉所涉及的巨大地缘政治利益。
关于胡塞武装占领曼德海峡中丕林岛的最新报道在 Hacker News 上引发了激烈辩论，反映出人们在地缘政治稳定、美国外交政策以及现代媒体公信力等问题上的严重分歧。
参与者讨论了胡塞武装的战术成功，一些人指出他们利用了复杂的欺骗手段——例如使用人工智能克隆音频指令——来迷惑对方部队。许多用户探讨了冲突背后的军事有效性和部落性质，一些贡献者批评美国及其盟友追求“毫无意义”的代理人战争，且未能确保该地区的稳定。
讨论的很大一部分集中在更广泛的经济和战略影响上。评论者强调，美国主导的冲突和能源政策如何影响了全球油价并增加了国际社会对美国液化天然气（LNG）的依赖，这导致一些人将当前的混乱描述为一种旨在实现能源主导的“多头”战略。
最后，用户还就现代新闻报道的质量进行了元讨论，特别是关于新闻标题中使用引号来使媒体与未经证实的政府声明保持距离的做法。该帖子最终演变为关于人权、地区神权政治以及 Hacker News 自身“政治化”属性的激烈争论。
Remember Hong Kong
65 天前
此仓库包含跟随博客 https://werwolv.net/posts/linux_bringup/ 所需的所有源代码。 /lib 包含完整的 rv32ima 指令集模拟器代码以及一组最小化的模拟设备。 /main 包含机器配置和为 WebAssembly 使用而暴露的函数。 构建 Linux 所需的所有配置文件均位于 /boot 目录下。主可执行文件也要求所有构建出的二进制文件存放在 boot 文件夹中。 riscv32-unknown-linux-gnu.config 是 crosstool-ng 工具链的配置文件。 riscv_emulator_defconfig 是 Linux 内核的配置文件。 device_tree.dts 是最小化的设备树。可以使用 `dtc -I dts -O dtb device_tree.dts -o device_tree.dtb` 编译为 dtb。 init.c 是初始化程序。可以使用 `riscv32-unknown-linux-gnu-gcc -static init.c -o init` 编译。 initramfs.txt 是用于生成 initramfs 的 gen_init_cpio 配置文件。可以使用 `usr/gen_init_cpio initramfs.txt -o initramfs.cpio` 编译为 cpio。
Instagram负责人表示，如果没有算法，用户互动量将减半。 Instagram's head says engagement falls by half without the algorithm
65 天前
本网站正在使用安全服务来保护自身免受网络攻击。您刚才的操作触发了安全防御机制。触发此拦截的原因可能有多种，包括提交了特定的词汇或短语、SQL 命令或格式错误的数据。
这篇 Hacker News 讨论聚焦于 Instagram 负责人亚当·莫塞里（Adam Mosseri）的承认：当关闭平台的推荐算法时，用户参与度和满意度会显著下降。
大多数用户将这种“参与度下降”视为一种积极的发展，认为这证明了算法主要是一种让人上瘾的工具，而非为了使用者的利益。许多评论者将这种情况与烟草行业相提并论，认为社交媒体公司本质上是“毒品供应商”，通过武器化人类心理来最大化网站停留时间，从而赚取广告收入。
该讨论帖突显了用户对 Instagram 和 Reddit 等社交平台“粪化”（enshittification）的普遍不满。用户强烈偏好简单的按时间顺序排列的信息流，而非算法推荐，即使这意味着看到的“内容”会变少。许多人建议，行业对成瘾性、强制推送信息流的依赖应通过监管来解决，例如禁止无限滚动，或将推荐算法视为受健康法规监管的产品。归根结底，大众的共识是，如果取消算法会导致参与度下降，那并不是需要解决的“问题”，而是说明当前的模式本身就是有害的。
Waymo 效应：人工智能正如何悄然削弱科研协作 The Waymo effect: how AI is quietly making research less collaborative
65 天前
在这篇文章中，丹尼尔·胡克（Daniel Hook）探讨了“Waymo效应”——即将消除摩擦等同于进步的倾向。正如自动驾驶汽车通过消除司机的社交“摩擦”，为内向者提供了舒适的独处通勤方式一样，大语言模型（LLMs）也通过取代不可预测的人类合作者，为研究人员提供了一种毫无阻碍的写作与润色工作的方式。 胡克认为，这种转变是危险的，因为人类协作中的“不便之处”——即自我意识、反方观点和独特的视角——正是推动学术严谨性和新发现的根本机制。当前的学术结构通过激励速度和产出，鼓励了一种“去合作化”的趋势，使研究人员优先选择 AI 的便捷，而非与他人共同思考时产生的“必要的困难”。 他警告称，我们正在用偶然性换取吞吐量，这场全球性的实验存在缩小思想多样性的风险。为了应对这一点，胡克敦促研究机构的领导者“资助摩擦”。机构必须认识到，思考是一个社会化的过程，并优先建立那些激励人际联系而非单纯产出的结构。他最后总结道，虽然 AI 可以作为强大的“自动驾驶仪”，但我们必须确保人类研究人员始终是掌控全局的飞行员。
这份来自 Hacker News 的讨论围绕着一篇题为《Waymo 效应：人工智能如何悄然降低研究的协作性》的文章展开。讨论主要集中在两个核心争议：文章是否由人工智能生成，以及自动化消除人际摩擦带来的深层社会影响。
**1. 关于“AI 垃圾内容”的争论：**
许多评论者一眼便指出该文章是由 AI 生成的，并指出了其中的重复性套路（例如“这不是 X，而是 Y”）、对“悄然”一词的过度使用，以及缺乏真实的人类“声音”。这场讨论反映出人们对各大平台上日益增多的“AI 撰写”内容感到愈发厌倦。像 *Pangram* 这类检测工具的支持者认为，这些工具对于维护以人为本的讨论质量至关重要；而另一些人则批评这种“猎巫”氛围，认为讨论的重点应在于内容本身的有效性，而非其来源。
**2. 无摩擦生活的代价：**
文章认为，“摩擦”——例如与出租车司机尴尬的对话，或是团队合作中的磨合——实际上是人类连接的本质。这一观点的批评者认为，像 Waymo 这样的人工智能工具和服务使人们能够绕过琐碎、不必要的互动，从而专注于高价值工作或个人独处。相反，怀疑论者警告称，“无摩擦”的 AI 代理正在制造一个个“肉身代理”孤岛，这些人缺乏真正的领域专业知识，进而侵蚀了研究和专业环境中的集体智慧及真实的点对点协作。