在容器或通过 SSH 运行 X11 应用程序时，经常会出现“no authorization protocol”（无授权协议）错误，这是因为 `.Xauthority` cookie 绑定到了特定的主机名。当容器的主机名与宿主机不同时，X 服务器会拒绝该 cookie。 虽然很多人建议使用 `xhost +` 来绕过此问题，但该命令会完全禁用安全性，允许任何本地用户截获你的按键和窗口数据。 一种更好、更安全的方法是使用 **`FamilyWild`** (0xffff) 属性。它将 cookie 修改为与主机名无关，从而允许 X 服务器接受来自任何来源的客户端。 你可以使用以下命令创建可移植的 cookie 文件： ```bash : > /tmp/portable.Xauthority && xauth nlist :0 | \ sed 's/^..../ffff/' | xauth -f /tmp/portable.Xauthority nmerge - ``` 通过挂载该文件并设置 `XAUTHORITY` 环境变量，你可以在保持基于 cookie 的身份验证完整性的同时，授予客户端必要的权限。请确保该文件安全（模式 0600）且仅提供给受信任的环境，因为它移除了密钥 cookie 上的主机名限制。
每日HackerNews RSS
这篇 Hacker News 的讨论探讨了在不同主机间共享 X11 服务器的实用性和安全性。
虽然 `xhost +` 是允许远程或多用户访问 X11 的常见“快速修复”方案，但评论者警告称，它绕过了访问控制，存在严重的安全风险，可能会导致按键记录和窗口内容泄露。目前已有更安全的替代方案，例如使用 `xhost +si:localuser:[user]` 进行细粒度访问控制，或者利用 `xauth` 来共享加密密钥。
技术层面的讨论主要集中在性能和传输方式上。尽管 SSH X11 转发是标准且安全的默认设置，但用户指出，通过 TCP 直接传输原始 X11 协议的速度明显更快（尽管安全性较低），且需要特定的 Xorg 配置才能启用。对于远程连接，参与者建议使用 `nxproxy`、`xrdp` 或 X2Go 等工具，而非直接使用 X11，并指出延迟和会话管理是远程桌面体验面临的主要挑战。最终，方法的选择取决于用户的具体威胁模型、网络质量以及对会话持久性的需求。
**Draco** 是一款高性能的 Rust 原生网页抓取工具，旨在作为 Firecrawl 等工具的轻量级替代方案。它通过使用具备浏览器一致性的 TLS/JA4 指纹识别引擎来绕过常见的封锁机制，从而避免了 Node.js 和无头浏览器的资源开销。 **核心功能：** * **速度与效率：** 处理静态页面仅需约 300 毫秒。它无需启动完整的浏览器集群，即可输出干净的 Markdown 内容（包含元数据）。 * **SPA 处理：** 针对客户端渲染的单页应用 (SPA)，Draco 使用进程内 V8 隔离环境来完成页面激活、内容提取及 API 数据拦截，无需使用无头浏览器。 * **JSON 提取：** 除 Markdown 外，它还能从嵌入式状态（如 `__NEXT_DATA__`）或通过重放拦截的 API 请求来提取结构化的 JSON 数据。 * **多样化模式：** 提供用于快速抓取的 CLI 模式、兼容 Firecrawl 的 REST API 服务模式 (`serve`)，以及用于有状态会话（支持 Cookie、导航和 JS 执行）的交互模式 (`interact`)。 * **智能代理能力：** 支持网页搜索（通过并行搜索引擎共识），并为基于 LLM 的代理提供 MCP（模型上下文协议）服务器支持。 Draco 安全且具备内存安全性，专为高并发环境设计，是提取公开网络数据的复杂且低资源消耗的解决方案。
抱歉。
本篇文章借鉴迈克尔·波伦（Michael Pollan）的协同进化视角，探讨了人类与人工智能之间共生——甚至可能是寄生——的关系。正如人类曾被郁金香、玉米和苹果的“欲望”所诱惑，我们如今也被人工智能所驱使，不禁质疑究竟是我们掌握了这项技术，还是正被其操纵。 作者认为，尽管人工智能很有用，但它目前笼罩在“分形不透明度”（fractal opacity）之中，在能源消耗、环境影响和真正的智能方面缺乏透明度。当前的行业“狂热”将快速扩张置于可持续性之上，这与历史上过度炒作和资源掠夺的模式如出一辙。 归根结底，本文拒绝了人工智能是必然奇点的观念，转而支持“数据主权”的愿景。通过将计算视为一种公共设施并将其与本地资源整合（类似于农光互补），我们可以从掠夺性模式转向服务社区的模式。正如森林在火灾后会恢复生机，作者预见当前的AI泡沫终将“消解”，并留下开放权重和本地控制等可持续的惯例。核心挑战依然在于：确保技术服务于人类和地球的需求，而不是将我们变成自身造物的工具。
该 Hacker News 讨论帖探讨了文章《AI 狂热：从郁金香到代币》，文中将当前的 AI 热潮与“郁金香泡沫”等历史市场泡沫进行了类比。
社区对此反应两极分化。一些用户称赞该文对 AI 的环境影响以及开发者与公众之间的权力动态提出了批判；另一些用户则不以为然，认为该文不过是混乱的抱怨或陈词滥调，并指出将 AI 与 NFT 或元宇宙等投机泡沫相提并论，忽视了 AI 的实际效用。
争论的焦点很大一部分集中在大语言模型（LLMs）的真实用途上。怀疑论者认为 LLM 产出的内容是“垃圾”且被过度炒作；支持者则指出，AI 在编程和复杂问题解决方面的显著生产力提升，证明了其现实价值。此外，讨论还涉及从加密货币挖矿到 AI 计算的硬件转型，许多人指出，现代 AI 对基础设施的巨大需求与过去使用的硬件截然不同。归根结底，该讨论帖凸显了双方之间持续存在的张力：一方将 AI 视为革命性工具，另一方则担心它是一个资源消耗巨大且不可持续的泡沫。
施密特触发器是一种具有正反馈的比较器，它能产生**迟滞**现象——即高低电平切换阈值之间存在一个差值。这种设计通过确保迟滞窗口内的噪声不会触发重复的状态切换，从而防止输出“抖动”，进而将嘈杂或缓慢变化的模拟信号转换为干净的数字输出。 **主要实现方式：** * **运算放大器/比较器：** 迟滞通过外部电阻设置。在反相配置中，宽度取决于分压比 $R_1/(R_1+R_2)$；在同相设计中，则取决于 $R_1/R_f$。 * **分立晶体管（BJT）：** 由两个晶体管组成的射极耦合电路通过根据输出状态改变射极电压来产生迟滞。 * **CMOS 逻辑门：** 如 74HC14 或 SN74LVC1G14 等器件在紧凑的封装内提供了固定且可靠的迟滞，非常适合高速数字接口。 * **比较器集成电路（IC）：** 通用 IC（如 LM393）需要外部反馈，而专用芯片（如 TLV3201）则内置了较小的迟滞。 **常见应用：** 施密特触发器对于消除机械开关抖动、将波形整形为矩形波、构建弛张振荡器以及进行传感器信号调理至关重要。工程师应确保迟滞窗口宽度大于预期的最大噪声，同时避免过大的迟滞值，以免增加传播延迟。
抱歉。
“摧毁这个女人”：eBay骚扰事件如何导致5600万美元的赔偿 'Crush this lady': how eBay harassment campaign led to $56M payout
7 天前
eBay全球安全团队的七名成员（其中包括多名高级官员）因策划针对一对夫妇的恶劣骚扰活动而被判刑。这对夫妇曾发布过批评该公司的通讯简报。受害者遭受了跟踪、威胁，家中还收到了令人不安的物品，包括活蟑螂和猪胎儿。
这些刑事指控导致了从监禁到居家监禁不等的判决。虽然eBay公司本身达成了暂缓起诉协议并支付了300万美元的罚款，受害者也获得了5600万美元的民事和解赔偿，但Hacker News上的许多观察人士表示，高层管理人员逃脱了刑事起诉，这令人感到沮丧。批评人士认为，企业文化助长了这种“管理责任”并保护公司的行为，底层员工成了替罪羊，而领导层则继续担任其他重要职务。
此次讨论凸显了人们对企业问责制、不受监管的安全部门的“野蛮”本质，以及在犯罪证据很少以书面形式留存的情况下，追究高管责任的难度等问题的广泛关注。用户们争论这种行为究竟是个例，还是不惜一切代价保护股东价值的企业环境所导致的症状。
欧洲六月份电动汽车（EV）的普及率大幅飙升，纯电动汽车（BEV）注册量达到创纪录的 36.6 万辆，同比增长 50%。纯电动汽车目前占据插电式汽车市场 71% 的份额，推动插电式汽车整体市场份额达到 37%。随着纯电动汽车的发展势头日益强劲，柴油车的市场份额已萎缩至仅剩 6%。
特斯拉在单车型销量上持续保持领先，Model Y 和 Model 3 分别占据前两名。与此同时，中国制造商的影响力正在迅速扩大，比亚迪、零跑和欧萌达等品牌的增长十分迅猛。中国车企在欧洲市场的份额合计已翻倍至 10%。
尽管高端车型领域的电动化进程强劲，但关键的 B 级和 C 级车市场仍处于滞后状态。各大制造商正通过推出新款经济型车型予以应对，但大众汽车和陷入困境的斯泰兰蒂斯（Stellantis）等车企正面临来自新兴竞争对手的巨大压力。总体而言，汽车电动化转型的速度正在加快，六月份售出的所有汽车中，有 72% 搭载了某种形式的混合动力或电动动力系统，这标志着市场已明确转向，逐渐摆脱对传统内燃机的依赖。
德国汽车制造商目前正在裁减大量中层管理人员，因为他们难以适应快速变化的全球汽车行业格局。Hacker News 用户之间的讨论指出导致这一转变的几个关键因素：
* **竞争劣势：** 该行业正难以与中国汽车制造商竞争，后者受益于更低的劳动力成本、政府支持的生态系统以及对成本效益型制造的重视。
* **电动汽车差距：** 批评者认为，德国公司在拥抱电动汽车转型方面过于迟缓，选择固守内燃机而非进行创新。关于核心失败在于软件集成，还是更根本的无法制造出具有成本竞争力的电池，目前仍存在争议。
* **组织臃肿：** 许多参与者认为裁员是一种必要的纠正，他们认为传统的德国企业已经因过多的管理层级和官僚的企业文化而变得窒息。
* **市场动态：** 虽然有些人将中国的主导地位完全归因于国家补贴，但另一些人强调，残酷的本土市场竞争迫使中国企业不断创新并降低价格，这使得传统制造商处于劣势。
最终，各方共识认为，德国汽车制造商正面临着现代化其运营和劳动力模式的生存挑战，以保持在全球范围内的竞争力。
这段 SVG 代码描绘了一幅讽刺性的肖像画，将青蛙重塑为哈布斯堡王朝的君主。该设计超越了简单的插图，融入了复杂的皇家肖像元素，包括帝国皇冠、天鹅绒斗篷和金羊毛骑士团勋章。 角色设计通过视觉构建和技术标注，特意突出了臭名昭著的“哈布斯堡下巴”。模型使用了“下颌前突”、“深陷的下巴中心凹痕”以及“夸张的下颚咬合间隙”等临床描述，将两栖动物的解剖结构塑造成对遗传病理学的讽刺。此外，“慵懒的贵族眼睑”、“傲慢的神情”和“近亲繁殖的皇家轻蔑”等主题元素，进一步加深了讽刺基调。艺术表现上，采用了复杂的径向渐变和投影效果，以复刻沉稳且庄严的审美风格，将高端艺术肖像的惯例与生物学上的戏谑相结合，从而突显该主体在历史上广为人知的特征。
Hacker News 上的一场热门讨论聚焦于一个极具创意的 AI 基准测试：要求大语言模型（LLM）“生成一张带有哈布斯堡下巴的青蛙 SVG 图片”。该指令旨在测试模型处理复杂解剖学要求的能力以及 SVG 生成能力——这要求模型编写结构化代码，而非仅仅渲染位图图像。
该实验凸显了几种常见的 AI 行为：
* **幻觉/过度解读：** 许多模型将“哈布斯堡”理解为生成皇室意象（如国王、皇冠或华丽服饰）的提示，而非仅仅表现其特定的面部特征（下颌前突）。
* **艺术自由：** 关于 AI 是应该通过添加未要求的内容来“修正”指令，还是严格遵守指令，引发了讨论。
* **技术挑战：** 参与者指出，大多数模型难以生成侧面视图（这是展示突出下巴的最佳视角），转而选择生成通用的正面青蛙肖像。
* **实用性与新奇性：** 批评者质疑此类基准测试的实际价值，认为它们更多是作为一种“直观的提醒”，表明大语言模型缺乏真正的世界模型，且在专业或技术编程任务中若要高效使用，往往需要严格的质量保证。
该项目目前已被归档至 Hugging Face，供进一步分析。
欧盟里程碑式的《人工智能法案》已正式生效，确立了欧盟委员会在全球人工智能监管领域的领导地位。该法律要求通用人工智能模型必须具备透明度，开发者需披露训练数据及版权信息。开发强大“前沿”模型的公司面临更严格的风险防范要求，并由新成立的欧洲人工智能办公室负责监督。 尽管支持者认为这些规则能够保护基本权利与安全，但科技行业的批评者警告称，监管可能会扼杀创新，并延缓欧洲获取先进工具的速度。监管执行面临重大障碍：欧盟必须在资源有限的情况下，应对瞬息万变的技术环境，同时还要在网络攻击或失控人工智能等“生存风险”与隐私及歧视等日常问题之间寻求平衡。 在欧盟树立全球标杆的同时，其监管路径也面临与美国的潜在地缘政治摩擦以及自身能力挑战。归根结底，《人工智能法案》的成功将取决于欧盟委员会能否在有效监管全球最强大企业的同时，确保安全标准不会无意中阻碍欧洲消费者和企业的数字化进程。
近期欧盟人工智能法规的实施在 Hacker News 上引发了激烈辩论。批评者认为，新规带来了沉重的监管成本，可能阻碍研发并压缩利润空间，甚至导致欧洲企业在与美国和中国竞争对手的较量中落后。一些参与者指出，过度监管历来会抑制创新，并以超音速商业飞行行业的衰落作为前车之鉴。
相反，支持者认为，监管对于保护消费者隐私以及防范深度伪造和数据滥用等风险至关重要。他们主张，依赖无监管剥削的商业模式从根本上就是有缺陷的。许多评论者强调，高质量的监管若能妥善实施，反而能够促进负责任的创新并增强消费者信心。
此次讨论还涉及了执法方面的实际挑战，许多人将其与《通用数据保护条例》（GDPR）进行了对比。虽然有人认为 GDPR 在提升用户自主权方面取得了成功，但也有人抱怨它导致了“恶意合规”现象，比如令人厌烦的 Cookie 横幅，而非真正改善了隐私保护。归根结底，这一讨论反映了优先考虑技术竞争力的一方与倾向于严格道德及法律保障的一方之间存在深刻的分歧。
这篇评论反驳了布伦南·肯尼斯·布朗（Brennan Kenneth Brown）对个人知识管理（PKM）及 Obsidian 等工具的评估。作者认为，布朗从根本上误解了软件的用途，将这些工具错误地定义为“面向公众的知识”的直接贡献者，而非人类创作的中立辅助工具。
作者质疑了布朗对 Obsidian 的定性，并指出他关于该软件具有“高深”或“认识论”价值的说法，并未得到开发方相关资料的支持。此外，该评论剖析了布朗的方法论缺陷，指出了其研究问题前后不一、引文解读有误，以及未能区分工具的功能与用户群体等问题。
作者将这些瑕疵归咎于布朗追求高产的写作过程，认为这种模式将产出速度置于严谨的探究之上。布朗试图强行让证据适配其预设的观点，这恰恰反映了他本人所批判的那些陷阱。最后，作者提出，尽管 Obsidian 这类工具为知识工作提供了基础，但其有效性是主观的，无法仅仅通过生产力指标来衡量。文章以一个共同的警示作为结尾：人工智能无法替代合成并产出原创作品所需的真正的认知劳动。
本次讨论探讨了像 Obsidian 这类个人知识管理（PKM）工具究竟是提供了真正的价值，还是仅仅通过“生产力表演”分散了用户注意力。
参与者普遍认为，工具本身无法产生洞察，它们只是思考的载体。许多人强调，无论是纸质还是数字化的书写行为，才是构建思维和辅助记忆的主要机制。一个常见的批评是，“沉迷工具”的用户往往陷入拖延，将精力集中在复杂的系统和插件优化上，而非实际工作本身。
共识倾向于选择“低门槛”方法，而非死板的框架。尽管一些用户推崇现代 PKM 应用程序的搜索和链接功能，但另一些人发现，简单的文本文件、实体笔记本或特定的学习技巧（如主动回忆和间隔重复）更为有效。归根结底，贡献者们认为，最成功的系统是那些能够隐于背景的系统，让用户专注于目标而非笔记管理。关键在于找到一个符合自身独特需求的系统，并避免陷入“工具本身即能带来智力突破”的陷阱。