## NASA应对弹性航天器软件的方法 数十年来，NASA一直致力于解决太空恶劣环境下可靠软件的独特挑战。与可以快速通过增加容量解决问题的地球系统不同，航天器计算能力有限且固定，需要极其健壮和有弹性的软件。 NASA的策略以冗余为中心——通常采用多个，甚至五个，运行相同软件的计算机——并结合故障保护层，允许从磨损、辐射或意外事件引起的故障中自主恢复。早期任务专注于完善组件，但后来的项目，如航天飞机，将冗余作为核心设计原则。 至关重要的是，NASA优先考虑能够*从*错误中恢复的软件，例如旅行者2号在发射期间自我纠正，以及阿波罗11号由于有弹性的代码而避免了灾难。现代任务，如Orion，继续采用分层冗余和独立的“独白式”计算机系统。 然而，日益复杂的系统带来了新的挑战。NASA正在探索更大的机载自主性，并倡导标准化的软件架构来管理这种复杂性，认识到完美的软件是无法实现的，而备份对于应对太空探索的不确定性至关重要。
每日HackerNews RSS
## 空间软件：冗余与现代方法
一则黑客新闻讨论集中在空间系统的软件可靠性上，对比了历史上的NASA方法与SpaceX所代表的现代方法。 历史上，NASA优先考虑极致的冗余——例如土星五号的三重冗余计算机——以及多样化的实现，以防止系统性错误。 故障往往是灾难性的，需要绝对的可靠性。
对话强调了一个权衡：阿波罗制导计算机虽然缺乏LVDC的冗余，但其速度和重启能力被认为足以通过多个单元来实现。 现代方法，例如SpaceX使用的，拥抱更快的迭代、频繁的补丁以及利用现成组件（COTS），并进行快速测试和接受一定程度的故障，尤其是在像星链这样的大规模星座中。
这种转变得益于更低的发射成本以及利用大规模部署进行更快地错误检测和改进的能力。 尽管看似风险更高，SpaceX的策略通过速度和接受更高的故障率来换取快速开发和创新，证明了其成功。 讨论的问题是，这种“现代”方法是否代表了安全理念的根本改变，还是仅仅在该领域内进行了优化。
请启用 JavaScript 并禁用任何广告拦截器。
大多数金融应用程序通过分析您的消费习惯来赚钱。Trackm 不会——您的数据使用只有您持有的密钥进行加密。🔐 每用户加密，每个账户都有其自己随机生成的数据密钥，并与您的密码绑定。没有共享密钥，没有共享风险。🗄️ 隔离数据库，您的预算数据存储在自己的加密数据库中。查询永远不会触及其他用户的数据——这是设计使然，而非政策。📵 零操作员访问权限，数据密钥由您的密码生成。服务器操作员在没有您的密码的情况下无法解密您的数据。
## Trackm：一款新的个人财务应用
一位开发者在Hacker News分享了**Trackm (trackm.net)**，这是一款个人财务网页应用，旨在根据定期收入和支出预测未来账户余额，最长可达四年。在个人使用（“内部测试”）10天后，开发者现在正在寻求其他人的反馈。
该应用目前免费使用30天，之后将切换为只读模式，直到支付一次性许可费才能获得永久访问权限。这种定价模式引发了关于开发者激励与长期用户支持的讨论。
对话线程强调了银行账户集成的挑战，**Plaid**是一个常见的解决方案，但可能成本较高。**Teller.io**、**Actual Budget**（现在是FOSS）和**GoCardless**等替代方案也被提及。开发者正在积极研究账户同步提供商，优先考虑固定费用模式和用户安全。一些评论者对在拥挤的市场中推出另一款个人财务应用的生存能力表示怀疑。
## ThermalMarky：为您的热敏打印机注入活力
ThermalMarky是一个旨在利用经常被遗忘的热敏收据打印机的项目。它允许您通过用户友好的WebUI、命令行界面（CLI）或直接通过HTTP请求打印Markdown格式的文本。
**主要特性：** 支持基本的Markdown（标题、粗体、下划线、列表），用于对齐、水平线和QR码的自定义标签。它已准备好Docker，简化了设置和USB权限管理。
**设置：** 需要兼容的热敏打印机（经过MUNBYN ITPP047UE-WH-UK测试）。配置涉及设置打印机连接详细信息（USB或网络）以及通过`.env`文件设置最大行数和行宽等可选参数。
**运行ThermalMarky：** 推荐使用Docker Compose。或者，可以使用Python 3.12+和所需的系统库本机运行。WebUI可以通过安全的（自签名证书）HTTPS连接访问。
在项目的GitHub页面上可以找到更多详细信息和故障排除信息。
## 展示HN: 热敏收据打印机 – Markdown & Web UI 总结
这个Hacker News讨论围绕一个项目，该项目为热敏收据打印机提供了Markdown和Web UI功能 (github.com/sadreck)。用户对扩展的Markdown特性印象深刻，例如居中文字和生成二维码，认为它们直观且实现良好。
对话迅速扩展到Web开发中内容与表现分离的更广泛话题，许多人哀叹从语义化HTML向Styled Components和Tailwind CSS等框架的转变，这些框架重新引入了表现层面的问题。
几位用户分享了他们自己使用热敏打印机的项目——从使用Perl脚本和物理看板的简单待办事项列表和时间跟踪系统，到通过Discord机器人进行“传真”打印，以及从网页渲染为图像的食谱打印。一个关键点是人们对价格实惠、网络连接（WiFi/蓝牙）的80mm打印机的需求，并分享了如Zapos ZA-E200L、YHD-8390和Epson TM-T88IIIP等推荐。人们也对热敏纸的化学成分（BPA）和点阵打印机等替代方案表示担忧。
## 美国医疗保健浪费：基于数据的节约方法 美国医疗保健系统每人花费约14,570美元，远高于日本（5,790美元）等国家，而日本的平均寿命更高。该项目旨在识别和量化导致每年3万亿美元差距的可修复问题。 利用公开的联邦数据（CMS、RAND、OECD），分析已经确定了通过以下三个关键领域可以节省约986亿美元：**1) 非处方药过度支出**（每年06亿美元）—— 改革Medicare的阶梯疗法可以引导资金转向更便宜的非处方药；**2) 药品价格差异**（每年250亿美元）—— 采用国际参考定价，使美国药品成本与德国和日本等国家保持一致；以及**3) 医院定价**（每年730亿美元）—— 将商业保险支付上限设定为Medicare费率的200%。 所有代码和数据分析都是开源且可复现的，确保透明度并允许独立验证。该项目正在进行中，Issue #4 专注于药房福利管理机构的实践。详细分析和方法论可在Substack上找到。
## Oxyde ORM：一种现代Python ORM
Oxyde 是一种新型的、**类型安全、异步 ORM**，专为 Python 构建，旨在实现**速度、清晰度和可靠性**。它结合了 **Pydantic v2** 的基础和 **高性能 Rust 核心**，以提供开发者友好的体验。
受 Django ORM 的启发，Oxyde 优先考虑**显式性**和可预测的行为。主要功能包括熟悉的 **Django 风格 API**（例如 `Model.objects.filter()`）、对 **PostgreSQL、SQLite 和 MySQL** 的支持，以及强大的 **事务管理**。
Oxyde 拥有令人印象深刻的性能，在许多场景下，**基准测试表明其速度明显快于** Tortoise、Piccolo 和 SQLAlchemy 等流行的 Python ORM。它还提供自动 **迁移** 和自动生成的 **管理面板**，配置最少。
目前正在积极开发中，Oxyde 欢迎社区反馈和贡献。它专为 FastAPI、Litestar 和 Sanic 等现代异步 Python 框架而设计。
[https://oxyde.fatalyst.dev/](https://oxyde.fatalyst.dev/)
## Oxyde：原生 Pydantic 的异步 ORM
Oxyde 是一种新的 Python ORM，基于 Rust 内核构建，旨在消除在使用 FastAPI 等框架时常见的模型重复。其核心原则是将 Pydantic 模型*作为*数据库模型使用，从而在整个应用程序中提供完整的验证和类型安全。
与 SQLModel（仍然依赖 SQLAlchemy）或 Tortoise 等现有解决方案不同，Oxyde 追求简单性和明确性。查询使用 Django 风格的 API，但避免延迟加载和隐藏的数据库交互，从而提供对数据库活动的清晰可见性。类型安全通过生成的 stub 文件、Pydantic 验证以及基于 Rust 的后端来实现高效的 SQL 生成和连接处理。
目前处于 Beta 版本（v0.5），Oxyde 支持 PostgreSQL、SQLite 和 MySQL，包括迁移、事务、连接和自动生成的管理面板，该面板与多种 Web 框架兼容。虽然速度不是主要目标，但基准测试表明 Rust 内核带来了性能优势。开发者欢迎对这个旨在解决个人对简化 ORM 体验需求的项目的反馈和贡献。
## Leanstral：验证代码生成新时代
代码日益复杂，尤其是在关键领域，给AI辅助开发带来了瓶颈：人工审查。为了解决这个问题，研究人员推出了**Leanstral**，这是首个专门为强大的形式化证明助手**Lean 4**设计的开源代码代理。
Leanstral旨在将范式从调试机器生成的代码转变为*正式证明*其针对严格规范的正确性。尽管规模相对较小（6B参数），Leanstral却展现出卓越的效率，表现优于规模更大的开源模型，并提供了一种经济高效的替代方案，可替代闭源选项如Claude。
在实际证明工程任务（完成形式化证明和定义数学概念）上进行评估，Leanstral以较低的成本实现了具有竞争力的性能。案例研究表明它能够诊断和修复Lean代码中的问题，并将其他语言的程序进行翻译，甚至生成关于其行为的证明。
Leanstral可以通过免费API Mistral Vibe轻松访问，并且权重采用Apache 2.0许可，促进开放开发和验证代码生成的更广泛应用。
## Leanstral：用于可靠编码的开源代理
Mistral AI 发布了 Leanstral，一个用于编码和形式化证明工程的开源代理，利用 Lean 4 定理证明器。该代理旨在根据规范生成代码，可能比传统的“感觉编码”提供更可靠的方法。
讨论强调了转向使用代理来*指定*期望的行为，然后生成代码以满足这些规范，从而创建优于传统方法的、可执行的文档。虽然 Opus 目前优于 Leanstral，但后者成本明显更低，并且在多次“尝试”解决方案时显示出潜力。
用户正在探索将 Leanstral 与其他模型（“LLM 合金”）结合以提高性能的可能性。对话还涉及形式化验证的更广泛趋势，一些人倡导随着软件复杂性的增长，应增加其采用。虽然 Leanstral 本身可能并不适合所有人，但该项目代表着朝着更值得信赖和可验证的 AI 生成代码迈出的宝贵一步。
正在构建一个人工智能驱动的“操作系统”，用于科学研究，旨在自动化传统的手动文献综述和证据综合流程。目前，研究人员花费大量时间和资源手动分析论文——这是将新药物和设备推向市场的重要一步。 该公司的智能体能够自主搜索、综合和撰写研究报告，为200,000多名大学和大型公司的研究人员提供服务，重点关注生命科学领域。他们解决了关键挑战：难以找到相关证据、研究文档的静态性以及缺乏保持研究最新状态的系统。 AnswerThis正在寻找一名高级工程师来领导技术架构和产品开发，优先考虑业务影响和快速迭代。理想的候选人具有在创业环境中构建和部署人工智能智能体系统的经验，并且能够适应不确定性和快节奏的成长型团队。薪酬包括17万至24万美元以上的底薪以及股权。
黑客新闻新 | 过去 | 评论 | 提问 | 展示 | 招聘 | 提交登录
YC F25 正在招聘 (ycombinator.com)
1天前 | 隐藏
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请YC | 联系
搜索：
超越肉公司已更名为“超越植物蛋白公司”，预示着战略转变，因为植物性肉类市场面临挑战。首席执行官伊森·布朗承认“现在不是植物性肉类的时刻”，他认为消费者存在“困惑”并对加工过程进行严格审查。 此次品牌重塑的重点是突出植物性*蛋白质*的内在益处，这些蛋白质直接来自豌豆、扁豆和豆类等成分，而不仅仅是模仿肉类。这包括新产品，如“超越碎肉”——一种简单的四种成分的碎蛋白，以及“超越浸润”气泡水果饮料，扩展到传统的汉堡和香肠替代品之外。 布朗认为植物性选择最终将成为主流，但目前强调教育消费者关于最少加工的植物性蛋白质的营养价值。该公司旨在利用对健康、富含纤维食品日益增长的需求，将自身定位为多功能植物性成分的提供者，而不仅仅是肉类替代品。
## NVIDIA 发布 Vera CPU，迎接 AI 代理时代 NVIDIA 发布了 Vera CPU，这是一款专为代理 AI 和强化学习需求设计的处理器，承诺比传统 CPU **效率提高一倍，性能提升 50%**。这款新 CPU 专注于为能够规划、与数据交互和执行任务的 AI 模型提供动力——本质上，是 AI “工厂”。 Vera 拥有 88 个定制核心和下一代低功耗内存子系统，提供高带宽和响应速度，这对于编码助手和智能代理等大规模 AI 服务至关重要。它专为可扩展性而设计，新的机架配置支持数千个并发 CPU 环境。 **阿里巴巴、Meta、Oracle Cloud Infrastructure 和 CoreWeave** 等主要厂商已经开始采用 Vera，同时还有 **Dell、HPE、Lenovo 和 Supermicro** 等硬件合作伙伴。早期测试显示，在编码和流式数据等领域取得了显著的性能提升，国家实验室和云提供商也计划部署。 NVIDIA Vera 目前正在生产中，并将于今年下半年通过合作伙伴提供，旨在普及先进 AI 能力的访问。
## Nvidia 发布 Vera CPU 用于 AI – 摘要
Nvidia 发布了 Vera CPU，专为高需求 AI 工作负载设计，引发了对其新颖性和目标用例的讨论。虽然宣传为“代理 AI”用途，但许多评论员指出，它更准确地描述为针对 AI *集群* 优化的 CPU，在 Grace CPU 等先前设计的基础上，提高了性能和带宽。
主要特性包括与传统 CPU（EPYC/Xeon）相比，显著降低的延迟——对于流式 AI 代理至关重要——以及 CPU 和 GPU 之间的高带宽互连。该芯片拥有 88 个 ARM v9 核心和硬件 FP8 支持。
讨论集中在它是否代表着真正的飞跃，还是仅仅是巧妙的营销。一些人强调了令人印象深刻的工程技术，而另一些人则质疑对 AI 特定硬件的关注及其对通用计算的潜在影响。人们也对 Nvidia 更广泛的伦理影响以及 AI 基础设施日益增长的成本/专业化表示担忧。最终，Vera 似乎旨在用于大规模数据中心部署，而非个人消费者。