把经历过的，连成记忆。
这是我的记忆构建平台，你也能搭一个。
把本站文章交给几代压缩器，1996 年的 bzip2 压得比 2016 年的 zstd 还小，1992 年的 gzip 至今仍是网页的默认格式。顺着这个现象往回找：莫尔斯为什么给 E 一个点，Huffman 怎样把“按频率分配码长”做到最优，LZ77 怎样把重复的片段换成一个指针，专利怎样逼出了 gzip 和 PNG，算术编码和上下文模型怎样把“压缩”变成“预测”，BWT 为什么先排序再压，zstd 和 Brotli 又为什么在压缩率之外去追速度；最后看有损压缩扔掉了什么，以及压缩的尽头在哪里。
2026 年 10 月底，OpenAI 和 Anthropic 先后放出论文，说各自的模型证明了指数时间假说（ETH）是错的。我们从一道聚会邀请的逻辑题讲起：SAT 是什么，怎么比较算法快慢，P、NP 和 NP 完全是什么，几十年的努力为什么只能改底数，ETH 又断言了什么；再核对新闻里哪些属实、哪些被夸大；然后顺着证明往下走：老的分而治之为什么只能改常数，一个两百年前的八平方恒等式怎么用正负相消减少要对上的比特，递归又怎么把指数压到零；最后看 OpenAI 的另一条路，以及这件事改变了什么、没改变什么。
一个 PR 的合并框里会出现检查、评审、冲突、过期、部署等各种提示。顺着一个 PR 从打开到合并后的顺序往下追：检查从哪来、为什么失败了还能合并，检查跑的是哪个提交，主干前进后旧的绿色为什么不算数，合并队列怎么解决排队，draft、评审和 CODEOWNERS 各拦什么，分支保护和 rulesets 怎么叠加，合并前后的部署和工作流又在什么时候触发。文中的现象都在 twwy.net 仓库的临时分支上实测过。
本站的配图是让 AI 写 SVG 画的，画得好不好，取决于给它看什么参照。为了找好的参照，顺着这些问题往下追：SVG 资源分哪几类，“免费”背后有哪几种许可、哪些不让拿给 AI，各家插画站的风格和文件质量差在哪，23 套图标库为什么有的能跟着文字变色、有的不能，聚合站里的许可为什么要逐个看，SVG 放进页面之前要处理什么；最后是让 AI 画什么就搜什么、把搜到的 SVG 当 baseline 而不是素材，prompt 怎么写，画完怎么对照。
训练语言模型时打出的损失，换个单位就是“每个字要花几个比特”：训练一个大模型，也是在训练一个压缩器。梯度下降是 1847 年 Cauchy 为了算天体轨道写下的，“预测就是压缩”是香农 1948 年说清楚的，“压缩即智能”的理论在六十年代就有了，大模型为什么等到 2020 年前后才出现？我们沿着时间往下走：会学习的机器为什么被一道 XOR 题难住，反向传播的本质是什么，为什么 1986 年以后神经网络冷了二十年、压缩榜上赢的一直是手写模型；算力、数据各差了多少个数量级，Transformer 和规模定律补上了哪两块；最后把数学、算法、算力、数据四条线放在一起，回答一个压缩器凭什么看起来有智能。