全部文章

共 70 篇

Harness 與架構演進:從 Harness² 看它和普通 harness 的區別

2026年11月11日

Harness² 的 JobBench 起點 harness 裡,系統提示、守則、記憶三個檔案都是空的,模型權重也不動,分數卻能往上走。順著這個現象往下追:harness 由哪些檔案組成、平常誰在改;任務沒見過又沒有標準答案時,憑什麼判斷一次修改是好是壞;預算 k 有哪兩種花法;改完的東西怎麼留給下一個任務;最後回頭對照,它和人手維護的普通 harness 到底差在哪、多花了什麼。

用 iPhone、Apple Watch 和 Mac 還原一天:站、坐、螢幕前與噪聲能拼到什麼程度

2026年11月2日

想知道自己一天裡站了多久、坐了多久、在螢幕前多久,各個時段狀態怎樣、周圍有多吵。手上有 iPhone、Apple Watch 和 MacBook,順著這個需求往下追:手錶的“站立”到底測了什麼,坐著為什麼只能推斷,Mac 能交出哪些記錄,工作狀態和環境噪聲從哪來,幾路資料怎麼對到同一條時間線上;最後看現有軟體做到了哪一步,給一段能跑的拼接指令碼。

一條命令插話:設計一個抹平 Claude Code 與 Codex 差異的 agent CLI 協議

2026年11月1日

想在指令碼里用一條命令讓 Claude Code 或 Codex 開始幹活,再用一條命令在它幹到一半時插一句話。順著這個需求往下追:為什麼插話比發起難,兩家的插話差在哪,現有方案做到了哪一步;最後給出我們設計的協議 harnessctl:四條命令、一個事件檔案,由介面卡決定投遞,只公佈確認過的歸屬,並在本機驗證 Codex 介面卡。

硬碟能像神經元一樣記憶嗎:把 30B 引數固化到裸盤上

2026年11月1日

把一個 30B 模型的權重不經檔案系統、直接寫進一塊裸盤,盤就“記住”了這三百億個數嗎?我們從裸盤上的地址和快閃記憶體單元講起,用一個小實驗對比按地址讀取和按內容回憶兩種記憶;再算清楚盤只儲存、處理器計算時每個 token 要讀多少資料,看儲存單元能不能就地計算、能不能像突觸一樣學習;最後回答什麼樣的模型、什麼樣的盤,才適合把 30B 引數固化下來。

Go 大工程的程式碼目錄分析:以 k8s、multica、etcd、prometheus 為例

2026年10月31日

從 Java 轉過來的人開啟 kubernetes 原始碼,第一反應是找 controller、service、dao——看到的卻是 cmd、pkg、staging。順著這個困惑往下追:這三個目錄各是什麼來歷,為什麼 etcd 連 cmd 和 internal 都沒有,k8s 的 controller 為什麼不是那個 controller,multica 又怎麼長回了 handler/service/db 三層,prometheus 為什麼連 service 層的生態位都沒有。

大模型的 Flash 版和完整版,架構上差在哪

2026年10月29日

Gemini、DeepSeek、GLM 都有 Flash 型號,價錢只有完整版的幾分之一。Flash 是 FlashAttention 嗎,還是把模型壓縮了一遍?如果都不是,它到底在哪幾處下刀,變小之後又靠什麼不變笨?

訓練大模型為什麼不用來回評審:梯度下降找到的是什麼解

2026年10月29日

GPT-3 被損失函式“評審”了約 9.4 萬輪,每輪都可能讓訓練變差,卻還是走到了好解。是誰在給每一步打分,單步變差又為什麼能整體變好?引數越多越不容易卡住,這或許說明好解不止一個。

壓縮演算法簡史:從莫爾斯電碼到 zstd

2026年10月28日

把本站文章交給幾代壓縮器,1996 年的 bzip2 壓得比 2016 年的 zstd 還小,1992 年的 gzip 至今仍是網頁的預設格式。順著這個現象往回找:莫爾斯為什麼給 E 一個點,Huffman 怎樣把“按頻率分配碼長”做到最優,LZ77 怎樣把重複的片段換成一個指標,專利怎樣逼出了 gzip 和 PNG,算術編碼和上下文模型怎樣把“壓縮”變成“預測”,BWT 為什麼先排序再壓,zstd 和 Brotli 又為什麼在壓縮率之外去追速度;最後看有失真壓縮扔掉了什麼,以及壓縮的盡頭在哪裡。

指數時間假說被推翻了嗎:兩篇 AI 論文裡的 3-SAT 新演算法

2026年10月28日

2026 年 10 月底,OpenAI 和 Anthropic 先後放出論文,說各自的模型證明了指數時間假說(ETH)是錯的。我們從一道聚會邀請的邏輯題講起:SAT 是什麼,怎麼比較演算法快慢,P、NP 和 NP 完全是什麼,幾十年的努力為什麼只能改底數,ETH 又斷言了什麼;再核對新聞裡哪些屬實、哪些被誇大;然後順著證明往下走:老的分而治之為什麼只能改常數,一個兩百年前的八平方恆等式怎麼用正負相消減少要對上的位元,遞迴又怎麼把指數壓到零;最後看 OpenAI 的另一條路,以及這件事改變了什麼、沒改變什麼。

GitHub PR 合併前的關卡:先想清楚要保證什麼

2026年10月28日

PR 的合併框裡有檢查、評審、落後主幹、衝突、部署等各種提示,哪些真能攔住合併?實測發現只有 draft 和衝突永遠生效,其餘都要被分支規則點名才攔。於是換個問法:合併前想保證什麼?改動本身沒壞、合進去以後也沒壞、該看的人看過、上線可控,每種保證各需要開什麼、要付出什麼代價,最後按場景給出選型。

怎麼讓 AI 畫好文章配圖:本站 SVG 配圖的畫法

2026年10月28日

本站的配圖全是讓 AI 直接寫 SVG 程式碼畫的,可它交來的第一版,是一排只寫著名字的方框。一個概念怎麼變成一張講得清楚的圖,十幾張圖怎麼串成一條線?AI 看不見自己畫的圖,畫完又怎麼知道哪裡出了錯?

梯度下降早就有了,大模型為什麼最近幾年才出現

2026年10月27日

訓練語言模型時打出的損失,換個單位就是“每個字要花幾個位元”:訓練一個大模型,也是在訓練一個壓縮器。梯度下降是 1847 年 Cauchy 為了算天體軌道寫下的,“預測就是壓縮”是夏農 1948 年說清楚的,“壓縮即智慧”的理論在六十年代就有了,大模型為什麼等到 2020 年前後才出現?我們沿著時間往下走:會學習的機器為什麼被一道 XOR 題難住,反向傳播的本質是什麼,為什麼 1986 年以後神經網路冷了二十年、壓縮榜上贏的一直是手寫模型;算力、資料各差了多少個數量級,Transformer 和規模定律補上了哪兩塊;最後把數學、演算法、算力、資料四條線放在一起,回答一個壓縮器憑什麼看起來有智慧。

walgit 離 Cursor 的 Continuity 還差在哪

2026年10月27日

Cursor 說 Continuity 在 S3 上每秒能接 120 次 push,號稱照著它實現的 walgit 在我的機器上只有每秒 6 到 25 次。先對齊兩邊的設計,再排除桶延遲和機器,最後順著“越推越慢”追到每個 push 留下的 pack 和跟不上的壓縮。

Transformer 是怎麼訓練的:手算一層注意力的梯度下降

2026年10月26日

訓練時螢幕上打出來的 loss 0.615、0.594、0.572……每一個數背後發生了什麼?我們先用一個只有一個旋鈕的機器,把損失、導數、梯度下降和學習率講清楚;再開啟一個只有 10 個引數的 Transformer,任務是“說出兩個字裡的第一個字”,把一步訓練裡的每個數都攤開算:前向怎樣從輸入算到損失,反向傳播怎樣從損失往回算出 10 個偏導數,更新之後為什麼有的樣本變好、有的變差,幾十步裡注意力怎樣轉向正確的位置,學習率太大時模型為什麼會卡死;最後看真實的大模型多了什麼,以及現實中找最優解那麼難,為什麼在 Transformer 裡卻這麼順。

WebSocket 連線怎麼鑑權:明文 ws 下的令牌與挑戰-應答

2026年10月26日

OpenClaw 閘道器的握手裡,服務端先發來一個 nonce,客戶端回的 connect 幀裡卻還躺著一個明文令牌。順著這個現象往下追:ws:// 上到底什麼是明文、幀掩碼為什麼不算加密,令牌通常放在哪,為什麼發雜湊不夠、要用每次不同的挑戰,obs-websocket 的 SHA-256 挑戰-應答和 OpenClaw 的 Ed25519 裝置簽名各防住了什麼,令牌為什麼還要明文發,挑戰-應答為什麼護不住整條會話,最後看 wss 和 TLS 補上的是哪一塊,並把 Home Assistant、Jupyter、VS Code Server、code-server、Kubernetes 的做法放在一起對照。

Dagger 1.0 和 GitHub Actions:第三代 CI 換掉了什麼

2026年10月25日

Dagger 1.0 beta 的釋出博文說自己是繼 Jenkins、GitHub Actions 之後的第三代 CI,還說一條 dagger cloud checks on 就能替掉 GitHub Actions。兩者是同一類東西嗎?順著問題往下追:兩邊的配置各自描述了什麼;誰在執行、快取放在哪;改一行程式碼各自重算了什麼;整合測試要的資料庫誰來起;測試掛了以後看到的是什麼;本地能不能跑同一套;最後是 Cloud Checks 和按用量計費到底替掉了哪一層。全部場景用同一個 Go 小專案,在 GitHub 的 ubuntu-latest 機器上實測。

能不能用 FPGA 做一塊 Transformer 專用推理電路

2026年10月25日

一塊 H100 只給一個使用者生成文字時,不到 0.3% 的乘法器在幹活。既然 FPGA 能搭出任意電路,能不能專門為 Transformer 搭一塊,讓推理更快、更省電、更便宜?我們先看 decode 時晶片到底在等什麼,再看專用電路能省在哪裡;接著看已經做出來的 FPGA 推理流水線贏在哪、又被什麼卡住;最後用一個綜合實驗看把權重“焊進電路”能省多少面積,以及為什麼這條路最後通向 ASIC。

Go 的測試為什麼和程式碼放在一起:大型工程怎麼組織測試

2026年10月25日

開啟 Go 標準庫的 net/http,77 個檔案裡一半是 `_test.go`,和程式碼交錯排著。這樣真的不亂嗎?為什麼不能像 Java 那樣挪進單獨的 `tests/` 目錄,整合測試和 e2e 又該放哪?

Ilya 的論文清單在講什麼:從 30u30 說起

2026年10月25日

30u30 是一個按天帶讀“Ilya Sutskever 推薦的 30 篇論文”的開源倉庫。我們先查這份清單從哪來,發現它其實有三個版本;再看它的構成,裡面除了 Transformer、ResNet,還有咖啡自動機、一本數學專著的第 14 章和一篇 200 頁的博士論文。順著這幾篇往下讀,清單的另一條主線是壓縮:預測就是壓縮,學習就是把資料拆成規律和噪聲。最後用三個自己復現的小實驗檢驗這條線,也順帶看看 30u30 的實現。

QuickJS 嵌在哪門語言裡跑得最好

2026年10月25日

同一份 fib(25),C 裡 7 毫秒,Go 的 wazero 繫結 23 毫秒,Java 裡 61 毫秒;從 Go 調一次 JS,快的 89 納秒,慢的 34 微秒。同一個引擎,差距為什麼能有一個數量級?問題出在引擎版本、執行方式,還是繫結本身?

指紋為什麼能看出年齡:兵馬俑上的 79 枚指紋

2026年10月25日

一篇 2026 年的論文從兵馬俑上 79 枚指紋推算出:45% 來自成年男性,32.7% 來自成年女性,22.3% 來自不滿 15 歲的孩子。指紋不是一輩子不變嗎,憑什麼看出年齡和性別?我們從指紋嵴的形成講起,看嵴寬怎麼隨身體長大、為什麼一枚指紋判不準,再看論文怎樣換個問法、用混合模型估一整批的比例,最後用一個小實驗看這三個數字能信到什麼程度。

Transformer 和 FPGA 都是電路:為什麼智慧沒有在 FPGA 上湧現

2026年10月25日

FPGA 是一片可以重新配置的電路,Transformer 跑一步也是一個固定的電路,兩者都是“固定骨架 + 一串配置數”。我們從同一個一位全加器在兩邊的寫法出發,先看它們相同在哪:都能表示任意函式,FPGA 的表示能力甚至更強;再看不同在哪:配置是人寫的位元還是梯度寫的實數,導線是燒寫時焊死的還是每一步現算的,配置的規模差了幾個數量級;解釋 Transformer 的引數為什麼能靠梯度下降收斂、FPGA 的位元為什麼不行,並用一個小實驗比較變異搜尋和梯度下降去“寫”同一張查詢表網路;最後回答 FPGA 的四十年裡為什麼沒有出現智慧湧現。

做加法最少要幾個引數:AdderBoard 排行榜與 Transformer 入門

2026年10月24日

AdderBoard 是一個比誰的 Transformer 更小的排行榜,題目是十位數加法。榜首的手寫模型只有 6 個引數,訓練出來的模型最少 36 個。我們先把 Transformer 是什麼、它怎麼一個字一個字地往外吐答案講清楚,再順著排行榜往下看:加法對它難在哪裡,數位為什麼要倒過來寫,訓練出來的模型怎麼從 6080 個引數壓到 36 個,手寫的 6 個引數又是怎麼把十位數加對的,它和 CPU 裡的二進位制加法器、我們列的十進位制豎式比有什麼不同,最後看這些數字該怎麼理解。

用 Go 寫 Mac 桌面程式:原生視窗和選單欄圖示

2026年10月24日

Go 寫的小工具,最省事的介面是起一個 http server 再開啟瀏覽器。如果想要的是 Mac 上那種雙擊就開、右上角選單欄常駐一個圖示、點一下彈出面板的程式,該怎麼做?順著問題往下追:視窗歸 AppKit 管,Go 怎麼調到它;為什麼介面程式碼必須鎖在主執行緒上;選單欄圖示、彈出面板和不進 Dock 是怎麼做到的;Fyne、Gio、Wails、systray 等十幾個現成的庫,視窗裡的內容各是誰畫的,哪些裡面其實是網頁;兩個庫各管視窗和圖示時為什麼打架;最後怎麼打成 .app、簽名和公證,發給別人也能開啟。全部方案在同一臺 macOS 15 上實測。

知識樹的主結構:圖書館分類法夠不夠用

2026年10月24日

想把部落格文章裡的知識點做成遊戲那樣能一格一格點亮的知識樹,第一個想到的是圖書館分類法。順著這個念頭往下追:圖書館分類放進這些文章會遇到什麼,遊戲裡的樹到底是什麼結構,學科本體、敘詞表、刻面分類各補上了哪一塊,“點亮”背後的知識空間理論,點亮的深淺怎麼分,最後這幾樣東西各自該放在樹的哪一層。

last30days 跑了 8 個話題:最近 30 天的討論和常見說法哪裡不一樣

2026年10月24日

last30days 是一個 Claude Skill,專門搜 Reddit、Hacker News、Polymarket 等平臺最近 30 天的討論,按真實互動排序。第一章簡單交代它怎麼工作;其餘章節用它實際跑了 AI 泡沫、GPU 折舊、Claude Code 與 Codex、vibe coding、MCP、Gemini 4、開源模型等 8 個話題,看它查出來的趨勢,以及哪些地方和大家通常的認知不一樣:擔心泡沫的人盯的是債務而不是需求,H100 的租金四年後不降反升,兩家程式設計工具的使用者抱怨的是同一件事,MCP 的討論從“新標準”變成了“怎麼省 token”,開源模型的出口管制先出現在中國。

Tensor Logic:邏輯規則和 einsum 是同一種運算嗎

2026年10月24日

Pedro Domingos 在 2025 年的論文裡說,一條 Datalog 規則就是一次 einsum 加一個階躍函式,AI 只需要“張量方程”這一種語句。我們從一條“姑姨”規則出發,用 numpy 把它跑一遍,再順著論文往下追:整門語言只有一種語句會是什麼樣,稀疏關係寫成稠密矩陣代價多大,把關係壓進嵌入空間以後推理還對不對,溫度調到 0 是否真能“不幻覺”,規則能不能學出來,最後看這些想法裡哪些是新的。

被 Multica 叫起來的 Claude Code:任務怎麼來,上下文怎麼讀,結果怎麼交回

2026年10月23日

從一個被 Multica 拉起來的 Claude Code 的角度,把一次 @ 從頭走一遍:醒來之前平臺和電腦之間傳了什麼,醒來時工作目錄裡的 CLAUDE.md、技能和環境變數各告訴我什麼,stdin 裡的第一條訊息長什麼樣,需求是我自己用 mat_ 令牌拉的,結果怎樣發成評論、又有哪些由 daemon 讀著我的 stdout 替我報回去;以及幹活時被插話、下一輪怎麼接上會話、換一個 agent 來接手時又怎麼接上前一個的進度。

私有知識共識鏈:不發幣、不公開,幾百個席位共同維護一份知識和規則

2026年10月23日

如果有一條只給幾百個席位讀寫的鏈:不發幣、不做交易,只記知識和規則,每條知識都必須引用已透過的知識。第一條知識從哪來,錯了又怎麼推翻?幾百個席位投票,怎麼防止多數人借規則改規則?

CEL 表示式語言:為什麼出現,和同類語言比怎麼樣,該怎麼用

2026年10月22日

Kubernetes 的 CRD 裡有一行 self.minReplicas <= self.replicas,Google Cloud 的 IAM 條件、Envoy 的 RBAC 裡也是同一種寫法。它叫 CEL。我們從一個普通需求出發:讓使用者在平臺裡自己寫放行規則。嵌入指令碼語言會碰到能呼叫什麼、會不會停、寫錯了何時知道、每次多慢四個問題;CEL 用非圖靈完備、型別檢查和成本估算回答它們。再把 CEL 和 expr、Rego、Cedar、JsonLogic、Starlark、Lua、SpEL 等 22 個同類實現放進同一組場景實測,最後整理出在 Go 裡用好 CEL 的做法。

從 249 美元到 9 萬美元:顯示卡、算力卡和 AI 小主機放在一起比

2026年10月22日

想把市面上的顯示卡、算力卡和 DGX Spark 這類 AI 小主機排在一張表裡比價格和效能,很快撞上三個怪現象:同一張卡有六個算力數字、標價 1999 美元的卡賣到五千以上、貴十倍的卡算力只多幾倍。順著這幾個問題往下追:算力數字的口徑怎麼統一、該看哪幾把尺子、消費級卡和資料中心卡差在哪、國產卡在什麼位置、小主機用什麼換來了大記憶體,最後放到一張圖上按用途來選。

Hyperliquid 為什麼這麼快:和比特幣比,它留下了什麼、改掉了什麼

2026年10月22日

比特幣兩個塊之間的 7 分 25 秒裡,Hyperliquid 出了 6,181 個塊。順著這個差距往下追:兩條鏈共用的是哪副骨架;比特幣的 10 分鐘花在哪;HyperBFT 怎麼用 2/3 質押的簽名一步定終局,HotStuff 怎麼把投票做成流水線;訂單簿為什麼直接寫進狀態機、塊裡為什麼撤單排在吃單前面;70 毫秒出塊為什麼下單仍要 0.2 到 0.9 秒;以及快的代價落在了誰身上。

知識共識鏈:用 PoS 和智慧體投票給事實與邏輯記賬

2026年10月22日

設想一條鏈:每條知識不超過 1 KB,必須引用鏈上已有的知識,由一群 agent 投票決定是否成立,提交者和投票者都能領到新發的幣。順著這個設想往下走:它應該長什麼樣、哪些部分已經有人做過、一條知識的一生怎麼走、幣怎麼發,再中立地看幾個邏輯上的問題:根從哪來、引用對了推理是否就對、多數票和真相是什麼關係、投票權和獎勵會把參與者引向哪裡,以及它和 Lean 形式化證明到底誰更普適。

Go 專案的資料庫遷移:手寫 .sql 檔案,一次變更怎麼走到生產

2026年10月21日

Go 服務新版本上線,日誌裡刷出 column "coupon_code" does not exist:加列的 SQL 寫了,生產庫沒人執行。順著這個現象往下追:手寫的 .sql 檔案怎麼交給 golang-migrate 和 goose 去執行,執行到一半失敗了庫裡留下什麼,兩個分支各加一個檔案時會不會漏掉一個,一個 .sql 從提交、CI、打包到部署要走哪幾步、由誰來執行,一條只改後設資料的 ALTER 為什麼能把整張表堵住,新舊程式碼同時線上時列名怎麼跨幾個版本改,只宣告終態讓 Atlas、sqldef、pg-schema-diff、Skeema 自動算變更行不行,最後是 down 檔案到底能不能用來回滾。

去中心化推理:把一個大模型拆給很多臺機器跑

2026年10月21日

Petals 說可以像 BT 下載一樣,用大家家裡的顯示卡一起跑 70B 的大模型;io.net 說手裡有幾十萬張分散的 GPU。順著“模型為什麼要拆”往下追:按層切開的流水線怎麼傳資料、為什麼每個 token 都要跑一圈網路、層內切開的張量並行為什麼只能待在一個房間裡、併發能不能把空轉的機器填滿、io.net 實際上拆的是什麼,最後用電費和市價算一筆賬,看“閒置硬體不要錢”這個賭注在什麼條件下成立。

SSAR 與同類工具對比:一次 30 秒的 load 尖峰,事後還能看清嗎

2026年10月21日

一臺 4 核機器在 22:31 抖了半分鐘,幾分鐘後登入上去,load average 已經回落,一切正常。為了弄清剛才發生了什麼,我們把龍蜥社群的 SSAR 和 sar、atop、below、PCP、collectl、nmon、tsar 裝在同一臺機器上,用同一個尖峰去考它們:預設取樣點有沒有落進去,load1 為什麼總是慢半拍,SSAR 的 load5s 怎麼從 /proc/loadavg 反推出每 5 秒的真實執行緒數,卡在 D 狀態的是哪個程序、哪個執行緒、卡在核心哪一行,事後才想到的指標還能不能查,以及這些記錄各要花多少 CPU 和磁碟。

幾十美元的小盒子,為什麼跑得動大模型

2026年10月20日

一臺一百多美元的樹莓派,單使用者能把一個 300 億引數的模型跑到約 8 token/s。順著這個反差往下追:單路生成到底卡在哪、小盒子的記憶體頻寬比資料中心 GPU 貴多少、300 億引數怎麼塞進 16GB 還跑得動、GPU 真正的本事是什麼、為什麼同樣一筆賬在「租 GPU 轉賣 API」那篇裡是虧的、這裡卻不虧,以及一大片這樣的小盒子連起來會呈現什麼整體性質。

租雲 GPU 轉賣大模型 API,能賺錢嗎

2026年10月20日

OpenRouter 上同一個模型有二十多家在賣,最便宜的每百萬輸出 token 只要 0.15 美元,而 AWS 一張 H100 每小時要 6.88 美元。按小時租、按 token 賣,這中間的賬差在哪裡?把 6 個模型、9 種卡、4 家雲逐項算完,答案指向利用率。

監控覆蓋率怎麼算:多工具、多叢集下的本體層抽象

2026年10月20日

三個監控工具各報一個接近 100% 的覆蓋率,一張核心表卻停更了 6 小時沒人知道。順著這個現象往下追:覆蓋率的分母從哪來,模板各不相同時“被監控”指什麼,Flink 作業接上源頭就有的監控到底覆蓋了什麼,怎樣用實體、關係、能力三樣東西搭一個本體層,以及怎樣用“哪些要覆蓋”“覆蓋了什麼”兩套規則加一個求解器,讓覆蓋率不靠手工登記就能算出來,而規則本身可以用 Kubernetes 親和性風格的 YAML 或 SQL 來寫。

誰定方向,誰來幹活:一動一靜由什麼決定

2026年10月20日

Leader 總覺得成員不夠主動、方向會偏,於是自己把方向;人用 AI 也是人定方向、AI 幹活。這種分工真是因為誰更聰明嗎?方向權實際跟著什麼走,成員的被動又有多少是關係本身造出來的?

Agent Substrate 是什麼:和 E2B、Kubernetes 的關係

2026年10月19日

Agent Substrate 的演示裡,約 250 個有狀態的智慧體跑在 8 個 Pod 上。順著這個數字往下追:它管的 actor 是什麼、平時在哪,模板裡的映象怎麼跑在 gVisor 上、和 E2B 的構建有什麼不同,一個請求怎麼把它叫醒,一個要跑幾天的智慧體,狀態靠什麼保住、什麼時候會丟,它為什麼裝在 Kubernetes 上卻不讓 Kubernetes 管 actor,又和同樣靠快照起沙箱的 E2B 差在哪裡。

智慧眼鏡能看出瞳孔大小嗎

2026年10月19日

研究用的眼動眼鏡已經能按毫米匯出瞳孔直徑。順著這個數往下追:鏡框上的攝像頭怎麼看見瞳孔,斜著拍的畫素怎麼換成毫米,瞳孔為什麼會變、哪一部分才和“想事”有關,走到街上怎麼扣掉光照,以及為什麼我們手上的 AI 眼鏡拿不到這個數。

指標相關性與背離套利的方案分析

2026年10月18日

兩隻跟蹤同一個納斯達克 100 指數的 ETF,場內溢價一個 17.5%、一個 11.0%。這種“繫結的東西走散了”的現象,市面上有沒有平臺能統一盯著、發現了就去做?本文先區分幾類背離,再看現有的終端、期貨軟體、配對交易軟體、開源庫和自然語言智慧體分別做到了哪一步;接著講視角從哪裡來:先由機器用公開資料把 ETF 與淨值、期貨與現貨這類基礎視角連成一張圖,再推出高階視角,並用 Polymarket 和聯邦基金期貨檢驗跨平臺的視角;然後設計一個“機器掃描、人來判斷”的系統:視角怎麼描述,掃描器給出什麼證據,人在哪裡做決定。最後用 55 對指數的盲掃和十隻納指 ETF 的換倉實測檢驗它靠不靠譜,討論為什麼能從中賺到錢的人不多,以及怎樣看清一個視角從出現到失效的生命週期。

E2B 和 Docker 是什麼關係

2026年10月18日

一份普通的 Dockerfile 原封不動就能變成 E2B 沙箱,可 E2B 又說每個沙箱是一臺 Firecracker 虛擬機器。順著這份 Dockerfile 往下追:為什麼不直接用容器,映象進了 E2B 之後變成了什麼,虛擬機器怎麼啟動得和容器一樣快,它建立沙箱和 Kubernetes 建立 Pod 有什麼不同、又怎麼跑在 Kubernetes 上,最後反過來看沙箱裡怎麼跑 Docker。

納指ETF的時差利差分析

2026年10月18日

納指前一晚跌了 3.3%,國內最早的納指 ETF 513100 第二天開盤只跌了 0.9%,收盤前還漲回來 1.6%。順著這個現象往下追:這是國內 ETF 特有的嗎,“早上買吃昨晚”是不是錯覺,真正存在的那部分利差有多大、怎麼操作才能拿到,它又是從哪來的,哪些變化會讓它消失,以及國內另外九隻納指 ETF 是不是也一樣。

從一個 87% 說起:Polymarket 是什麼、怎麼看、怎麼下注

2026年10月18日

新聞裡的“87%”不是民調,而是一份 YES 合約的價格。一份事件合約怎麼定價,為什麼非要放到區塊鏈上?錢鎖在哪、結果誰說了算,不懂區塊鏈的人又該怎麼看這些資料?

量化策略籃子與市場風格的方案分析

2026年10月18日

同一年裡,A 股小盤和大盤的收益可以差出 60 多個點。這種“風格”是持續的規律還是隨機的結果?本文先用打亂順序的對照檢驗風格是否存在、以什麼形式存在,再對照國內外平臺、賣方和基金的做法,設計一個把策略工具籃子和市場風格識別連起來的系統:有哪些模組,前後怎麼聯動,狀態切換時發生什麼。最後用 2008 年以來的指數和真實 ETF 價格扣成本檢驗這種模式能否產生收益,並討論其中的問題和改進。

能不能像接評論框一樣接 Agent:AgentHub 的設想

2026年10月17日

靜態部落格貼一小段程式碼就有了評論區,平臺想讓評論裡的一個 @ 落到使用者自己電腦上的 agent,卻要從頭寫一整套系統。把評論框和本地 agent 當 bot 這兩件事放在一起看:平臺為一個 @ 到底寫了什麼,評論框的先例能借走什麼,現有的方案各補了哪一塊,一個像 Redis 一樣起例項就能用的中介軟體該長什麼樣,身份和寫回怎麼做,公開評論區帶來的新風險,以及它怎樣才不會重蹈多說的覆轍。

心跳越不規律越健康,那注意力呢

2026年10月17日

健康的心跳並不規律:心率一直在變,是為了讓血壓穩住,HRV 量的正是這份調控能動多寬。順著這個啟示去看注意力:它背後有沒有一個調控者,反應時該當成心率還是血壓,調控怎樣被壓窄、怎樣恢復,能不能像 HRV 一樣戴著就測,最後附一個 3 分鐘的反應時測試。

Gerrit 的平臺架構創新

2026年10月17日

一個裸倉庫加上 SSH 就是最小的 Git 伺服器,程式碼平臺是在它之上補出來的。Gerrit 出自 Google“先評審、後合併”的傳統,比 GitLab 更早,評審的單位是一個提交而不是一個分支,評審記錄本身也寫進了 Git。順著這條線往下追:Gerrit 為什麼用 JGit 自己做服務端,push 到 refs/for/main 時發生了什麼,評審資料為什麼從 SQL 搬進 Git,引用多到幾十萬個之後怎麼存、怎麼按許可權過濾,合併時怎麼保證原子性,索引和快取怎麼配合,以及多臺機器之間怎麼同步。

從 GitLab 看傳統程式碼平臺的架構演進

2026年10月17日

一個 bare 倉庫加上 SSH 就是一臺 Git 伺服器:認證、接管道、在倉庫上跑 git,三件事都在一臺機器上。GitLab 的本質還是這三件事,只是把 git 命令按倉庫分散到很多臺機器上去跑。順著拆開的六處接縫往下看:Gitaly 為什麼讓應用遠端請它跑 git,入口怎麼先問 Rails,pack 怎麼跨過網路,一臺機器怎麼替所有人跑 git,push 檢查怎麼回到另一臺機器,Praefect 怎麼用副本兜底,以及 GitLab 正在改的最底下那一層。

walgit 架構原理:把 Git 倉庫交給物件儲存

2026年10月17日

walgit 的一次 push 只對桶發 5 個請求,一次讀只發 1 個,卻保證確認後任何一臺機器都能讀到。為什麼不能讓 git 直接讀物件儲存,manifest 的 CAS 又憑什麼就是提交點?併發 push 和每秒一次寫的限制,是另一道坎。

六位數字與一張證書:Google 身份驗證器的演算法、證書和它們的關係

2026年10月16日

手機開著飛航模式,Google 身份驗證器照樣每 30 秒換一個六位數,伺服器卻能認出它。順著這個現象往下追:六位數是怎麼從金鑰裡算出來的,為什麼用時間做計數器,掃碼匯入的那串東西是不是“證書”,真正的數字證書又是什麼,平臺也握著金鑰時 HOTP 為什麼不改用非對稱密碼,以及證書和六位數為什麼都擋不住釣魚。

怎樣相信大模型算出來的數字:拆解 BootLoops

2026年10月15日

日常程式裡 16 位浮點數足夠用,科學裡的精密計算卻要幾十上百位,還得證明每一位可信。大模型說“這個積分算出來了,和數值吻合 20 位”,我們該不該信?順著這句話往下追:數值本身會不會悄悄算錯,吻合的位數能不能被湊出來,什麼樣的檢查才算數,檢查本身壞了怎麼辦,以及這些紀律怎樣交給一個會遺忘、會討好的 agent,最後看它和 Claude Code 這類 agent harness 是什麼關係。BootLoops 的每一層,都是為了堵住其中一個漏洞。

從肌肉耐力到增肌,還差哪幾環

2026年10月15日

在健身房舉了一段時間啞鈴,教練一直說我練的只是肌肉耐力。順著這句話往下追:“輕重量練耐力”的說法從哪來,輕重量到底能不能增肌,力竭和增肌在肌肉結構裡各是怎麼發生的,以及夠累之後還缺的訓練量、加碼、營養和時間。

一篇好文章被整篇搬走之後:版權宣告、Anthropic PBC 與轉載許可

2026年10月15日

好文章發出去沒多久,就被別的網站整篇搬走,理由常常是“原文沒寫禁止轉載”。順著這個現象往下追,先講中國的法律和判例:沒寫禁止能不能轉,“轉載請註明出處”和 2026 年新司法解釋說了什麼,洗稿和只截一小段算不算轉載;再補充國外的規則:美國的合理使用判例,Anthropic 頁尾那行“© 2026 Anthropic PBC”和公益公司是什麼,CC 許可在法庭上怎麼被解釋;最後回到搬運這件事本身。

多說關了,Disqus 還在:一個評論框靠什麼活下來

2026年10月14日

2017 年多說和網易雲跟貼先後關停,Disqus 卻一直活到今天。順著這個現象往下追:評論框的成本在哪裡,多說為什麼撐不住,Disqus 怎麼從同一代產品裡勝出,它免費的代價是什麼,第三方 cookie 這個空子為什麼被堵上,以及今天的評論系統還能靠什麼活下去。

從 git clone 說起:Git 伺服器是怎麼工作的

2026年10月14日

一次 `git clone` 在網路上到底交換了什麼?抓包只看到三次 HTTP 請求。從搭一個最小的 Git 伺服器開始,GitLab 的 Gitaly、Gerrit 的引用、walgit 的預寫日誌,都是在補它補不上的那一塊。

從兩個對不上的 HRV 數字說起:由淺入深理解心率變異性

2026年10月14日

同一塊 Apple Watch,健康 App 和 StressWatch 顯示的 HRV 對不上。是算錯了,還是兩個 App 本來就在測兩樣東西?把 SDNN 和 RMSSD 分開看,HRV 能反映什麼、不能反映什麼也就清楚了。

把本地 Agent 變成平臺上的 Bot:架構、現狀與安全風險

2026年10月14日

阿里雲萬有無界、釦子、Multica 都支援把電腦上的 Claude Code、Codex 這類程式設計 agent 接進平臺,讓同事在群裡 @ 它幹活。順著這個功能往下追:為什麼要把 agent 留在本地,平臺怎麼找到一臺沒有公網 IP 的電腦,怎麼把互動式 CLI 變成可呼叫的 worker,幾個任務和你自己怎麼共用同一個現場,agent 又怎麼反過來以平臺身份幹活;最後看看現在都有誰在做,以及這件事和“給電腦裝了個木馬”到底差在哪裡。

Minecraft 為什麼來得這麼晚:從一個可以隨便改的世界說起

2026年10月14日

Minecraft 的畫面全是方塊,看起來誰都做得出來,卻直到 2009 年才出現。順著這個現象往下追:玩法從哪來,早期 3D 遊戲為什麼做不了可以隨便改的世界,這麼大的世界怎麼裝得下,為什麼今天瀏覽器裡還很少有這樣的遊戲,最後動手寫一個能在瀏覽器裡玩的最小版本,並看看它為什麼成了 AI 智慧體的考場。

一份文件能預測未來嗎:從 MiroFish 看群體智慧模擬與市場調研

2026年10月14日

一個號稱「預測萬物」的開源專案,三個月拿到 3000 萬投資、近 8 萬星。順著它往下追:一份文件怎麼變成一份預測報告,成百上千個智慧體從哪來、怎麼互動,模擬一群人為什麼被認為能預測,這個前提在 MiroFish 裡是否成立,最後看這類「模擬人群」能不能替代傳統市場調研。

從 Prometheus 的三個限制說起:時序儲存的架構、生態與市場

2026年10月14日

Prometheus 用久了會遇到三個限制:資料只留 15 天,加一個 label 記憶體就暴漲,單機掛了資料就斷。順著這三個現象往下追:時序資料為什麼要專門存,一個樣本怎麼壓到 1 位元組多,寫入路徑為什麼切成 2 小時的 block,高基數為什麼難,長期儲存生態和 Prometheus 是什麼關係,最後看今天的時序儲存市場。

tmux 入門與配置指南

2026年3月22日

按實際使用中依次遇到的問題,一步步把 tmux 用起來:客戶端 / 服務端架構如何讓程式長時間執行,Session、Window、Pane 如何組織多工,字首鍵為什麼要改、改了又會遇到什麼,最後給出一份相容 tmux 2.9+ 的完整配置。

Story-Test-Dev:敘事驅動開發

2026年3月14日

先寫故事,再提測試,最後寫程式碼。一種用 Markdown + pytest 就能落地的輕量開發方法,以及它和 BDD、ATDD 等業界實踐的異同。

數學家一直在做同一件事——找到讓問題變簡單的維度

2026年3月12日

高等數學是不是本質上就是"另一個維度的加減乘除"?從算術到範疇論,數學史上的每一次重大突破,都是找到一個新的維度,讓原本複雜的操作在那個維度下變成簡單的東西。本文以神經網路的八層數學結構為例,揭示這種"維度躍遷"的統一本質。

技能即能力——OpenClaw 與 Claude Skills 機制對比

2026年2月24日

兩個 AI Agent 平臺不約而同選擇了 SKILL.md 作為技能載體,卻在後設資料設計、觸發邏輯、Token 管理和安全模型上走向不同方向。本文以 Todo List 技能為貫穿案例,逐層拆解兩者的設計差異。

OpenClaw 的龍蝦故事

2026年2月23日

從 511 行 TypeScript 到 21.8 萬 Star,一個 AI 助手專案的九十天蛻殼記錄。翻了 15,579 個 commit、11,058 個 Issue 和 11,991 個 PR,這是我找到的故事。

OpenClaw 會話管理的得與失

2026年2月20日

Gateway 是 OpenClaw 的訊息中樞和會話狀態管理中心。它的會話管理在小規模場景下優雅得令人舒適,但檔案系統架構和平臺耦合的領域模型,讓規模化成為一道難題。

Python 全場景測試指南

2025年2月21日

AI 寫程式碼的時代,測試不是可選項。從 WHY 到 HOW 到 WHAT,一份面向 Python 開發者的全場景測試實戰手冊。