The Hacker Daily

剑桥大学图书馆与档案馆技术分析师 Leontien Talboom 主导了为期约一年的「Future Nostalgia」项目，致力于保存软盘中濒临丢失的数据。她指出软盘保存面临双重危机：一是物理介质老化——磁性氧化铁层退化，加之许多软盘长期存放在阁楼或车库中遭受霉菌侵蚀；二是「隐性知识」的流失——熟悉旧系统的工程师和开发者正逐渐退休或离世，导致操作经验断层。为此她求助于复古计算社区，获取了大量关于老式驱动器和文件系统的实用知识。文章还探讨了最棘手的挑战：访问非主流业务和研究系统的文件，这些系统缺乏像 Amstrad、ZX Spectrum 那样的庞大爱好者社区支持。此外讨论了软盘的可持续存储方案及头清洁等物理维护细节。

Prusa 发布开源色彩混合模型「Prusa ColorMix」，集成于 PrusaSlicer 和 EasyPrint，让用户用 CMYKW（青、品红、黄、黑、白）五根耗材即可打印数十种颜色。其原理源自传统印刷的「半色调」技术，通过交替层叠不同颜色耗材，利用人眼分辨率限制实现视觉混色。Prusa 团队针对 FDM 打印实测校准了模型，精度优于此前基于油画颜料训练的社区方案。配套推出 Prusament CMYKW 耗材套装，并计划加入闪光 PLA 等特殊效果耗材。该模型以 MIT 协议开源，延续社区协作精神——此前 OrcaSlicer-FullSpectrum 和 filament-mixer 社区项目已奠定了基础。

Quandri 工程团队实测后认为「MCP 已死」，核心论点是三点：吞噬上下文窗口、可靠性低、与现有 CLI/API 功能重叠。实测显示 4 个 MCP 服务器仅工具定义就占上下文 10.5%，Linear 单个服务达 12800 token。MCP 调用比直接 REST API 慢 3 倍，首次调用慢 9.4 倍。文章建议优先使用 CLI 配合「Skills」按需加载指令，而非始终挂载全部 MCP 工具定义。不过文章也承认 MCP 在无 CLI 或需统一团队认证时仍有价值。值得注意的是，Claude Code 后续推出的「工具搜索延迟加载」已解决 85% 以上的上下文膨胀问题，但性能和调试问题依然存在。

伊朗战事导致日本「石脑油」短缺，影响波及化学品、食品、医疗等多个产业。石脑油是制造塑料、合成橡胶、PVC 树脂和印刷油墨等产品的基础原料。据帝国数据银行统计，日本约30%的制造业企业（约4.67万家）处于石脑油供应链中。零食巨头Calbee已将14款热销产品的包装改为黑白单色，以应对油墨供应不足；Mizkan暂停了4款纳豆产品的销售；日清制面不再在包装带上印刷烹饪时间。医疗用品如注射器和橡胶手套也出现短缺。日本政府声称供应充足，但有报道指首相官邸批评Calbee的做法是「噱头」。随着中东冲突持续，影响可能进一步扩大。

本文介绍了 ZJIT（Ruby 的 JIT 编译器）最近合入的新寄存器分配器。寄存器分配器的职责是在寄存器数量有限的情况下，决定哪些变量驻留寄存器、哪些需要溢出到内存。ZJIT 选择了基于 Christian Wimmer「SSA 形式上的线性扫描寄存器分配」论文的线性扫描算法，而非更复杂的图着色方案，以兼顾编译速度与代码质量。文章详细讲解了「SSA 形式」（静态单赋值形式）如何使每个变量只被赋值一次，并通过 SSA 编号变量追踪其「生命周期」（live range）——从定义点到最后使用点。多个变量生命周期重叠时不能共享同一寄存器。ZJIT 还提供了调试选项来可视化各基本块中的变量活跃区间。线性扫描算法按顺序遍历活跃区间，遇到需要寄存器时统一分配放置，效率高于构建完整的「干扰图」。

AI 训练数据初创公司 Shift 推出一项特殊服务：免费上门清洁，但清洁人员会佩戴装有摄像头的「魔法帽」全程录像，用于训练家用机器人。公司声称训练数据的价值足以覆盖清洁成本，并承诺对人脸、姓名等敏感信息进行模糊和匿名化处理。服务目前仅限纽约，计划扩展至旧金山、伦敦等城市。社区对此反应激烈，主要担忧包括：家庭隐私泄露风险（如儿童照片、药品柜内容、家庭布局被记录）、数据可能被转售给第三方（如执法机构），以及此前 Roomba 曾将用户私密图像泄露至 Facebook 的前车之鉴。也有评论指出，该公司可能已在印度以更低成本进行类似数据采集，免费清洁更多是噱头。另有用户提醒，另一家机器人公司曾被曝秘密租用 Airbnb 测试机器人并造成损坏。

（摘要生成失败，请查看英文原文）

Jeff Geerling 对 Framework 12 与 MacBook Neo 进行详细对比评测后得出结论：Framework 12 性价比极差。MacBook Neo 在性能、续航、噪音、屏幕质量和做工等核心指标上全面领先，售价却低至 499 美元（教育版），而 Framework 12 起步价 749 美元，比同配置 Neo 贵 20-40%。Framework 12 的唯一优势是可维修/升级性、模块化接口和触屏翻转设计，但触屏采用老旧技术、做工妥协明显、风扇噪音达 40-45dBA。作者最终将 Neo 送给了侄子，自己把 Framework 12 当备用机。文章核心争议在于：模块化自由是否值得为更差的整体体验多付溢价。

超过600名加州大学（UC）教授由伯克利数学系牵头联名呼吁：从2027年秋季起对STEM申请者恢复SAT或ACT标准化考试要求。教授们指出，自2020年UC取消标准化测试要求以来，学生数学基础严重恶化——在UC圣地亚哥分校，入学者高中以下数学水平的人数从2020到2025年暴增约30倍，其中70%低于初中水平。伯克利微积分课程诊断测试显示至少20%的学生存在严重数学缺陷，教授不得不在大学课堂中补习初中数学。 争议焦点在于：支持方认为SAT是客观统一的衡量标准，比高中GPA更能预测大学表现，且取消SAT反而伤害弱势群体——让他们进入大学后因跟不上课程而学业失败。反对方（如UC Berkeley学者Saul Geiser）则指出，SAT不适合美国公立大学，高中GPA在控制收入和种族因素后反而更具预测力，且按SAT录取会不利于低收入和少数族裔学生。 值得注意的是，UC2020年的决定曾违背了该校学术委员会自己成立的测试工作组的建议，后者当时就指出ACT成绩实际上能提升弱势学生的录取率。目前哈佛、斯坦福、MIT等精英大学已在2024-2025年陆续恢复考试要求。加利福尼亚州本身数据显示，仅有30.5%的11年级学生达到数学学习标准。任何政策变更仍需经学术委员会招生委员会和校董会批准。

开源摩天过山车模拟游戏 OpenRCT2 发布了 v0.5.1 版本，代号「Swamp Castle」。本次更新新增了插件系统的过山车故障钩子、网格线显隐方法以及游客娱乐统计功能；修复了多项图形渲染问题（倒转过山车在隧道中不显示、水瓦片绘制错误）、游戏崩溃（插件栈溢出、物理键盘连接断开导致崩溃）及数十个细节 bug。一个重大变化是：由于 GitHub 即将停止对 Windows 7/8 运行器的支持，这将是 OpenRCT2 最后一个官方支持这些老平台的版本，建议用户升级系统。项目感谢了 Digital Ocean、Backtrace、JetBrains 等赞助商的支持。

Steve Yegge 在文中探讨了技术行业招聘体系的深层问题，核心观点是传统的多轮技术面试效率低下且对候选人极不友好。文章借鉴 Google 内部曾进行的实验——让在职员工走一遍自己的面试流程，结果令人尴尬地揭示了许多优秀工程师也通不过自家公司的「门槛」。Yegge 提出一种「campfire」（篝火式）替代方案，即让候选人通过短期试用或实际工作方式来证明能力，而非依赖白板算法题。文章还提到「暂聘」（provisional employment）的风险转移问题：若候选人投入真实工作后仍被拒，所有风险由候选人承担，这在供大于求的市场中尤其残酷。评论界对此反应两极——支持者认为工作样本测试是招聘的黄金标准，反对者则指出其歧视有家庭负担、时间不充裕的求职者，且在大公司文化中难以落地。

Tiny-vllm 是一个用 C++ 和 CUDA 编写的高性能大语言模型推理引擎，作者将其设计为教学导向的开源项目。项目的核心亮点在于「教程式 README」——作者以循序渐进的课程形式拆解 LLM 推理的各个步骤，旨在帮助读者建立可复现的心智模型，甚至无需阅读源码就能从零重建整个项目。多位评论者称赞其文档质量，认为这种形式让没有 CUDA 开发经验的人也能理解 LLM 推理机制。有人将其比作早期 llama.cpp，但文档更加完善。评论中也有人幽默吐槽作者连 CUDA API 返回值都不放过，认为这不够「tiny」。作者同时维护着一个内容丰富的技术博客。

Secluso 是一个开源的家庭安防摄像头系统项目，旨在提供完全私密的监控方案。用户将树莓派搭配摄像头模块部署为摄像设备，视频在摄像头端加密后直接传输到手机端应用，实现端到端加密。系统中「camera_hub」运行在摄像设备上，负责录像、加密并发送视频；云端服务器仅作为中继，传输的是加密后的视频数据，无法直接查看内容。视频以事件触发方式录制（如检测到人物），存储在手机端供用户随时查看历史记录。开发者将此项目定位为 Ring 和 Google Nest 的替代品。社区讨论涉及多项技术细节：有人询问是否支持 ESP32 摄像头以降低成本，引发关于「ChaCha20 与 AES」加密算法选择的讨论（嵌入式 SoC 通常具备 AES 硬件加速器）；还有人询问 Yocto 项目定制操作系统的架构和代码规模；另有用户追问是否需要依赖云服务等问题。

Liquid AI 发布新一代端侧模型 LFM2.5-8B-A1B，基于 MoE 架构，总参数量 8B 但仅 1B 活跃参数，训练规模从上一代的 12T 扩展至 38T tokens。关键改进包括：上下文窗口从 32K 扩展到 128K、词表从 65K 翻倍至 128K 以提升非拉丁语系分词效率、新增显式思维链推理能力。推理速度方面，CPU 上 M5 Max 达 253 tokens/s，手机端约 30 tokens/s，H100 GPU 上峰值吞吐量达 18.5K tokens/s。针对幻觉问题，引入基于 avg@k 的 RL 奖励机制强化拒识能力。模型已在 Hugging Face 开放权重，支持 llama.cpp、MLX、vLLM、SGLang 等主流推理框架，配套开源桌面 agent 演示项目 LocalCowork。38T tokens 对 8B 模型而言训练量远超 Chinchilla 最优比例（约 1800 倍），引发社区对过训练和知识压缩极限的讨论。

bijou64 是一种针对 u64 优化的变长整数编码，其设计核心目标是「天然规范」——每个整数恰好只有一种编码方式。作者指出 LEB128 等传统格式存在多种合法编码表示同一数值的问题，这在签名验证、去重等场景下构成安全漏洞（历史上 ASN.1/X.509 签名攻击即属此类）。bijou64 通过两个技巧实现规范编码：首字节双重职责（0xF7 以下直接表示数值，0xF8~0xFF 作为后续字节数标签）和数值偏移（后续字节按阶跃偏移，消除重叠范围）。解码时从首字节即知长度，无需逐字节扫描延续位，因此性能远超 LEB128——微基准测试显示解码速度快 2~10 倍，且时序分布极其稳定，几乎无方差。编码方面仅在中等数值范围略慢于 LEB128。空间效率与 LEB128 相当。

这篇文章介绍了Stewart Raceway槽车竞速活动。槽车模型竞速拥有几乎与真实赛车同等的刺激感和肾上腺素体验，但又不会造成人身伤害或经济负担，是一种快速、经济、有趣的竞技爱好。Stewart Raceway欢迎感兴趣的体验者直接到场参加活动，现场会提供车辆、控制器和一切必要装备，让新手轻松感受槽车驾驶与竞速的乐趣。

Ember.js 7.0 正式发布。根据 Ember 主版本策略，本次更新仅移除在 6.x 周期中标记为废弃的 API，不引入任何新功能。Ember 选择在次要版本中持续交付新功能，主版本只处理破坏性变更，以降低升级难度。6.x 系列的重要里程碑包括：6.1 将 ember-source 发布为 v2 addon；6.3 支持 RFC #1046 的模板标签组件；6.8 采用 Embroider+Vite 构建系统和严格模式（template-tag）作为默认，并新增 trackedArray 等原生集合类型的追踪版本。上一个版本 6.12 成为 LTS 版本。7.0 废弃项完全移除包括「import Ember from 'ember'」、AMD bundle 发布以及从 @ember/service 导入 inject 的方式。升级路径建议先升至 6.12 并解决所有废弃警告后再迁入 7.0。

作者 Mauro Bieg 认为 AI 对程序员工作的冲击，与前十年 JavaScript 框架对前端开发的「去技能化」如出一辙。过去，前端需要掌握语义化 HTML、CSS、浏览器差异、无障碍访问等专业知识；框架的兴起让浏览器沦为编译目标，企业可以用通才替代专家，降低成本并削弱劳动者议价能力。如今 AI 编码正在以同样方式「去技能化」编程本身。作者指出，这种「更高层次抽象」是有代价的——前端框架抽象掉了性能和无障碍，AI 抽象则是不确定性的，不同于确定性编译器，更像「加强版 Stack Overflow 复制粘贴」。文章还类比了包豪斯运动对工业化的回应，引发对技术变革中技能贬值与质量下降的深层忧虑。

Pierre Computer 公司发布技术博客，介绍其开源组件「CodeView」的研发历程。该组件旨在解决大型 Pull Request 在浏览器中渲染 Diff 时的性能瓶颈。作者指出 Diff 渲染看似简单，实则面临三大挑战：DOM 复杂度膨胀导致渲染卡顿、大规模文件处理计算量倍增、内存占用逼近浏览器上限。文章详细分析了三种常见虚拟化（窗口化）方案的利弊——原生滚动定位法、基于 requestAnimationFrame 的固定容器法以及完全虚拟滚法，并分享了他们的权衡选择。该项目已开源为 npm 包「@pierre/diffs」，并上线 DiffsHub.com 作为在线演示平台。

John Gruber 发明了一个新词「dickover」，指网站或 App 故意遮挡自身内容、强迫用户进行不必要操作的弹窗式设计，例如订阅邮件、接受 Cookie、安装应用等。他认为这类设计堪称互联网之耻，无处不在且令人恼怒。他还区分了「dickbar」——非模态的水平横幅遮挡（轻罪）与「dickover」（重罪）。但付费墙的登录/注册弹窗不属于 dickover，因为那是必要的。文章举例了 Substack、Euronews、费城问询报等大量案例，并解释了「dickover」一词的由来：在 Mastodon 上调查中险胜「dickpanel」。评论中有人质疑商业模式是否需要这些弹窗。

HarleyCoops 在 GitHub 上开源了 Math-to-Manim 项目，旨在利用大语言模型自动将数学公式和概念转化为 Manim 数学动画。该项目声称使用「RL repair loop」（强化学习修复循环）来迭代优化代码生成，通过 stderr 反馈反复提示 LLM 修正错误。然而社区对此提出多处质疑：多名评论指出这并非真正的强化学习——仓库中没有训练代码、奖励函数或环境，实际上只是带错误反馈的迭代提示循环。还有人发现 README 中莫名出现的「Christian」字样，推测是作者名字因 Markdown 语法失误被误渲染为列表。有评论补充说明作者实际依赖外部托管训练服务（PrimeIntellect）和奖励函数来实现 RL 部分。整体上该项目创意有趣但文档描述存在误导性成分。

（摘要生成失败，请查看英文原文）

文章针对当下流行的「AI時代人类仍有不可替代价值」论述提出质疑：这类论证不断后退，从「AI做不到」退到「人类做得更好」，再退到「细微风格差异」，本质上已陷入用能力证明价值的陷阱。作者主张一个更稳固的命题——「人类是有价值的」，无需附加任何关于产出品质量的条件。文章进一步区分创意作品的「意图」与「形式」，指出生成式AI的根本病理在于：它能以极低的意图投入产出大量形式完满的内容，即所谓「AI slop」；而人类亲手创作时，意图更难与形式脱离。朋友Tom Hudson的观点被引用作为注脚：用LLM写邮件时，不如直接把提示词发给对方，至少那才是你真想说的话。

Rockstar Games 旗下 GTA 6 开发团队正式宣布成立「Rockstar 游戏工作者工会」，隶属于英国独立工人联合会（IWGB）。该工会此前已与 Rockstar 对簿公堂——去年逾 30 名员工以「严重不当行为」为由被解雇，IWGB 认为这是变相打压工会活动。工会提出三大诉求：薪酬透明化、弹性工作制以及终结「crunch」文化（游戏开发中强制无偿加班的现象）。除爱丁堡的 Rockstar North 外，伦敦、利兹、林肯和邓迪办公室的员工也纷纷加入。工会已开通社媒账号并开设捐款页面以支持法律诉讼。部分政界人士指 Rockstar 试图阻挠法律程序的推进。

TV Explorer 是一款面向全球 IPTV 流媒体的工具，由开发者 dtagames 打造，核心目标是解决现有在线电视频道发现、筛选、收藏体验差的问题。应用汇聚了数千个全球频道直播流，界面支持快速切换和搜索，特别适合语言学习者使用。多位用户称赞其体验优于同类工具 tv.garden，BBC Earth 等频道无广告（动物循环画面配舒缓音乐）广受好评。评论区还涌现了若干功能建议：App「随机探索」按钮、方便语言学习的10秒快退、世界地图浏览频道、Apple TV 原生应用和 AirPlay 支持。开发者积极回应，确认频道来源于公开 GitHub 项目，不对内容做增减，并表示将改进字幕、小屏幕布局和缓冲问题。整体这是一款社区反响热烈、实用价值明确的免费小众工具。