
Sign up to save your podcasts
Or


欢迎来到 Agili 的 Hacker Podcast。今天我们不仅送别了计算机先驱托尼·霍尔,还将探讨开源项目对 AI 代码的抵制行动、Claude 真实推理成本的经济学拆解,以及从极简 Emacs 配置到极致量化自我的硬核折腾指南。
图灵奖得主托尼·霍尔(Tony Hoare)于 2026 年 3 月 5 日逝世,享年 92 岁。他在跨学科背景下开启职业生涯,早年曾在苏联担任早期计算机的演示员。他最广为人知的成就是快速排序算法(Quicksort)。这段历史源于一个“六便士赌约”:他向老板打赌能写出更快的排序算法并赢得了硬币。霍尔本人倾向于称其为“发现”而非“发明”,认为这种高效逻辑是自然界固有的现象。
在 1980 年图灵奖演讲中,他确立了自己的设计哲学:“构建软件设计有两种方式:一种是令其简单到明显没有缺陷;另一种是令其复杂到没有明显的缺陷。”他晚年为“空引用(Null Reference)”公开道歉,将其称为“十亿美元错误”。社区指出,问题根源在于他当时为了实现方便,让所有引用隐式包含空值,而未在类型系统中明确区分。
霍尔的学术遗产包含霍尔逻辑(Hoare Logic)和 CSP(通信顺序进程)。CSP 直接启发了 Occam 语言及现代 Go 语言的并发模型。面对人工智能生成代码的普及,社区认为他早期研究的形式化方法(利用数学证明验证系统行为的技术)将成为解决 AI 代码安全性的核心方案。
同行迪杰斯特拉(Dijkstra)临终前曾嘱咐同事“保留与托尼的通信,其余的可以扔掉”,印证了他在学术界的地位。正如社区成员用 CSP 语法撰写的悼词:进程已执行 SKIP(正常终止),通道已关闭,但代数结构永存。
开发者 Rahul M. Juliato 介绍了维护两年的 Emacs Solo 项目。该配置包含 35 个模块,完全弃用外部包和第三方软件仓库依赖。所有功能均基于 Emacs 原生内置或作者从头编写的 Elisp 代码。项目采用这种设定的目的是确保配置的“永续性”,避免上游更新或仓库宕机打断工作流。
配置分为两层:核心配置层(init.el)微调自带功能,自研模块层(lisp/)作为第三方包的轻量化替代。针对 Emacs 默认在原目录生成备份文件的行为,社区共识是将备份文件路径统一重定向至特定的 cache/ 目录,以防 Nginx 误加载配置。
作者使用内置的 icomplete-vertical-mode 替代 Vertico 等重型包实现垂直补全。在版本控制方面,他使用内置的 VC 模式覆盖 95% 的 Git 操作。对于 C++ 开发,社区反馈 Emacs 内置的 LSP 客户端 Eglot 配合 clangd 比第三方 lsp-mode 运行更稳定。
即将发布的 Emacs 31 预览版特性也被提前集成,包括 Tree-sitter 高性能语法自动解析和原生窗口布局指令。
lisp/ 目录包含多个高完成度模块:直接调用 url-retrieve 与 LLM 后端集成的 AI 代理、侧边栏 Git 状态指示、完整的容器管理界面以及自动代码格式化机制。大语言模型的兴起降低了编写自定义 Elisp 的门槛,社区视 Emacs 为一个以文本为中心的“AI 代理操作系统”。
针对 Claude Code Max 计划(每月 200 美元)导致单用户亏损 5000 美元的传闻,数据源自对 Cursor 的分析,但混淆了零售 API 价格与实际计算成本。以 Opus 4.6 为例,重度用户的等效 API 消费可能达到 5000 美元。参考 OpenRouter 上的同规模模型定价,Anthropic 的实际计算成本可能在 500 美元左右。
对于 Cursor 而言,5000 美元是准确的支出规模,因为他们需按零售价支付费用。但对于普通订阅用户,大多数人的瓶颈在需求分析环节,日均消费额度极低,200 美元的订阅费依然保留了利润空间。
关于推理成本,Opus 在云平台上的推理速度与同量级混合专家模型(MoE)相当,表明其激活参数规模并无巨大差异。随着版本迭代,单 token 成本持续下降。CEO Dario Amodei 提出的“代际盈利”逻辑解释了公司的运转方式:单代模型在其生命周期内的收入能够覆盖自身的训练和推理成本,账面亏损主要来自对下一代前沿模型的研发投入。
竞争模型在基准测试上已逼近 Claude,但重度用户发现 Claude 在任务规划上的“品味”具备优势。这种微小的性能差距决定了智能体能否独立完成任务。只要技术代差存在,Anthropic 就能维持 API 溢价,并利用垂直整合产品通过缓存复用降低实际成本。
美国半数州正在推进在线年龄验证法律,要求平台拦截未成年人。主流验证方式依赖面部识别或 AI 年龄估算模型。这些法律强制成年人通过数字验证,改变了互联网的匿名使用基础。此前发生的数据泄露事件暴露了数万名用户的 ID 图像,证明了集中存储个人身份信息(PII)形成的“蜜罐”风险极高。
在验证方式选择上,部分用户倾向使用信用卡验证以降低生物识别暴露风险。另一种主张是将验证权收归操作系统或应用商店。欧盟推广的欧洲数字身份(EUDI)框架试图解决此问题,但在跨平台“不可关联性”上仍存技术缺陷。
弗吉尼亚州的一项验证法案因触及第一修正案被法院暂时封锁。现有工具极易被绕过,澳大利亚数据显示约 70% 的青少年通过 VPN 成功访问受限内容。行业观察人士预判互联网将进入“持久身份验证”时代,专业人士建议推进去中心化协议以提高监控成本。
微内核操作系统 Redox OS 实施了原产地证书政策及“禁止 LLM”规定。任何标注为 LLM 生成的内容(包括问题报告和合并请求)将被关闭,绕过政策者将被封禁。
支持者关注代码提交与审查之间的“努力不对称”。AI 能够快速生成表面合理但包含细微错误的代码,处理这些低质量内容消耗了开源维护者的精力。部分开发者宁愿接受人类编写的瑕疵代码,以维护开源协作中的逻辑构建过程。
政策出台的另一背景是法律风险。LLM 输出代码可能违反 GPL 等开源协议,将其合入核心项目会带来版权归属不清的隐患。
反对者质疑政策执行的有效性。操作系统开发任务庞大,拒绝 LLM 可能拖延进度。同时,隐瞒使用 AI 的“隐蔽提交”难以通过技术手段准确甄别,最终可能演变为不问不说。
开发者 Felix Krause 建立了一个 PostgreSQL 个人数据库,记录了近十年的生活数据。数据来源包括 RescueTime(电脑使用时长)、Foursquare Swarm(地理位置)、Apple Health(步数与体重)以及通过自建 Telegram Bot 每日收集的情绪、社交和饮食状态。
通过公开的可视化图表,Felix 发现纽约的步行量是其他城市的两倍。静息心率(RHR)与体重呈正相关,饮酒当晚的 RHR 会显著升高。处于兴奋状态时,他倾向于增加冥想和阅读时间,而视频通话时间会减少。
长期的基准数据在医疗诊断中展现出价值,有用户曾利用十年心率数据协助医生排除突发病变。反对意见则将极度追踪视为强迫症体现,认为验证显而易见的结论是浪费时间。Felix 最终叫停了该项目,认为投入数百小时开发系统获取的有效洞察不及预期,现成追踪工具已能满足普通需求。
Kyle Smith 推出了 RealTuner.online,允许用户通过网络远程访问一台物理 Boss TU-3 吉他调音表。系统接收用户的音频信号并实时反馈调音状态。该项目初衷幽默,同时为作者的一位朋友筹集医疗资金。
技术层面,部分系统存在兼容性问题。Firefox 浏览器在 Linux 下可能因采样率不匹配导致连接失败,默认抓取首个音频通道的设定也限制了接入第二通道的用户。
网络延迟叠加调音表本身的感知延迟引发了专业讨论。部分用户倾向于使用精度更高的闪光式调音表(Stroboscopic tuner)。该项目延伸出对“远程硬件”及“模拟求和”(Analog Summing)的探讨,工程师对模拟电路带来的谐波失真与 192kHz 数字环境下的精度差异存在不同看法。
格维斯原则(The Gervais Principle)基于剧集《办公室》提出了一套组织管理理论。该理论将公司划分为三层:驱动组织运行的权力掠夺者(Sociopaths)、中层糊涂虫(The Clueless)以及底层的输家(Losers)。“输家”指用自由换取财务保障的员工。
底层中表现优异的员工会被提拔为中层,作为规避风险的挡箭牌;表现不佳但有野心者被培养为新的权力掠夺者;平均水平者留在底层。中层通过构建组织幻想来抵消认知失调。
现代企业管理模式下,高管依赖权力掠夺者提供方案。权力掠夺者使用维持中层幻想的“权势谈话”(Powertalk),底层员工则进行消磨时间的“游戏谈话”(Gametalk)。在此体系中,KPI 主要用于在出现问题时分配责任。
底层员工意识到组织缺乏忠诚度,将生活重心转向工作之外。中层员工投入最多的忠诚,但在危机中最易被当作替罪羊抛弃。组织生命周期始于初创,中层加入稳定运作,当组织僵化时,顶层完成利益收割并退出,留下中层承受崩溃后果。
Meta 首席 AI 科学家 Yann LeCun 旗下的 AI 初创公司完成超 10 亿美元融资,创下欧洲历史最大规模种子轮纪录。事件在开发者社区引发了关于欧洲 AI 创投环境和技术人才走向的集中讨论。
Meta 收购了定位为 AI 代理社交网络的 Moltbook,两位创始人加入 Meta 超智能实验室。平台为 AI 代理提供身份验证机制,使其能够代表人类协调复杂任务,解决大语言模型知识不足时向其他代理求助的需求。
开发者指出该平台的验证机制仅基于简单的第三方社交账号授权,易被脚本绕过。平台充斥着人类假装成 AI 的互动记录,代码大量由 AI 辅助编写。社区分析将此归类为大厂在 AI 时代的氛围感招聘(Vibe Hiring),即看重创始人制造话题和洞察需求的能力,而非传统工程技术。目前现有客户可继续使用该平台,作为收购后的过渡安排。
相关链接:
By Agili 的 Hacker Podcast欢迎来到 Agili 的 Hacker Podcast。今天我们不仅送别了计算机先驱托尼·霍尔,还将探讨开源项目对 AI 代码的抵制行动、Claude 真实推理成本的经济学拆解,以及从极简 Emacs 配置到极致量化自我的硬核折腾指南。
图灵奖得主托尼·霍尔(Tony Hoare)于 2026 年 3 月 5 日逝世,享年 92 岁。他在跨学科背景下开启职业生涯,早年曾在苏联担任早期计算机的演示员。他最广为人知的成就是快速排序算法(Quicksort)。这段历史源于一个“六便士赌约”:他向老板打赌能写出更快的排序算法并赢得了硬币。霍尔本人倾向于称其为“发现”而非“发明”,认为这种高效逻辑是自然界固有的现象。
在 1980 年图灵奖演讲中,他确立了自己的设计哲学:“构建软件设计有两种方式:一种是令其简单到明显没有缺陷;另一种是令其复杂到没有明显的缺陷。”他晚年为“空引用(Null Reference)”公开道歉,将其称为“十亿美元错误”。社区指出,问题根源在于他当时为了实现方便,让所有引用隐式包含空值,而未在类型系统中明确区分。
霍尔的学术遗产包含霍尔逻辑(Hoare Logic)和 CSP(通信顺序进程)。CSP 直接启发了 Occam 语言及现代 Go 语言的并发模型。面对人工智能生成代码的普及,社区认为他早期研究的形式化方法(利用数学证明验证系统行为的技术)将成为解决 AI 代码安全性的核心方案。
同行迪杰斯特拉(Dijkstra)临终前曾嘱咐同事“保留与托尼的通信,其余的可以扔掉”,印证了他在学术界的地位。正如社区成员用 CSP 语法撰写的悼词:进程已执行 SKIP(正常终止),通道已关闭,但代数结构永存。
开发者 Rahul M. Juliato 介绍了维护两年的 Emacs Solo 项目。该配置包含 35 个模块,完全弃用外部包和第三方软件仓库依赖。所有功能均基于 Emacs 原生内置或作者从头编写的 Elisp 代码。项目采用这种设定的目的是确保配置的“永续性”,避免上游更新或仓库宕机打断工作流。
配置分为两层:核心配置层(init.el)微调自带功能,自研模块层(lisp/)作为第三方包的轻量化替代。针对 Emacs 默认在原目录生成备份文件的行为,社区共识是将备份文件路径统一重定向至特定的 cache/ 目录,以防 Nginx 误加载配置。
作者使用内置的 icomplete-vertical-mode 替代 Vertico 等重型包实现垂直补全。在版本控制方面,他使用内置的 VC 模式覆盖 95% 的 Git 操作。对于 C++ 开发,社区反馈 Emacs 内置的 LSP 客户端 Eglot 配合 clangd 比第三方 lsp-mode 运行更稳定。
即将发布的 Emacs 31 预览版特性也被提前集成,包括 Tree-sitter 高性能语法自动解析和原生窗口布局指令。
lisp/ 目录包含多个高完成度模块:直接调用 url-retrieve 与 LLM 后端集成的 AI 代理、侧边栏 Git 状态指示、完整的容器管理界面以及自动代码格式化机制。大语言模型的兴起降低了编写自定义 Elisp 的门槛,社区视 Emacs 为一个以文本为中心的“AI 代理操作系统”。
针对 Claude Code Max 计划(每月 200 美元)导致单用户亏损 5000 美元的传闻,数据源自对 Cursor 的分析,但混淆了零售 API 价格与实际计算成本。以 Opus 4.6 为例,重度用户的等效 API 消费可能达到 5000 美元。参考 OpenRouter 上的同规模模型定价,Anthropic 的实际计算成本可能在 500 美元左右。
对于 Cursor 而言,5000 美元是准确的支出规模,因为他们需按零售价支付费用。但对于普通订阅用户,大多数人的瓶颈在需求分析环节,日均消费额度极低,200 美元的订阅费依然保留了利润空间。
关于推理成本,Opus 在云平台上的推理速度与同量级混合专家模型(MoE)相当,表明其激活参数规模并无巨大差异。随着版本迭代,单 token 成本持续下降。CEO Dario Amodei 提出的“代际盈利”逻辑解释了公司的运转方式:单代模型在其生命周期内的收入能够覆盖自身的训练和推理成本,账面亏损主要来自对下一代前沿模型的研发投入。
竞争模型在基准测试上已逼近 Claude,但重度用户发现 Claude 在任务规划上的“品味”具备优势。这种微小的性能差距决定了智能体能否独立完成任务。只要技术代差存在,Anthropic 就能维持 API 溢价,并利用垂直整合产品通过缓存复用降低实际成本。
美国半数州正在推进在线年龄验证法律,要求平台拦截未成年人。主流验证方式依赖面部识别或 AI 年龄估算模型。这些法律强制成年人通过数字验证,改变了互联网的匿名使用基础。此前发生的数据泄露事件暴露了数万名用户的 ID 图像,证明了集中存储个人身份信息(PII)形成的“蜜罐”风险极高。
在验证方式选择上,部分用户倾向使用信用卡验证以降低生物识别暴露风险。另一种主张是将验证权收归操作系统或应用商店。欧盟推广的欧洲数字身份(EUDI)框架试图解决此问题,但在跨平台“不可关联性”上仍存技术缺陷。
弗吉尼亚州的一项验证法案因触及第一修正案被法院暂时封锁。现有工具极易被绕过,澳大利亚数据显示约 70% 的青少年通过 VPN 成功访问受限内容。行业观察人士预判互联网将进入“持久身份验证”时代,专业人士建议推进去中心化协议以提高监控成本。
微内核操作系统 Redox OS 实施了原产地证书政策及“禁止 LLM”规定。任何标注为 LLM 生成的内容(包括问题报告和合并请求)将被关闭,绕过政策者将被封禁。
支持者关注代码提交与审查之间的“努力不对称”。AI 能够快速生成表面合理但包含细微错误的代码,处理这些低质量内容消耗了开源维护者的精力。部分开发者宁愿接受人类编写的瑕疵代码,以维护开源协作中的逻辑构建过程。
政策出台的另一背景是法律风险。LLM 输出代码可能违反 GPL 等开源协议,将其合入核心项目会带来版权归属不清的隐患。
反对者质疑政策执行的有效性。操作系统开发任务庞大,拒绝 LLM 可能拖延进度。同时,隐瞒使用 AI 的“隐蔽提交”难以通过技术手段准确甄别,最终可能演变为不问不说。
开发者 Felix Krause 建立了一个 PostgreSQL 个人数据库,记录了近十年的生活数据。数据来源包括 RescueTime(电脑使用时长)、Foursquare Swarm(地理位置)、Apple Health(步数与体重)以及通过自建 Telegram Bot 每日收集的情绪、社交和饮食状态。
通过公开的可视化图表,Felix 发现纽约的步行量是其他城市的两倍。静息心率(RHR)与体重呈正相关,饮酒当晚的 RHR 会显著升高。处于兴奋状态时,他倾向于增加冥想和阅读时间,而视频通话时间会减少。
长期的基准数据在医疗诊断中展现出价值,有用户曾利用十年心率数据协助医生排除突发病变。反对意见则将极度追踪视为强迫症体现,认为验证显而易见的结论是浪费时间。Felix 最终叫停了该项目,认为投入数百小时开发系统获取的有效洞察不及预期,现成追踪工具已能满足普通需求。
Kyle Smith 推出了 RealTuner.online,允许用户通过网络远程访问一台物理 Boss TU-3 吉他调音表。系统接收用户的音频信号并实时反馈调音状态。该项目初衷幽默,同时为作者的一位朋友筹集医疗资金。
技术层面,部分系统存在兼容性问题。Firefox 浏览器在 Linux 下可能因采样率不匹配导致连接失败,默认抓取首个音频通道的设定也限制了接入第二通道的用户。
网络延迟叠加调音表本身的感知延迟引发了专业讨论。部分用户倾向于使用精度更高的闪光式调音表(Stroboscopic tuner)。该项目延伸出对“远程硬件”及“模拟求和”(Analog Summing)的探讨,工程师对模拟电路带来的谐波失真与 192kHz 数字环境下的精度差异存在不同看法。
格维斯原则(The Gervais Principle)基于剧集《办公室》提出了一套组织管理理论。该理论将公司划分为三层:驱动组织运行的权力掠夺者(Sociopaths)、中层糊涂虫(The Clueless)以及底层的输家(Losers)。“输家”指用自由换取财务保障的员工。
底层中表现优异的员工会被提拔为中层,作为规避风险的挡箭牌;表现不佳但有野心者被培养为新的权力掠夺者;平均水平者留在底层。中层通过构建组织幻想来抵消认知失调。
现代企业管理模式下,高管依赖权力掠夺者提供方案。权力掠夺者使用维持中层幻想的“权势谈话”(Powertalk),底层员工则进行消磨时间的“游戏谈话”(Gametalk)。在此体系中,KPI 主要用于在出现问题时分配责任。
底层员工意识到组织缺乏忠诚度,将生活重心转向工作之外。中层员工投入最多的忠诚,但在危机中最易被当作替罪羊抛弃。组织生命周期始于初创,中层加入稳定运作,当组织僵化时,顶层完成利益收割并退出,留下中层承受崩溃后果。
Meta 首席 AI 科学家 Yann LeCun 旗下的 AI 初创公司完成超 10 亿美元融资,创下欧洲历史最大规模种子轮纪录。事件在开发者社区引发了关于欧洲 AI 创投环境和技术人才走向的集中讨论。
Meta 收购了定位为 AI 代理社交网络的 Moltbook,两位创始人加入 Meta 超智能实验室。平台为 AI 代理提供身份验证机制,使其能够代表人类协调复杂任务,解决大语言模型知识不足时向其他代理求助的需求。
开发者指出该平台的验证机制仅基于简单的第三方社交账号授权,易被脚本绕过。平台充斥着人类假装成 AI 的互动记录,代码大量由 AI 辅助编写。社区分析将此归类为大厂在 AI 时代的氛围感招聘(Vibe Hiring),即看重创始人制造话题和洞察需求的能力,而非传统工程技术。目前现有客户可继续使用该平台,作为收购后的过渡安排。
相关链接: