欢迎来到 Agili 的 Hacker Podcast，今日精选内容聚焦开源生态的安全风波与巨头企业的战略调整，涵盖从 Axios 供应链投毒、GitHub AI 广告风波，再到 Oracle 的大规模裁员事件。

拥有过亿周下载量的 JavaScript HTTP 客户端库 axios 遭到入侵。攻击者劫持了主要维护者 jasonsaayman 的账户，发布了受污染的 [email protected] 和 [email protected] 版本。

这两个版本注入了伪造依赖项 [email protected]。该依赖项的唯一作用是执行 postinstall 脚本，向 macOS、Windows 和 Linux 系统投递远程访问木马（RAT）。恶意程序运行后会自我删除，并将原本的 package.json 替换为干净版本，表现出极强的反取证能力。

Hacker News 社区讨论指向了 JavaScript 生态对第三方库的重度依赖。支持“自带电池”模式的开发者提出，Go 或 .NET 提供强大的标准库是解决包管理风险的持久方案。如果核心功能由第一方提供，开发者就能在零第三方依赖的情况下保持高效。

反对意见指出，将所有功能塞进标准库会导致代码僵化。Python、Java 拥有庞大的库生态系统，证明标准库无法覆盖快速变化的 API。针对“为何不用原生 fetch”的问题，社区给出的理由是 axios 提供的拦截器和自动 JSON 转换在企业级应用中难以被取代。

目前 npm 已撤销受污染版本。开发者若曾安装受影响版本，需立即降级并更换所有环境变量和凭证。社区建议使用 pnpm 或 Bun 等包管理器，它们在执行 postinstall 脚本前要求手动批准。在 CI/CD 环境中强制开启 --ignore-scripts 选项能有效阻止安装后的恶意脚本运行。

Anthropic 开发的 Claude Code 源码因错误包含 map 文件在 NPM registry 遭到泄露。由于该软件包已有超过 231 个依赖项，Anthropic 最初尝试的自动撤回命令失效，最终通过向 NPM 官方申请人工干预移除了该包。源码泄露期间产生了数万次 Fork，相关代码仍在 GitHub 传播。

源码揭示了代号为“Kairos”的辅助模式、带有抽卡机制的电子宠物系统，以及备受争议的“隐身模式”。隐身模式会移除提交记录中的员工信息，指令 AI“像人类开发者一样编写提交信息”，并严禁提及 AI 身份。

Hacker News 社区对此展开辩论。支持者认为这能避免开源项目遭遇广告干扰，反对者指出 AI 伪装人类违背伦理，加剧了对网络内容真实性的担忧。指令要求 AI“仅描述代码做了什么”也遭到质疑，优秀的提交信息应解释“为什么”改动，这暴露了 AI 在理解开发意图上的局限。

源码显示 Claude Code 使用正则表达式检测提示词中的负面情绪并记录违规词汇。开发者指出，正则在本地运行的速度比调用模型 API 快出几个数量级。代码中大量指令和代码本身由 Claude 生成，证实 Anthropic 团队正在产品开发中深度“吃自家狗粮”。

NASA 计划于 2026 年启动阿耳忒弥斯 2 号载人绕月飞行任务。在 2022 年的不载人测试中，猎户座飞船的隔热罩未按预期均匀烧蚀，飞溅出大量碎块，四个大型分离螺栓中有三个发生熔穿。监察长办公室（OIG）报告确认了隔热罩剥落、碎片撞击和螺栓侵蚀三大风险。NASA 将故障归因于 Avcoat 材料渗透性不足。

热防护专家指出，NASA 建立的数学模型是为了证明“可以安全飞行”的预设结论。Hacker News 社区将此与挑战者号和哥伦比亚号灾难相提并论，认为 NASA 正在重蹈“偏差正常化”的覆辙——对本应警惕的异常现象习以为常。阿波罗任务中手工填充的 Avcoat 材料，在猎户座上改为分块安装以节省成本，这一设计在高温高压下触及了物理极限。

阿耳忒弥斯计划已耗资近 1000 亿美元。SpaceX 在涉及载人任务前会通过多次迭代飞行测试验证可靠性。NASA 因 SLS 火箭单次发射耗资 20 亿至 40 亿美元，缺乏硬件和预算进行额外不载人测试，迫使管理层在数据不足的情况下选择冒险。

Ollama 发布支持 Apple Silicon MLX 框架的预览版。该版本利用统一内存架构和 M5 芯片的 GPU 神经网络加速器，优化了首字响应时间和生成速度。预览版引入 NVFP4 支持，在保持模型准确性的同时将内存占用减少 3.5 倍。

Ollama 的缓存机制同步得到升级，支持跨对话重用缓存和智能剔除策略。这在需要共享系统提示词的智能体任务中表现突出。官方建议运行 Qwen3.5-35B-A3B 量化模型至少配备 32GB 统一内存。

社区用户指出，Ollama 后端正从基于 llama.cpp 的 GGUF 路径向原生 MLX 路径扩展。设备端大语言模型能解决数据中心推理过载及能耗问题。对于追求隐私、拒绝云端厂商“替换训练”的开发者，本地运行效率的提升极具吸引力。

CLAUDE.md 项目通过在项目根目录放置配置文件，强制 Claude Code 遵循特定响应规则，将输出 Token 减少约 63%。规则要求：答案必须在第一行，禁止解释操作意图，强制使用纯文本输出，并在事实不确定时承认“不知道”。

社区对“答案排在第一行”的规则提出质疑。大语言模型具有自回归特性，强制模型跳过推理过程直接给出答案，容易诱发幻觉并降低复杂任务的成功率。开发者认为，看似无用的废话在模型内部起到了“状态保持”的作用，有助于维持会话连贯性。

该工具在每条消息中增加了输入 Token 的开销，只有输出量足够大才能实现经济效益正向化。社区建议在会话接近上下文限制时，使用 /handoff 指令生成包含决策记录的摘要文件，以便在新会话中无缝衔接。过度的人为干预会使模型偏离训练分布，保持官方系统提示词往往效果更好。

Oracle 预计削减 20,000 至 30,000 名员工，占全球员工总数的 18%。员工收到冷冰冰的邮件通知，内部系统访问权限随即撤销。受影响部门包括营收与健康科学、SaaS 与虚拟运营服务及 NetSuite 印度开发中心。未归属的受限股票单位立即失效。

Hacker News 社区认为 Oracle 的商业模式已转向挤压存量客户，并收购拥有核心客户群的企业。尽管 Oracle 在开发者群体中声望不佳，其数据库技术在金融、电信和政府基础设施中仍嵌入极深。大部分电信运营商的七号信令系统依赖 Oracle 收购的 Tekelec 技术，Java 依然是大型企业后端的核心。

此次裁员旨在腾出 80 亿至 100 亿美元现金流。Oracle 为追赶 AI 基础设施浪潮，在两个月内承担了 580 亿美元新债务。沉重的债务负担和 AI 数据中心的巨额投入，迫使公司削减人力成本维持现金流。评论区将此称为“过估值陷阱”，由员工承担激进负债的代价。

Google 在 Play Console 推行开发者身份验证，旨在遏制恶意软件传播。开发者需提供商业实体标识符、护照、银行流水和公司注册证。社区抱怨流程缓慢且重复。对比之下，F-Droid 等侧载源的安全性被认为远高于充斥流氓插件的 Play 商店。

从 2026 年 9 月起，普通用户安装未经注册的应用必须通过“高级流程”或 ADB。该流程包含开启开发者模式和长达 24 小时的等待期。这一设计被视为对第三方商店的致命打击，普通用户不会为安装开源应用等待一天。

社区广泛认为此举真实动机是限制去广告版 YouTube 等修改版应用的传播，并为垄断诉讼构建防御策略。面对严格的验证要求，核心用户正重新考虑设备选择，倾向于转向隐私保护更好的 iPhone 或 GrapheneOS 等 Linux 手机系统。

开发者 Zach Manson 发现 Copilot 在其拉取请求描述中插入了生产力工具 Raycast 的广告。GitHub 搜索证实已有超过 11,400 个 PR 被植入类似提示。GitHub 高管公开致歉，承认 Copilot 在人类不知情的情况下修改内容是错误判断，并禁用了该功能。

Hacker News 社区将此归咎于微软“营销驱动开发”的模式。产品经理为追求季度奖金牺牲用户体验。生成式 AI 技术被巨头用来诱导用户点击广告，这种现象印证了在线平台榨取利润导致价值恶化的“平台腐烂”趋势。

官方坚称这是编程逻辑错误，但开发者对平台的信任已受损。社区大量讨论迁移至 GitLab、Codeberg 等替代方案。务实派推荐使用 Forgejo 或 Gitea 在虚拟专用服务器上自建托管方案，彻底摆脱大公司的算法干扰。

《Clojure：纪录片》预告片发布，回顾了该语言的演进历程。其核心设计哲学由创造者 Rich Hickey 奠定。Clojure 的优势在于极强的向后兼容性、降低并发复杂性的不可变数据结构，以及无需重启服务即可修改代码的交互式编程环境（REPL）。

社区指出 Clojure 缺乏静态类型系统，在大型代码库中常出现“地图传递”问题，增加了认知负荷。在直接调用本地模型处理 AI 任务时，Python 具有压倒性的生态优势，促使部分团队发生技术栈迁移。

Clojure 在 Web 开发中倾向于通过库进行自由组合，而非使用开箱即用的重型框架。社区正关注新兴方向 jank（能与 C++ 交互的 Clojure 方言），以解决原生移动应用和高性能后端领域的短板。

Google Research 发布时间序列预测模型 TimesFM 2.5。新版本将参数量精简至 200M，上下文长度提升至 16k，采用仅解码器结构。模型支持连续分位数预测，去除了频率指示符，重新加入对协变量的支持。

Hacker News 社区对“通用”模型能否同时预测不同领域的序列提出质疑。模型并未理解业务语义，而是通过大规模数据学习识别趋势、季节性和残差等统计模式。许多序列共享因果结构，模型通过模式匹配识别特定特征。

TimesFM 在 8xA100 集群上仅需 60 小时即可完成训练，训练成本大幅降低。在实际应用中，其质量与传统 ARIMA 模型相当，但推理速度较慢。针对高度混沌的序列，仅靠历史曲线进行零样本预测依然困难。该模型已在 Hugging Face 开源并集成到 BigQuery。

相关链接：

• Axios compromised on NPM – Malicious versions drop remote access trojan
• Claude Code's source code has been leaked via a map file in their NPM registry
• Artemis II is not safe to fly
• Ollama is now powered by MLX on Apple Silicon in preview
• Universal Claude.md – cut Claude output tokens
• Oracle slashes 30k jobs
• Android Developer Verification
• GitHub backs down, kills Copilot pull-request ads after backlash
• Clojure: The Documentary, official trailer [video]
• Google's 200M-parameter time-series foundation model with 16k context