欢迎收听 Agili 的 Hacker Podcast，今天我们将探讨如果 HN 标题说真话会怎样，了解 Mac Studio 如何通过 RDMA 技术实现 1.5TB VRAM，见证没有“事后诸葛亮”偏见的“历史 LLM”，并深入剖明亚马逊支持 ePub 下载背后的用户担忧，以及 Mullvad 用 Rust 重写的 GotaTun、在浏览器中漫游经典游戏的 Noclip、英特尔的混乱命名、高可靠 S3 存储 Garage、用 Lean 4 开启形式化方法之旅，最后揭秘 LLM 提示缓存的降价关键。
如果 Hacker News 标题说真话会怎样？
一个名为“Hacker News front page now, but the titles are honest”的项目最近在社区爆火。它利用 AI 生成了一个 HN 首页的“诚实版”镜像，将所有标题改写得更加坦率、讽刺，精准地道出了科技圈心照不宣的潜台词。
“诚实”标题背后的真相
这些标题以一种幽默自嘲的方式，揭示了开发者生态中的普遍现象：
社区的狂欢与反思
这个项目不仅带来了欢乐，也引发了社区的深度互动和思考。许多开发者表示这些标题“残酷但真实”，并迅速有人开发出 Chrome 扩展，让用户可以随时在原始标题和“诚实”标题之间切换，体验这种“翻译”的乐趣。
当然，讽刺也需要基于事实。有开发者指出，关于“富有开发者”花费 1.5 万美元的标题并不完全准确，因为原文作者 Jeff Geerling 使用的是苹果公司借出的价值 4 万美元的设备。这引发了关于讽刺与事实边界的讨论：幽默是否需要绝对的精确？
此外，这场讨论还意外地跑偏到了一个硬核技术话题。在一条“因为硬盘太主流，所以我们把数据存在网络里”的标题下，开发者们竟开始深入探讨起了“延迟线存储器”（delay-line memory）的古老技术，从物理学原理聊到科幻构想，充分展现了技术社区独特的魅力。
最终，HN 管理员也现身说法，解释了社区对这类“元帖子”的包容态度：只要足够原创和有趣，偶尔打破常规也是被允许的。这无疑是 HN 社区一次成功的自嘲和集体内省。
Mac Studio 集群实现 1.5TB VRAM：Thunderbolt 5 上的 RDMA 威力
知名技术博主 Jeff Geerling 最近进行了一项惊人实验：他将四台 Mac Studio 通过 Thunderbolt 5 连接起来，利用 macOS 新增的 RDMA（远程直接内存访问）功能，构建了一个拥有 1.5 TB 统一内存的“超级计算机”，成功运行了单个设备无法承载的巨型 AI 模型。
RDMA 技术的核心优势
实验的核心在于 RDMA over Thunderbolt 5。这项技术允许集群中的一台 Mac 直接访问另一台 Mac 的内存，而无需操作系统内核的介入，从而将跨节点内存访问的延迟从 300μs 大幅降低至 50μs 以下。这种低延迟特性使得多台 Mac 的内存能够被高效汇聚，为运行像 DeepSeek V3.1 这样对内存有海量需求的 AI 模型提供了可能。
实践中的挑战
物理连接的局限：由于市面上缺少 Thunderbolt 5 交换机，四台 Mac 必须两两直连，导致布线极其混乱，并且集群规模也因此受限。macOS 的管理难题：与成熟的 Linux 集群管理相比，macOS 缺乏远程批量管理工具。例如，系统升级无法通过 SSH 完成，必须手动操作每台机器的图形界面，这对于集群运维来说是个噩梦。软件生态尚不成熟：测试中，RDMA 连接的稳定性仍有待提高，并且支持该技术的开源 AI 集群工具 Exo 也存在一些问题。社区热议：苹果的 HPC 野心与现实
这次实验引发了社区对苹果在高性能计算（HPC）领域战略的激烈讨论。许多人对苹果的决心持怀疑态度，认为其在服务器管理、网络扩展性（如缺乏 QSFP 接口支持）等方面存在明显“盲点”，这与真正的企业级需求格格不入。有人甚至翻出苹果服务器产品线 Xserve 的失败历史作为佐证。
不过，也有观点认为，这或许是苹果在为未来的 M 系列服务器产品铺路，通过开放 RDMA 功能来提前培育软件生态。同时，关于 AI 算力需求是否会催生“泡沫”，以及在性能与功耗之间如何取舍的讨论也此起彼伏。一些开发者批评了盲目追求高功耗以换取微小性能提升的做法，而另一些人则认为榨干硬件性能是资源有限情况下的合理选择。
总而言之，Mac Studio 集群展现了苹果硬件在 AI 领域的巨大潜力，但也暴露了其在向专业 HPC 领域迈进时，所面临的系统管理和网络基础设施方面的固有挑战。
与历史对话：没有“事后诸葛亮”偏见的“历史 LLM”
想象一下，你能和一个生活在 1913 年、对即将到来的世界大战一无所知的“人”对话吗？一个名为“历史大型语言模型”（History LLMs）的开源项目正在将这个科幻般的想法变为现实。
“时间锁”模型的诞生
该项目旨在训练一系列特殊的大型语言模型，其训练数据被严格限制在特定的历史时间点之前。例如，Ranke-4B-1913 模型只学习了 1913 年以前的文本。这意味着它完全不知道一战、二战、互联网或任何现代事件，从而消除了所有现代 LLM 都无法避免的“事后诸葛亮偏见”。
当你问这个模型“谁是阿道夫·希特勒？”时，它不会提及那位二战元凶，而是描述一位在 19 世纪出生的哲学教授。当被问及对奴隶制的看法时，它会基于当时的法律和道德观念，回答“奴隶制违背了普通法原则”。这些回答为我们提供了一扇窥探特定历史时期思想和观念的纯净窗口。
伦理与研究价值
项目团队坦诚，由于训练数据源于历史，这些模型不可避免地会重现当时普遍存在的种族主义、性别歧视等偏见。然而，他们认为这并非缺陷，而是理解这些观念如何形成和传播的关键特征。这些模型并非要取代历史学家的研究，而是作为一种补充工具，帮助研究者探索大规模的语篇模式。
AI 的本质：一场激烈的辩论
这个项目也点燃了社区关于 LLM 本质的激烈辩论。
这场辩论至今没有定论，但“历史 LLM”项目无疑为我们提供了一个独特的视角，不仅让我们能以一种全新的方式“触摸”历史，也推动我们去更深层次地思考人工智能的能力边界和伦理责任。
亚马逊让步：DRM-free 电子书将支持 ePub 和 PDF 下载
亚马逊近日宣布，将在 2026 年允许用户下载无数字版权管理（DRM-free）的电子书，格式支持通用的 ePub 和 PDF。这一举动被视为对长期偏爱其专有格式的 Kindle 生态的一次重要调整。然而，这一消息并未在用户社区中激起太多喜悦，反而引爆了大家对亚马逊账户政策和数字资产安全的深切担忧。
账户封禁的深层恐惧
消息发布后，讨论迅速转向了一个更核心的痛点：亚马逊账户被无故封禁的风险。多位用户分享了他们的惨痛经历：因包裹问题或退款系统错误，他们的亚马逊账户被自动化系统判定为“欺诈”而永久封禁。最严重的是，这不仅意味着无法再购物，更导致他们购买的所有 Kindle 电子书被远程清空，一夜之间丧失了对自己花费真金白银购买的数字资产的访问权。申诉过程往往漫长而无效，这与亚马逊“以客户为中心”的口号形成了巨大反差。
数字所有权的本质争议
这些真实案例加剧了社区对 DRM 技术的抵触情绪。许多人意识到，所谓的“购买”电子书，实际上只是获得了一个可随时被收回的“阅读许可”。一旦账户出现问题，这项许可便荡然无存。这使得“数字所有权”的概念变得异常脆弱。因此，许多用户早已开始使用 Calibre 等工具备份自己的电子书，或转向完全提供 DRM-free 内容的平台，作为一种自我保护的手段。
对新政策的谨慎审视
尽管亚马逊的新政策看似积极，但大家普遍持谨慎甚至怀疑的态度。新规明确指出，这一福利仅限于 DRM-free 的书籍，并且需要出版商“明确允许”。这意味着亚马逊庞大的存量 DRM 电子书库并不会受到影响。用户担心这可能只是亚马逊应对市场压力的一种表面妥协，最终能让用户真正“拥有”的书籍数量可能相当有限。
总而言之，在亚马逊未能从根本上改善其不透明的账户管理和客户服务流程之前，即便是支持 ePub 下载这样的利好消息，也难以消除用户对于数字资产安全的核心焦虑。
Mullvad VPN 的新核心：用 Rust 重写 WireGuard 实现 GotaTun
知名 VPN 服务商 Mullvad 最近宣布了一项重大的技术升级：他们推出了名为 GotaTun 的全新 WireGuard 实现，完全用 Rust 语言编写，旨在取代之前问题频出的 Go 语言版本 wireguard-go。
为何选择 Rust？
Mullvad 团队指出，旧的 wireguard-go 实现是其 Android 应用中超过 85% 崩溃报告的罪魁祸首。Go 语言的垃圾回收（GC）机制以及与 Mullvad 核心 Rust 代码库进行外部函数接口（FFI）交互的复杂性，使得调试和维护变得异常困难。
为了从根本上解决问题，他们决定用 Rust 重写。GotaTun 作为 Cloudflare 的 BoringTun 项目的一个分支，充分利用了 Rust 在内存安全、高性能多线程和零拷贝内存操作方面的优势。
显著的成效
稳定性飙升：自部署以来，GotaTun 在 Android 平台上未报告过一次崩溃，用户感知的崩溃率从 0.40% 骤降至 0.01%。性能提升：用户普遍反映连接速度更快，电池消耗也更低。有 Pixel 用户报告称，速度从 100Mbps 跃升至 500Mbps 以上，连接建立时间也从数秒缩短至不足一秒。Mullvad 计划在 2026 年将 GotaTun 推广到所有平台，并进行第三方安全审计。
社区的深度探讨
Rust vs. Go：许多人认为，Rust 在需要高性能、低延迟和精细内存控制的网络与固件开发中，相比 Go 具有天然优势。尤其是在避免 GC 停顿和处理复杂的 FFI 场景时，Rust 的表现更为出色。WireGuard 协议的局限：也有讨论指出，WireGuard 协议本身设计简洁，并不包含流量混淆功能，这使其在某些网络环境下容易被识别和封锁。主流观点认为，混淆应在更高层次实现，而非协议本身。Mullvad 的市场定位：大家普遍赞扬 Mullvad 对隐私的坚定承诺和技术实力。但也有人指出，其 IP 地址常被流媒体服务封锁，且取消了端口转发功能，对于有特定需求的用户来说可能不够“实用”。总的来说，GotaTun 的成功不仅是 Mullvad 的一次重要技术胜利，也再次印证了 Rust 语言在构建高性能、高可靠性系统级软件方面的强大潜力。
Noclip.website：在浏览器里漫游经典游戏关卡的数字博物馆
一个名为 Noclip.website 的开源项目，正在成为游戏爱好者和开发者的宝库。它被誉为“视频游戏关卡的数字博物馆”，让用户可以直接在网页浏览器中，以“上帝视角”自由探索数百个经典游戏的 3D 关卡。
技术奇迹与情感共鸣
这个网站的技术成就令人惊叹。它并非简单地模拟游戏，而是为每个游戏实现了一个专门的渲染器，解析游戏文件，并将复杂的 3D 场景（从 N64 的《班卓熊大冒险》到 PC 的《传送门2》）直接在浏览器中渲染出来。用户只需通过键盘和鼠标，就能在这些熟悉的数字世界中“飞行”，感受 WebGL 和 WebGPU 技术的强大潜力。
对于许多玩家来说，这更是一场深刻的情感之旅。当他们重新“漫步”在《魔兽世界》的铁炉堡或《最终幻想X》的Besaid村庄时，强烈的怀旧感扑面而来，尘封的童年记忆被瞬间唤醒。许多人表示，每次打开这个网站，都会不知不觉地沉浸其中数小时。
学习与探索的宝贵资源
Noclip.website 的价值远不止于怀旧。
尽管项目在移动设备上的兼容性尚待完善，并且有人开玩笑地担心任天堂法务部的关注，但 Noclip.website 作为一个开源项目，凭借其连接技术与艺术、过去与现在的独特魅力，已经赢得了社区的高度赞扬，成为了一个激发灵感和保存数字文化遗产的宝贵平台。
“镇纸”的教训：被英特尔混乱命名坑了的升级经历
一位开发者最近分享了他升级服务器时的一次惨痛经历，起因是英特尔混乱且具有误导性的 CPU 命名规范。这个故事迅速引发了整个科技社区的共鸣，演变成一场对硬件命名乱象的大型吐槽会。
15 美元的教训
这位开发者想为他的旧工作站升级 CPU。他查阅英特尔官网，发现旧 CPU（Xeon E5-1650 v2）和一颗性能强大得多的新 CPU（Xeon E7-8890 v4）都标注使用“FCLGA2011”插槽。于是他放心地在 eBay 上以 15 美元的价格买下了新 CPU。然而，到手后才发现，两者物理键位完全不同，根本无法安装。原来，英特尔的“LGA2011”插槽有多个不兼容的变体（如 Socket R 和 Socket R2），但在官方文档中却被笼统地标记为同一个名称。这颗 24 核的强大处理器，最终只能沦为一件昂贵的“镇纸”。
不只是英特尔，全行业的通病
英特尔的“重灾区”：开发者们纷纷吐槽，英特尔的命名问题无处不在。从微架构代号与市场产品名严重脱节，到官网删除旧型号信息，再到笔记本 CPU 型号相似但性能天差地别（如 Core Ultra 7 155U vs 155H），都给消费者和开发者带来了巨大困扰。AMD 和英伟达也难辞其咎：AMD 被指在 Ryzen 7000 系列中用旧的 Zen 2 核心冒充新型号，英伟达的 Quadro 系列显卡也因命名高度相似而难以区分。USB 命名的噩梦：USB 协议的命名更是被反复提及的经典反面教材，从 USB 3.0 到 USB 3.2 Gen 1 的反复更名，让普通用户一头雾水。乱象背后的原因与对策
大家普遍认为，市场营销部门是这种混乱局面的“幕后推手”，他们为了销售业绩，故意模糊产品代际差异。面对这种“防不胜防”的局面，经验丰富的用户也总结出了一些自保策略：
这个“镇纸”的故事提醒我们，清晰、一致的命名规范对于消费者权益和技术选型至关重要，但现状却不容乐观。
Garage：为数据中心之外而生的高可靠 S3 对象存储
在寻找 MinIO 替代方案的浪潮中，一个名为 Garage 的开源 S3 对象存储服务脱颖而出。它的核心卖点极具吸引力：一个可靠到可以在数据中心之外，甚至在由旧硬件组成的不可靠网络中稳定运行的 S3 存储。
设计哲学：弹性与极简
Garage 的设计理念并非追求极致的并发性能，而是将 可靠性 和 易用性 放在首位。
社区热议：权衡与取舍
Garage 的发布引发了社区的深度技术讨论，焦点集中在其设计上的权衡。
总而言之，Garage 以其独特的设计哲学，在边缘计算、个人服务器和寻求高可靠性存储的场景中展现出巨大潜力。它证明了在分布式存储领域，除了追求极致性能，还有一条通往高可靠性和易用性的道路。
从零到 QED：用 Lean 4 开启形式化方法之旅
一篇名为《From Zero to QED》的系列文章，正以其系统性和易懂性，成为学习形式化证明语言 Lean 4 的热门入门指南。但更有趣的是，它在社区中点燃了一场关于数学未来、人工智能与人类理解之间关系的深刻辩论。
一份全面的学习指南
该系列文章旨在填补当前 Lean 4 学习资源分散的空白，它分为两个部分：首先将 Lean 作为一门函数式编程语言进行教学，然后深入探讨其作为定理证明器的强大功能。所有代码和证明都经过了 Lean 编译器的严格检查，确保了内容的正确性。
AI 证明 vs. 人类理解
文章发布后，讨论的焦点迅速转向了一个引人深思的问题：当 AI（如大型语言模型）能够生成长达数百万行的 Lean 代码来完成一个复杂数学证明时，我们该如何自处？
这场辩论将实用主义与理解至上的哲学思想进行了碰撞。实用主义者认为，正确的计算结果本身就是可信的。而另一方则引用费曼的名言——“我无法创造的东西，我就不了解”，强调建立清晰心理模型和解释能力才是理解的真谛。
尽管目前将前沿数学研究完全形式化仍需“数十年的人力”，但这场由 Lean 4 入门指南引发的讨论，预示着数学、人工智能和人类认知三者之间关系的未来，将充满挑战与机遇。
揭秘 LLM 降价关键：深入理解提示缓存 (Prompt Caching)
大型语言模型（LLM）API 的输入 token 成本为何能降低 10 倍？响应延迟为何能减少 85%？ngrok 的一篇深度技术文章揭示了背后的关键技术——提示缓存（Prompt Caching），也称 KV Caching。
缓存了什么？
文章深入浅出地解释了 LLM 的工作流程：从分词（Tokenizer）、嵌入（Embedding）到核心的 Transformer（特别是 Attention 机制）。关键在于，LLM 在生成每个新 token 时，都需要将整个历史对话（提示 + 已生成的回答）重新计算一遍，这造成了巨大的计算浪费。
提示缓存的核心就在于，缓存 Attention 机制中的 K (Key) 和 V (Value) 矩阵。
当模型需要生成下一个 token 时，它无需重新计算整个历史提示的 K 和 V 矩阵，只需计算新输入 token 的 K、V 值，然后将其与之前缓存的矩阵拼接起来即可。这大大减少了重复计算，从而显著降低了成本和延迟。被缓存的，正是这些代表了上下文语义信息的 K 和 V 矩阵。
社区热议：安全、实用与技术细节
安全与隔离：讨论最激烈的话题是缓存的安全性。OpenAI 明确表示，缓存不会跨组织共享，但即便是组织内部共享，也存在安全风险。有开发者提出，恶意内部人员可能通过“计时攻击”来推断同事正在使用的提示模板或系统指令，从而泄露商业机密。实用场景：对于缓存的实用性，开发者们也分享了宝贵经验。在聊天场景中，每次用户输入新问题，之前的整个对话历史都可以被缓存，极大地加速了响应。在处理包含大量固定指令的系统提示时，缓存同样能发挥巨大作用。一位开发者通过将高变动信息（如日期）从提示开头移到末尾，成功将缓存命中率从 30% 提升至 70%，有力证明了前缀匹配在缓存中的重要性。技术限制：目前的 KV 缓存技术主要依赖于前缀匹配，因为 Attention 机制的特性决定了上下文中的任何变动都会影响所有 token 的最终表示，所以无法轻易缓存提示中间的片段。参数影响：一个常见的误区被澄清：temperature、top_p 等控制模型随机性的参数，作用于 Attention 机制之后，仅影响最终 token 的选择过程，因此不会影响缓存的命中。总而言之，提示缓存是 LLM 服务降本增效的一项关键技术。理解其工作原理，不仅能帮助开发者更好地利用 API，也让我们对大型模型的内部运作有了更深刻的认识。
相关链接：
- Hacker News front page now, but the titles are honest
- 1.5 TB of VRAM on Mac Studio – RDMA over Thunderbolt 5
- History LLMs: Models trained exclusively on pre-1913 texts
- Amazon will allow ePub and PDF downloads for DRM-free eBooks
- GotaTun – Mullvad's WireGuard Implementation in Rust
- Noclip.website – A digital museum of video game levels
- Getting bitten by Intel's poor naming schemes
- Garage – An S3 object store so reliable you can run it outside datacenters
- From Zero to QED: An informal introduction to formality with Lean 4
- Prompt caching for cheaper LLM tokens
