Sign up to save your podcasts
Or
Share Hacker News 每日播报 2025-07-07
Share to email
Share to Facebook
Share to X
Share to email
Share to Facebook
Share to X
Or
Hacker News 每日播报 2025-07-07
Hacker News 每日播报，带你探索从蓝牙离线聊天到英特尔最新芯片的游戏性能，从AI幻觉催生的新功能到尼安德特人的史前“脂肪工厂”，以及更多科技与人文的交汇点。
Bitchat：无需网络的蓝牙网状网络聊天应用
你是否曾身处信号盲区，却渴望能发出一条消息？或者你只是对中心化服务器和个人隐私深感忧虑？一个名为 Bitchat 的新项目，旨在应对这些挑战。
Bitchat 是一款去中心化的即时通讯应用，它完全工作在蓝牙网状网络（Bluetooth mesh）之上。其核心理念是摆脱对传统互联网基础设施的依赖，实现真正的无服务器通讯。想象一下，即使没有 Wi-Fi、没有蜂窝信号，你依然能与附近的人自由收发消息。
它的实现方式颇具巧思：每台运行 Bitchat 的设备都像一个微型路由器，可以作为网络中的一个节点，将消息从一部手机传递到另一部。只要用户之间形成一条链，信息就能像接力赛一样“跳”到目的地。这种设计在灾难救援、偏远地区或大型活动等网络瘫痪或拥堵的场景下，显得尤为珍贵。同时，去中心化的特性也天然地增强了隐私保护，因为不存在任何数据收集或单点故障的中心。
当然，这个美好的愿景也面临着现实的挑战。蓝牙技术的固有短板——传输距离，是首先需要克服的障碍。虽然网状网络扩展了覆盖范围，但它依然依赖于足够高的用户密度才能实现远距离通信。这引出了一系列关键问题：消息在网络中能可靠地传递多远？持续运行蓝牙对手机电池续航的影响有多大？在一个不断变化的动态网络中，如何保证消息的可靠送达？以及，在没有中心化管理的系统中，如何防止垃圾信息和滥用行为？
尽管前路上有诸多技术难题和类似项目（如 FireChat）的前车之鉴，Bitchat 依然描绘了一幅引人入胜的未来通信图景。它能否解决“先有鸡还是先有蛋”的用户普及难题，将决定其最终的成败。这是一个值得我们持续关注的创新尝试。
英特尔 Lion Cove 核心在游戏中的表现：深度剖析
来自技术分析网站 Chips and Cheese 的一篇文章，深入剖析了英特尔最新 Lion Cove P-Core 架构在游戏负载下的真实表现，揭示了其与传统生产力基准测试截然不同的性能瓶颈。
游戏负载的独特挑战
Lion Cove 架构在 SPEC CPU2017 等基准测试中表现亮眼，IPC（每周期指令数）提升显著。然而，游戏通常是低 IPC 的工作负载，这意味着它们无法充分利用 CPU 的“宽度”。分析发现，Lion Cove 在游戏中的主要瓶颈并非前端带宽或分支预测，而是后端内存延迟和核心内部执行延迟。简单来说，CPU 大部分时间都在“等待”数据，而不是在“计算”。
缓存与内存的博弈
文章详细分析了 Lion Cove 的四级缓存体系。新引入的 L1.5 缓存确实有效减轻了 L2 缓存的压力，但一旦数据需要从更慢的 L3 缓存或主内存（DRAM）中获取，性能代价就变得极其高昂。尽管 L2 缓存的未命中率不高，但这些“稀有”的事件由于其巨大的延迟，仍然对整体性能产生了不成比例的负面影响。
与 AMD Zen 4 相比，Lion Cove 在前端延迟（如分支预测）方面表现更优，但在后端内存延迟方面则有所不及。这再次印证了一个核心观点：对于游戏这类难以优化的工作负载，简单增加核心宽度并非良药，关键在于如何有效处理因等待数据而产生的长时间停顿。
Uncore 频率引发的担忧
一些深入的分析指出，英特尔 Arrow Lake 平台的 Uncore 频率（影响 L3 缓存和内存控制器性能）相比前代产品有所降低。这可能是一个不容忽视的性能退步，因为在游戏这类对内存延迟极其敏感的应用中，L3 缓存的速度至关重要。如果 Uncore 频率的降低导致内存子系统成为新的瓶颈，那么即使核心架构本身再优秀，也可能无法完全发挥其潜力。这引发了人们对英特尔在芯片设计上权衡取舍的思考。
高频交易巨头 Jane Street 因涉嫌市场操纵被印度市场禁入
近日，全球顶尖的量化交易公司 Jane Street 在印度市场遭遇重挫。印度证券交易委员会（SEBI）以涉嫌操纵市场为由，暂时禁止其交易，并冻结了超过 5.66 亿美元的资产。
SEBI 指控 Jane Street 采用了一种复杂的策略来操纵印度基准股指。据称，该公司会在交易日早期大量买入指数成分股和期货，推高市场，随后针对指数下跌进行大规模押注。接着，他们会迅速卖出早先的头寸，人为地压低指数，从而使其看跌期权获得巨额利润。
监管机构认为，这种“先拉后砸”的行为，尽管在技术上可能并未直接违反某条具体法规，但其规模和意图明显具有操纵性质，旨在“为自身头寸牟利”，损害了市场公平和散户投资者的利益。
这起事件引发了关于高频交易和市场监管的激烈讨论。
一种观点认为，SEBI 的行动是对利用规则漏洞进行“灰色地带”操作的必要打击。这种策略利用了速度和资本优势，对普通投资者构成了不公平竞争，其操纵意图昭然若揭。
另一种观点则更为审慎，认为这可能是复杂的对冲策略或市场中性策略的一部分，监管机构对“经济合理性”的判断可能过于简单化。他们认为，问题或许不在于公司的行为，而在于现有法规未能跟上金融技术的快速发展。这凸显了“创新交易策略”与“市场操纵”之间模糊的界限。
无论如何，这起事件为全球的金融监管机构和高频交易公司都敲响了警钟，促使人们重新审视在算法交易时代，如何定义和监管市场操 ઉ纵行为，以在维护市场诚信和鼓励金融创新之间找到平衡。
用 GCC 构建 Rust 编译器：一次深入底层的探索之旅
一位开发者正在进行一项雄心勃勃的挑战：使用 GCC 作为后端来引导（bootstrap）Rust 编译器，以摆脱对 LLVM 的依赖。这篇博客文章详细记录了他在这个充满挑战的过程中，如何像侦探一样追踪并修复了三个棘手的 Bug。
引导过程的挑战
引导 Rust 编译器是一个分为三个阶段的复杂过程，目标是最终生成一个功能与官方 LLVM 版本完全一致、但由 GCC 构建的编译器。作者通过一种被他戏称为“给 Ferris（Rust 吉祥物）做脑叶切除术”的激进调试法——即大胆注释掉问题代码以缩小范围——来定位问题。
三个有趣的 Bug
这篇文章不仅展示了编译器底层工作的复杂与精妙，更体现了开发者面对难题时，那种刨根问底、不懈努力和巧妙变通的极客精神。这是一次深入编译器内部的精彩冒险。
我们正在失去个性，沦为贴着标签的产品吗？
一篇发人深省的文章指出，在当今盛行的“治疗文化”（Therapy-speak）中，我们似乎正在失去对“个性”的传统理解。作者认为，几乎所有的人类习惯、怪癖甚至强烈的情感，都被迅速贴上心理学标签，被视为需要诊断和解决的“问题”。
文章举例说，迟到不再是可爱的健忘，而是多动症（ADHD）；害羞内向被归因于自闭症谱系（Autism）；慷慨大方被解读为“讨好型人格”；而努力工作则成了“创伤驱动的过度补偿”。这种趋势将复杂、多维的“人”简化为一系列“症状”和“诊断”的集合，最终使我们每个人都变成了“贴着标签的产品”。
作者质疑，这种对一切行为进行过度解释的冲动，是否真的让我们更“开明”？还是反而让我们失去了体验生活神秘感和浪漫的能力，变得更加焦虑和自我审视。文章呼吁我们勇敢地接受人性的复杂与不可知，不要将自己完全交给市场化的心理健康产业来定义，而是要“保持未被解决”的状态，因为“成为一个人，本身就不需要其他解释”。
这篇文章引发了深刻的思考。一方面，许多人对这种过度标签化的趋势感到共鸣，认为它剥夺了生活的自发性和丰富性，让人陷入无休止的自我剖析。
另一方面，也有专业人士提出，真正的心理治疗并非旨在贴标签，而是帮助人们理解自己行为背后的意义，接纳完整的人性，从而更自由地生活。这或许表明，问题不在于心理学本身，而在于其概念在流行文化中被过度简化和滥用。这场讨论的核心在于：在追求自我理解的道路上，我们如何避免将自己简化为一堆标签，从而失去作为个体的独特性？
12.5万年前，尼安德特人已在湖岸经营“脂肪工厂”
考古学的一项惊人发现，将我们对尼安德特人智慧的认知提升到了一个新高度。研究表明，早在 12.5 万年前，尼安德特人就已经在德国的湖岸边，系统性地经营着一个史前的“脂肪工厂”。
这一发现的核心在于，尼安德特人并非简单地敲骨吸髓，而是掌握了更为复杂的资源处理技术。他们会将大量动物骨骼（如鹿、马等）粉碎，然后通过加热和熬煮的方式，从中提取富含能量和营养的骨脂。这种行为此前一直被认为是晚期智人才具备的高级技能，而这次的发现将这一技术的时间线大幅提前。
这不仅仅是一项技术，更体现了高度的规划能力和资源管理智慧。考古遗址显示，这是一个有组织的、策略性的活动。尼安德特人会规划狩猎，将猎物运送到专门的加工点，并进行集约化的脂肪提炼。在遗址群的不同区域，还发现了狩猎、屠宰和加工等不同功能的活动分区，描绘出了一幅远比“粗野穴居人”刻板印象复杂得多的社会图景。
一个有趣的技术问题随之而来：在没有大型耐火容器的时代，他们是如何实现“熬煮”的？一种可能的解释是采用了古老的“热石烹饪法”——将水装在紧密编织的篮子或兽皮袋中，然后投入在火中烧得滚烫的石头来加热。无论具体方法如何，这一发现都强有力地证明了尼安德特人拥有远超我们想象的智慧和适应能力，他们不仅是生存者，更是懂得资源优化和“流水线”作业的早期工程师。
Show HN: Piano Trainer - 用 MIDI 玩转钢琴学习
一个名为 Piano Trainer 的开源项目，为钢琴学习者提供了一种全新的互动方式。它利用 MIDI 技术，将你的电子琴或数码钢琴变成一个智能的私人教练，帮助你高效地掌握音阶、和弦等乐理知识。
项目的核心亮点在于其实时反馈机制。通过连接 MIDI 设备，Piano Trainer 能够精确地捕捉你弹奏的每一个音符。这意味着它不仅能播放示范，更能即时判断你弹奏的准确性——无论是音高、节奏还是和弦构成，都能给出反馈，就像一位耐心的老师在你身边指导。
这种互动式的学习方法，相比传统的看谱或视频教程，效率和趣味性都大大提升。它能帮助学习者：
这个项目也激发了许多富有建设性的讨论和建议。例如，大家期待它能增加更多高级功能，如琶音练习、视奏训练、听力训练等。也有人建议加入自定义练习和学习进度跟踪功能，让学习路径更加个性化。此外，如何根据用户的表现动态调整难度，实现自适应学习，也是一个备受关注的方向。
总而言之，Piano Trainer 是技术与艺术结合的绝佳范例，它展示了如何利用现代科技，让古老的乐器学习焕发新的活力。
因 ChatGPT 的“幻觉”，我们被迫开发了一个新功能
AI 时代的产品开发，可能会遇到一些你意想不到的“需求”。音乐学习工具 Soundslice 的创始人 Adrian Holovaty 就分享了这样一个哭笑不得的故事：他们因为 ChatGPT 的一个“错误幻觉”，而被迫开发了一个原本完全不在计划内的新功能。
Soundslice 的核心功能是将乐谱图片数字化，方便用户学习和练习。然而，他们最近发现，有大量用户试图上传一种他们并不支持的格式——ASCII 制表符（一种用文本表示的简谱）。经过调查，团队惊讶地发现，是 ChatGPT 在信誓旦旦地告诉用户，Soundslice 支持这项功能。
这个 AI 制造的“谣言”让团队陷入了两难：是发布声明辟谣，告诉用户 AI 错了？还是顺水推舟，满足这个被“创造”出来的需求？
最终，他们选择了后者，迅速开发了一个 ASCII 制表符导入器。创始人坦言，这完全打乱了他们的产品路线图，心情颇为复杂。这或许是首个公司因 AI 的错误信息而被迫开发新功能的案例。
这个故事引发了关于 AI 时代产品管理的深刻思考。
最终，这不仅是一个技术问题，更是一个关于产品策略自主性、AI 伦理和用户教育的复杂议题。在未来，如何与这些强大但不完美的 AI “同事”共存，将是所有科技公司需要面对的课题。
我在苹果差点被开除的第一次经历
一篇来自前苹果工程师的个人回忆录，将我们带回了 1995 年那个“濒临崩溃”但又充满创造力的苹果。这是一个关于成长、创新以及一次几乎断送职业生涯的“彩蛋”的故事。
作者在 1995 年加入苹果，作为一名新手，他的第一个任务是把旧的颜色选择器（Color Picker）从 68K 芯片移植到新的 PowerPC 架构。面对完全不熟悉的汇编代码，他没有退缩，而是选择了一个更具挑战性的方法：从头开始，编写自己的颜色选择器。
在那个工程师文化驱动的时代，他的主动创新得到了意想不到的回报。他不仅完成任务，还额外创造了 HSV 选择器、为网页设计的 HTML 颜色选择器，甚至还有一个充满童趣的“蜡笔选择器”。令人惊叹的是，这些计划外的功能，最终都被苹果采纳并发布了。这充分体现了当时苹果对工程师直觉和创造力的信任。
然而，故事的转折点源于一个看似无伤大雅的“彩蛋”。作者将几行他喜爱的 T.S. 艾略特诗歌嵌入到了资源名称中，他以为这属于合理使用。但这个小小的举动，却因潜在的版权风险，差点导致整个操作系统的发布延期，并可能造成数百万美元的损失。
他因此受到了严厉的训斥，并与操作系统负责人进行了一次严肃的谈话。幸运的是，他最终保住了工作，但从此成为了公司内部一个关于知识产权重要性的警示案例。
这个故事引发了广泛的共鸣。它让人怀念那个工程师拥有巨大自主权的黄金时代，也引发了关于软件“彩蛋”——究竟是程序员的浪漫还是不必要的风险——的讨论。更重要的是，它讲述了一个关于“冒名顶替综合症”、在挑战中成长以及在犯错后获得第二次机会的真实故事，这对于任何职业生涯中的人来说，都具有深刻的启示意义。
法官披露：AI 公司 Anthropic 曾使用数百万本盗版书籍训练模型
一则重磅消息震动了 AI 行业。在一场版权诉讼中，法官的发现指出，以安全和伦理著称的 AI 公司 Anthropic，在训练其大型语言模型（如 Claude）时，曾使用了数百万本盗版书籍。
据披露，Anthropic 的数据来源包括两个备受争议的部分：
这一发现将 AI 训练数据的版权问题，从抽象的理论争论推向了具体的法律和伦理审判台。它引发了关于 AI 发展与知识产权保护之间紧张关系的激烈讨论。
可以预见，这起事件只是冰山一角。未来，针对 AI 公司的版权诉讼将越来越多，其判决结果将深刻影响整个行业的商业模式和发展路径，或许将迫使 AI 公司寻求与内容创作者建立更合规、更公平的合作关系。
相关链接：
- Bitchat – A decentralized messaging app that works over Bluetooth mesh networks
- Intel's Lion Cove P-Core and Gaming Workloads
- Jane Street barred from Indian markets as regulator freezes $566M
- Building the Rust Compiler with GCC
- Nobody has a personality anymore: we are products with labels
- Neanderthals operated prehistoric “fat factory” on German lakeshore
- Show HN: Piano Trainer – Learn piano scales, chords and more using MIDI
- Adding a feature because ChatGPT incorrectly thinks it exists
- The first time I was almost fired from Apple
- Anthropic cut up millions of used books, and downloaded 7M pirated ones – judge
View all episodes
By Agili 的 Hacker PodcastHacker News 每日播报，带你探索从蓝牙离线聊天到英特尔最新芯片的游戏性能，从AI幻觉催生的新功能到尼安德特人的史前“脂肪工厂”，以及更多科技与人文的交汇点。
Bitchat：无需网络的蓝牙网状网络聊天应用
你是否曾身处信号盲区，却渴望能发出一条消息？或者你只是对中心化服务器和个人隐私深感忧虑？一个名为 Bitchat 的新项目，旨在应对这些挑战。
Bitchat 是一款去中心化的即时通讯应用，它完全工作在蓝牙网状网络（Bluetooth mesh）之上。其核心理念是摆脱对传统互联网基础设施的依赖，实现真正的无服务器通讯。想象一下，即使没有 Wi-Fi、没有蜂窝信号，你依然能与附近的人自由收发消息。
它的实现方式颇具巧思：每台运行 Bitchat 的设备都像一个微型路由器，可以作为网络中的一个节点，将消息从一部手机传递到另一部。只要用户之间形成一条链，信息就能像接力赛一样“跳”到目的地。这种设计在灾难救援、偏远地区或大型活动等网络瘫痪或拥堵的场景下，显得尤为珍贵。同时，去中心化的特性也天然地增强了隐私保护，因为不存在任何数据收集或单点故障的中心。
当然，这个美好的愿景也面临着现实的挑战。蓝牙技术的固有短板——传输距离，是首先需要克服的障碍。虽然网状网络扩展了覆盖范围，但它依然依赖于足够高的用户密度才能实现远距离通信。这引出了一系列关键问题：消息在网络中能可靠地传递多远？持续运行蓝牙对手机电池续航的影响有多大？在一个不断变化的动态网络中，如何保证消息的可靠送达？以及，在没有中心化管理的系统中，如何防止垃圾信息和滥用行为？
尽管前路上有诸多技术难题和类似项目（如 FireChat）的前车之鉴，Bitchat 依然描绘了一幅引人入胜的未来通信图景。它能否解决“先有鸡还是先有蛋”的用户普及难题，将决定其最终的成败。这是一个值得我们持续关注的创新尝试。
英特尔 Lion Cove 核心在游戏中的表现：深度剖析
来自技术分析网站 Chips and Cheese 的一篇文章，深入剖析了英特尔最新 Lion Cove P-Core 架构在游戏负载下的真实表现，揭示了其与传统生产力基准测试截然不同的性能瓶颈。
游戏负载的独特挑战
Lion Cove 架构在 SPEC CPU2017 等基准测试中表现亮眼，IPC（每周期指令数）提升显著。然而，游戏通常是低 IPC 的工作负载，这意味着它们无法充分利用 CPU 的“宽度”。分析发现，Lion Cove 在游戏中的主要瓶颈并非前端带宽或分支预测，而是后端内存延迟和核心内部执行延迟。简单来说，CPU 大部分时间都在“等待”数据，而不是在“计算”。
缓存与内存的博弈
文章详细分析了 Lion Cove 的四级缓存体系。新引入的 L1.5 缓存确实有效减轻了 L2 缓存的压力，但一旦数据需要从更慢的 L3 缓存或主内存（DRAM）中获取，性能代价就变得极其高昂。尽管 L2 缓存的未命中率不高，但这些“稀有”的事件由于其巨大的延迟，仍然对整体性能产生了不成比例的负面影响。
与 AMD Zen 4 相比，Lion Cove 在前端延迟（如分支预测）方面表现更优，但在后端内存延迟方面则有所不及。这再次印证了一个核心观点：对于游戏这类难以优化的工作负载，简单增加核心宽度并非良药，关键在于如何有效处理因等待数据而产生的长时间停顿。
Uncore 频率引发的担忧
一些深入的分析指出，英特尔 Arrow Lake 平台的 Uncore 频率（影响 L3 缓存和内存控制器性能）相比前代产品有所降低。这可能是一个不容忽视的性能退步，因为在游戏这类对内存延迟极其敏感的应用中，L3 缓存的速度至关重要。如果 Uncore 频率的降低导致内存子系统成为新的瓶颈，那么即使核心架构本身再优秀，也可能无法完全发挥其潜力。这引发了人们对英特尔在芯片设计上权衡取舍的思考。
高频交易巨头 Jane Street 因涉嫌市场操纵被印度市场禁入
近日，全球顶尖的量化交易公司 Jane Street 在印度市场遭遇重挫。印度证券交易委员会（SEBI）以涉嫌操纵市场为由，暂时禁止其交易，并冻结了超过 5.66 亿美元的资产。
SEBI 指控 Jane Street 采用了一种复杂的策略来操纵印度基准股指。据称，该公司会在交易日早期大量买入指数成分股和期货，推高市场，随后针对指数下跌进行大规模押注。接着，他们会迅速卖出早先的头寸，人为地压低指数，从而使其看跌期权获得巨额利润。
监管机构认为，这种“先拉后砸”的行为，尽管在技术上可能并未直接违反某条具体法规，但其规模和意图明显具有操纵性质，旨在“为自身头寸牟利”，损害了市场公平和散户投资者的利益。
这起事件引发了关于高频交易和市场监管的激烈讨论。
一种观点认为，SEBI 的行动是对利用规则漏洞进行“灰色地带”操作的必要打击。这种策略利用了速度和资本优势，对普通投资者构成了不公平竞争，其操纵意图昭然若揭。
另一种观点则更为审慎，认为这可能是复杂的对冲策略或市场中性策略的一部分，监管机构对“经济合理性”的判断可能过于简单化。他们认为，问题或许不在于公司的行为，而在于现有法规未能跟上金融技术的快速发展。这凸显了“创新交易策略”与“市场操纵”之间模糊的界限。
无论如何，这起事件为全球的金融监管机构和高频交易公司都敲响了警钟，促使人们重新审视在算法交易时代，如何定义和监管市场操 ઉ纵行为，以在维护市场诚信和鼓励金融创新之间找到平衡。
用 GCC 构建 Rust 编译器：一次深入底层的探索之旅
一位开发者正在进行一项雄心勃勃的挑战：使用 GCC 作为后端来引导（bootstrap）Rust 编译器，以摆脱对 LLVM 的依赖。这篇博客文章详细记录了他在这个充满挑战的过程中，如何像侦探一样追踪并修复了三个棘手的 Bug。
引导过程的挑战
引导 Rust 编译器是一个分为三个阶段的复杂过程，目标是最终生成一个功能与官方 LLVM 版本完全一致、但由 GCC 构建的编译器。作者通过一种被他戏称为“给 Ferris（Rust 吉祥物）做脑叶切除术”的激进调试法——即大胆注释掉问题代码以缩小范围——来定位问题。
三个有趣的 Bug
这篇文章不仅展示了编译器底层工作的复杂与精妙，更体现了开发者面对难题时，那种刨根问底、不懈努力和巧妙变通的极客精神。这是一次深入编译器内部的精彩冒险。
我们正在失去个性，沦为贴着标签的产品吗？
一篇发人深省的文章指出，在当今盛行的“治疗文化”（Therapy-speak）中，我们似乎正在失去对“个性”的传统理解。作者认为，几乎所有的人类习惯、怪癖甚至强烈的情感，都被迅速贴上心理学标签，被视为需要诊断和解决的“问题”。
文章举例说，迟到不再是可爱的健忘，而是多动症（ADHD）；害羞内向被归因于自闭症谱系（Autism）；慷慨大方被解读为“讨好型人格”；而努力工作则成了“创伤驱动的过度补偿”。这种趋势将复杂、多维的“人”简化为一系列“症状”和“诊断”的集合，最终使我们每个人都变成了“贴着标签的产品”。
作者质疑，这种对一切行为进行过度解释的冲动，是否真的让我们更“开明”？还是反而让我们失去了体验生活神秘感和浪漫的能力，变得更加焦虑和自我审视。文章呼吁我们勇敢地接受人性的复杂与不可知，不要将自己完全交给市场化的心理健康产业来定义，而是要“保持未被解决”的状态，因为“成为一个人，本身就不需要其他解释”。
这篇文章引发了深刻的思考。一方面，许多人对这种过度标签化的趋势感到共鸣，认为它剥夺了生活的自发性和丰富性，让人陷入无休止的自我剖析。
另一方面，也有专业人士提出，真正的心理治疗并非旨在贴标签，而是帮助人们理解自己行为背后的意义，接纳完整的人性，从而更自由地生活。这或许表明，问题不在于心理学本身，而在于其概念在流行文化中被过度简化和滥用。这场讨论的核心在于：在追求自我理解的道路上，我们如何避免将自己简化为一堆标签，从而失去作为个体的独特性？
12.5万年前，尼安德特人已在湖岸经营“脂肪工厂”
考古学的一项惊人发现，将我们对尼安德特人智慧的认知提升到了一个新高度。研究表明，早在 12.5 万年前，尼安德特人就已经在德国的湖岸边，系统性地经营着一个史前的“脂肪工厂”。
这一发现的核心在于，尼安德特人并非简单地敲骨吸髓，而是掌握了更为复杂的资源处理技术。他们会将大量动物骨骼（如鹿、马等）粉碎，然后通过加热和熬煮的方式，从中提取富含能量和营养的骨脂。这种行为此前一直被认为是晚期智人才具备的高级技能，而这次的发现将这一技术的时间线大幅提前。
这不仅仅是一项技术，更体现了高度的规划能力和资源管理智慧。考古遗址显示，这是一个有组织的、策略性的活动。尼安德特人会规划狩猎，将猎物运送到专门的加工点，并进行集约化的脂肪提炼。在遗址群的不同区域，还发现了狩猎、屠宰和加工等不同功能的活动分区，描绘出了一幅远比“粗野穴居人”刻板印象复杂得多的社会图景。
一个有趣的技术问题随之而来：在没有大型耐火容器的时代，他们是如何实现“熬煮”的？一种可能的解释是采用了古老的“热石烹饪法”——将水装在紧密编织的篮子或兽皮袋中，然后投入在火中烧得滚烫的石头来加热。无论具体方法如何，这一发现都强有力地证明了尼安德特人拥有远超我们想象的智慧和适应能力，他们不仅是生存者，更是懂得资源优化和“流水线”作业的早期工程师。
Show HN: Piano Trainer - 用 MIDI 玩转钢琴学习
一个名为 Piano Trainer 的开源项目，为钢琴学习者提供了一种全新的互动方式。它利用 MIDI 技术，将你的电子琴或数码钢琴变成一个智能的私人教练，帮助你高效地掌握音阶、和弦等乐理知识。
项目的核心亮点在于其实时反馈机制。通过连接 MIDI 设备，Piano Trainer 能够精确地捕捉你弹奏的每一个音符。这意味着它不仅能播放示范，更能即时判断你弹奏的准确性——无论是音高、节奏还是和弦构成，都能给出反馈，就像一位耐心的老师在你身边指导。
这种互动式的学习方法，相比传统的看谱或视频教程，效率和趣味性都大大提升。它能帮助学习者：
这个项目也激发了许多富有建设性的讨论和建议。例如，大家期待它能增加更多高级功能，如琶音练习、视奏训练、听力训练等。也有人建议加入自定义练习和学习进度跟踪功能，让学习路径更加个性化。此外，如何根据用户的表现动态调整难度，实现自适应学习，也是一个备受关注的方向。
总而言之，Piano Trainer 是技术与艺术结合的绝佳范例，它展示了如何利用现代科技，让古老的乐器学习焕发新的活力。
因 ChatGPT 的“幻觉”，我们被迫开发了一个新功能
AI 时代的产品开发，可能会遇到一些你意想不到的“需求”。音乐学习工具 Soundslice 的创始人 Adrian Holovaty 就分享了这样一个哭笑不得的故事：他们因为 ChatGPT 的一个“错误幻觉”，而被迫开发了一个原本完全不在计划内的新功能。
Soundslice 的核心功能是将乐谱图片数字化，方便用户学习和练习。然而，他们最近发现，有大量用户试图上传一种他们并不支持的格式——ASCII 制表符（一种用文本表示的简谱）。经过调查，团队惊讶地发现，是 ChatGPT 在信誓旦旦地告诉用户，Soundslice 支持这项功能。
这个 AI 制造的“谣言”让团队陷入了两难：是发布声明辟谣，告诉用户 AI 错了？还是顺水推舟，满足这个被“创造”出来的需求？
最终，他们选择了后者，迅速开发了一个 ASCII 制表符导入器。创始人坦言，这完全打乱了他们的产品路线图，心情颇为复杂。这或许是首个公司因 AI 的错误信息而被迫开发新功能的案例。
这个故事引发了关于 AI 时代产品管理的深刻思考。
最终，这不仅是一个技术问题，更是一个关于产品策略自主性、AI 伦理和用户教育的复杂议题。在未来，如何与这些强大但不完美的 AI “同事”共存，将是所有科技公司需要面对的课题。
我在苹果差点被开除的第一次经历
一篇来自前苹果工程师的个人回忆录，将我们带回了 1995 年那个“濒临崩溃”但又充满创造力的苹果。这是一个关于成长、创新以及一次几乎断送职业生涯的“彩蛋”的故事。
作者在 1995 年加入苹果，作为一名新手，他的第一个任务是把旧的颜色选择器（Color Picker）从 68K 芯片移植到新的 PowerPC 架构。面对完全不熟悉的汇编代码，他没有退缩，而是选择了一个更具挑战性的方法：从头开始，编写自己的颜色选择器。
在那个工程师文化驱动的时代，他的主动创新得到了意想不到的回报。他不仅完成任务，还额外创造了 HSV 选择器、为网页设计的 HTML 颜色选择器，甚至还有一个充满童趣的“蜡笔选择器”。令人惊叹的是，这些计划外的功能，最终都被苹果采纳并发布了。这充分体现了当时苹果对工程师直觉和创造力的信任。
然而，故事的转折点源于一个看似无伤大雅的“彩蛋”。作者将几行他喜爱的 T.S. 艾略特诗歌嵌入到了资源名称中，他以为这属于合理使用。但这个小小的举动，却因潜在的版权风险，差点导致整个操作系统的发布延期，并可能造成数百万美元的损失。
他因此受到了严厉的训斥，并与操作系统负责人进行了一次严肃的谈话。幸运的是，他最终保住了工作，但从此成为了公司内部一个关于知识产权重要性的警示案例。
这个故事引发了广泛的共鸣。它让人怀念那个工程师拥有巨大自主权的黄金时代，也引发了关于软件“彩蛋”——究竟是程序员的浪漫还是不必要的风险——的讨论。更重要的是，它讲述了一个关于“冒名顶替综合症”、在挑战中成长以及在犯错后获得第二次机会的真实故事，这对于任何职业生涯中的人来说，都具有深刻的启示意义。
法官披露：AI 公司 Anthropic 曾使用数百万本盗版书籍训练模型
一则重磅消息震动了 AI 行业。在一场版权诉讼中，法官的发现指出，以安全和伦理著称的 AI 公司 Anthropic，在训练其大型语言模型（如 Claude）时，曾使用了数百万本盗版书籍。
据披露，Anthropic 的数据来源包括两个备受争议的部分：
这一发现将 AI 训练数据的版权问题，从抽象的理论争论推向了具体的法律和伦理审判台。它引发了关于 AI 发展与知识产权保护之间紧张关系的激烈讨论。
可以预见，这起事件只是冰山一角。未来，针对 AI 公司的版权诉讼将越来越多，其判决结果将深刻影响整个行业的商业模式和发展路径，或许将迫使 AI 公司寻求与内容创作者建立更合规、更公平的合作关系。
相关链接：
- Bitchat – A decentralized messaging app that works over Bluetooth mesh networks
- Intel's Lion Cove P-Core and Gaming Workloads
- Jane Street barred from Indian markets as regulator freezes $566M
- Building the Rust Compiler with GCC
- Nobody has a personality anymore: we are products with labels
- Neanderthals operated prehistoric “fat factory” on German lakeshore
- Show HN: Piano Trainer – Learn piano scales, chords and more using MIDI
- Adding a feature because ChatGPT incorrectly thinks it exists
- The first time I was almost fired from Apple
- Anthropic cut up millions of used books, and downloaded 7M pirated ones – judge