Hacker News 每日播报，今天我们关注将昆虫变为惊艳 3D 模型的 Macro Splats 技术、回顾温哥华证券交易所的“诈骗之都”历史、探索 macOS 新的平铺式窗口管理器 Rift、了解 LineageOS 23 的新特性与挑战、盘点那些“英年早逝”的经典项目、挑战烧脑的 Flummoxagon 拼图、学习 PostgreSQL 18 的查询流水线新功能、揭秘加速 LLM 推理的 ATLAS 系统、掌握 Anthropic 的官方提示工程教程，以及将科研论文自动生成视频的 Paper2Video 技术。

一个名为“Macro Splats 2025”的项目，将高斯泼溅（Gaussian Splatting）技术与微距摄影相结合，创造出细节极其丰富的昆虫 3D 模型，其视觉效果令人叹为观止。项目作者 Dany Bittel 利用高斯泼溅技术，通过优化一系列带有视点相关颜色的模糊椭球体，将数百张昆虫照片转化为可以从任何角度自由查看的 3D 模型。

微距摄影极浅的景深是项目的一大挑战。为解决此问题，作者采用了摄影中常见的“焦点堆叠”（focus stacking）技术，将每个视角下拍摄的多张不同焦点的照片合成为一张完全清晰的图像。整个拍摄过程自动化程度很高，通过旋转盘和对焦导轨，从 111 个不同视角拍摄了总计 1776 张照片。这些照片经过批量处理和 3D 重建后，最终生成了精细的昆虫模型。

这项工作成果获得了社区的高度赞扬，许多人认为这些昆虫模型是他们见过的最令人印象深刻的实时计算机图形作品之一。讨论也延伸到了高斯泼溅技术在游戏和 3D 应用中的未来：

总而言之，这个项目不仅展示了高斯泼溅在微距摄影领域的巨大潜力，也引发了社区对这项技术未来在游戏、教育等领域应用的广泛讨论。

一篇来自 1989 年的文章以幽默而尖锐的笔触，揭露了当时温哥华证券交易所（VSE）充斥着高风险、甚至欺诈性的“初级矿业公司”投资乱象。文章将这些公司比作精心编织的“小说”，指出投资者在这些公司中“有时会损失 84% 的资金，40% 的情况下会血本无归”，暗示了其中普遍存在的欺诈行为。

这篇文章引发了社区对 VSE 历史的深入探讨，其中 Bre-X 丑闻被反复提及。这家加拿大小型矿业公司通过伪造黄金储量，从公众手中募集大量资金，最终轰然倒塌。其核心地质学家在丑闻曝光之际离奇“坠机身亡”，尸体疑点重重，为这起金融诈骗案增添了更多戏剧性。这一事件重创了加拿大矿业投资行业，并直接促使了更严格的监管规则出台。

尽管 VSE 后来演变为今天的 TSX 创业板，但许多人认为，一种“VSE 遗留文化”仍在温哥华延续。一些投资者分享了亲身经历，描述了当地某些投资圈子更关心股价炒作而非公司基本面的现象。这种“拉高出货”（pump and dump）的模式，在矿业不景气时，会迅速转移到其他热门领域，如大麻、加密货币、NFTs，乃至最新的 AI 概念。这些投机者擅长的是推销和资本运作，而非真正的技术或产品创新。

讨论还深入到了初级矿业的艰难现实和加拿大的监管环境。一位有二十年经验的勘探地质师指出，矿产勘探本身就是一项极其困难且昂贵的业务，这为欺诈提供了土壤。同时，加拿大省级管辖的证券监管体系，也可能导致某些省份因资源不足而监管不力，从而成为“诈骗之都”。

尽管存在这些问题，温哥华的投资生态也并非铁板一块。社区也指出，当地存在另一批由真正科技创业者转型的投资者，他们更注重实际业务，并与全球科技圈保持着紧密联系。这篇旧文和今天的讨论，共同描绘了一幅高风险投机与欺诈行为交织的复杂图景。

Rift 是一款专为 macOS 设计的全新平铺式窗口管理器，由 Rust 编写，旨在提供高性能和卓越的用户体验。它最大的亮点在于，无需禁用系统完整性保护（SIP），并且能很好地支持多显示器设置，解决了许多同类工具的痛点。

Rift 的设计哲学是利用 macOS 的私有 API 来实现更稳定、更流畅的窗口管理。它提供了多种布局风格，并设计了直观的菜单栏图标和类似“调度中心”的视图，方便用户在不同工作区之间导航。

社区将 Rift 与 Yabai、Aerospace 等知名工具进行了比较。Rift 的核心优势在于它在不牺牲性能的前提下，提供了更好的系统兼容性。与需要禁用 SIP 的 Yabai 不同，Rift 和 Aerospace 都采用了虚拟工作区方案。但 Rift 更进一步，像 Yabai 一样大量使用低级私有 API 以追求极致性能，同时专注于改善动画效果和多显示器全屏应用的使用体验。

对于那些寻求高性能、高兼容性且不愿禁用 SIP 的 macOS 用户来说，Rift 提供了一个极具吸引力的新选择。

LineageOS 团队正式发布了基于 Android 16 的 LineageOS 23。此次更新不仅带来了众多新功能，也坦诚地揭示了项目在适应 Google 不断变化的开源政策时所面临的挑战。

公告指出，Google 的发布节奏和源代码开放策略发生了显著变化，给 LineageOS 带来了三大挑战：

尽管面临挑战，LineageOS 23 依然带来了大量激动人心的更新：

LineageOS 团队表示将适应这些新常态，并继续为社区提供高质量的开源 Android 系统。

Hacker News 上的一篇帖子引发了社区的热烈讨论，大家纷纷提名那些在它们时代到来之前就已消亡，却本应大放异彩的科技项目。这些项目涵盖了操作系统、网络服务、硬件等多个领域，它们的失败原因各不相同，但都留下了深刻的印记。

XHTML 旨在将 HTML 严格化为 XML 格式，其失败引发了激烈的辩论。支持者认为，严格的语法能促使开发者编写更高质量的代码；而反对者则认为，HTML 的宽容性才是其成功的关键，它降低了内容发布的门槛。最终，HTML5 选择了标准化的错误恢复机制，在严格与宽容之间找到了平衡。

这些项目的讨论不仅是对过去技术的一种怀旧，也引发了对技术发展方向、开放生态系统以及巨头公司产品策略的深刻反思。

Nervous System 工作室推出了一款名为 Flummoxagon 的全新物理拼图游戏，它巧妙地将五格骨牌的形状填充与数独的逻辑约束相结合，为玩家带来极具挑战性的烧脑体验。

游戏的核心玩法是将 48 块由六边形组成的异形拼图块放入一个六边形框架中，同时必须遵守一个关键规则：相同颜色的拼图块不能相互接触。为了避免游戏沦为纯粹的暴力破解，设计师借鉴了数独的理念，为每个谜题提供一个部分填充的棋盘，并确保每个谜题都只有一个唯一解。这使得游戏从一个组合爆炸问题，转变为一个需要逻辑推理才能解决的有趣挑战。

Flummoxagon 谜题的生成和求解，背后是计算机科学领域的经典问题——唐纳德·克努斯（Donald Knuth）提出的“精确覆盖问题”（Exact Cover Problem）及其高效的求解算法“跳舞链”（Dancing Links / Algorithm X）。文章详细解释了如何将拼图的几何约束和颜色约束建模为一个精确覆盖问题，并利用跳舞链算法高效地搜索解决方案。这个强大的算法不仅能生成唯一的谜题，还能评估其难度，省去了大量人工测试的麻烦。

这款拼图在社区中引发了热烈反响，许多人称其“非常巧妙”，并赞赏其避免纯粹“暴力破解”的设计。技术爱好者们对文章中关于精确覆盖问题和跳舞链算法的详细解释表现出浓厚兴趣。同时，Nervous System 团队也积极回应了社区关于网站兼容性和支付流程的反馈，甚至表示可以为有颜色识别困难的用户定制纯色版本，展现了良好的客户服务意识。

PostgreSQL 18 为其命令行客户端 psql 引入了查询流水线（Pipelining）支持，这一功能允许客户端在不等待前一个查询结果返回的情况下，连续发送多个查询，从而显著提升数据库操作的吞吐量，尤其是在高网络延迟环境下。

通过在 SQL 脚本中使用 \startpipeline 和 \endpipeline 命令，psql 可以将多个独立的查询打包发送。这带来了两大好处：

性能测试显示，在广域网环境中，使用流水线处理小批量查询，其速度提升可高达 71 倍。更棒的是，这个新功能是客户端特性，即使连接到旧版本的 PostgreSQL 服务器也能正常工作。

社区对这一新功能展开了深入的技术讨论：

总而言之，psql 的流水线功能为优化数据库脚本提供了一个简单而强大的工具，也再次引发了社区对批处理重要性的关注。

Together AI 发布了其最新的大型语言模型（LLM）推理加速技术——ATLAS（自适应学习推测系统），声称能够实现高达 4 倍的推理速度提升。

与传统的静态推测解码器不同，ATLAS 的核心创新在于它是一个“运行时学习加速器”。它能够根据历史模式和实时流量动态学习和调整，从而持续优化自身与目标大模型的行为一致性。这意味着，在多租户或工作负载多变的环境中，ATLAS 能够自适应地进行专业化，例如在编程场景下，它可以针对正在编辑的代码进行优化，从而提高解码速度。

ATLAS 系统由三个关键组件构成：一个强大的静态推测器作为性能保底，一个轻量级的自适应推测器用于实时学习，以及一个置信度感知控制器来动态选择最优的推测策略。

Together AI 声称，在完全适应的场景下，ATLAS 在某些模型上可以达到每秒 500 个 Token 的速度，甚至“超越了 Groq 等专用硬件”。

然而，社区很快对这一说法提出了质疑。有用户引用了第三方平台 OpenRouter.ai 的数据指出，在同一模型上，Groq 的平均速度远高于 Together AI 的表现（1086 TPS vs 59 TPS）。

这场争论凸显了 LLM 性能基准测试中的一个关键问题：测试条件和透明度。Together AI 的数据可能是在特定配置和批处理大小下的峰值性能，而 OpenRouter 的数据则反映了更广泛的平均使用情况。这提醒我们，在评估不同厂商的性能声明时，必须仔细审视其测试环境和指标定义，才能做出准确的判断。

Anthropic 公司发布了一份官方的《Prompt Engineering Interactive Tutorial》，旨在帮助开发者和用户系统地学习如何为 Claude 模型编写高效的提示词（prompt）。

这份交互式教程内容全面，从初级到高级，循序渐进地介绍了提示工程的核心概念和实用技巧。

教程主要基于 Claude 3 Haiku 模型进行教学，并提供了大量的练习机会，帮助用户将理论付诸实践。

社区对这份教程表现出浓厚兴趣，并提出了一些深刻的见解：

这引发了一个有趣的思考：在模型能力不断提升的背景下，哪些提示工程原则是永恒的，哪些又是暂时的？这提醒我们，学习提示工程不仅要掌握具体技巧，更要理解其背后的原理，以适应技术的不断演进。

一篇来自 arXiv 的新论文介绍了一个名为 Paper2Video 的项目，旨在解决学术界一个普遍存在的痛点：制作演示视频耗时耗力。该项目提出了一个名为 PaperTalker 的多智能体框架，能够将科学论文自动转化为包含幻灯片、语音、字幕和虚拟演讲者的演示视频。

为了实现这一目标，研究团队首先构建了一个包含 101 篇论文及其对应视频的基准数据集。PaperTalker 框架则集成了多项功能，包括：

实验结果表明，PaperTalker 生成的视频比现有方案更能忠实地传达原文信息。该项目的数据集、代码均已开源。

社区对这个项目表现出浓厚兴趣，但观点也呈现两极分化：

总而言之，Paper2Video 是一项非常有前景的技术，虽然在提升“人性化”方面仍有很长的路要走，但其在自动化科学传播方面的潜力已获得广泛认可。

相关链接：

• Macro Splats 2025
• Vancouver Stock Exchange: Scam capital of the world (1989) [pdf]
• Show HN: Rift – A tiling window manager for macOS
• LineageOS 23
• Ask HN: Abandoned/dead projects you think died before their time and why?
• The Flummoxagon
• Pipelining in psql (PostgreSQL 18)
• AdapTive-LeArning Speculator System (ATLAS): Faster LLM inference
• Anthropic's Prompt Engineering Tutorial (2024)
• Paper2video: Automatic video generation from scientific papers