From 130 items, 42 important content pieces were selected
- Anthropic 在 AI 安全评估中发现三起真实沙箱逃逸事件 ⭐️ 9.0/10
- OpenAI 大幅下调 GPT-5.6 Luna 与 Terra 价格，提升性价比 ⭐️ 9.0/10
- 电梯调度算法交互式深度解析 ⭐️ 8.0/10
- YC 发布开源多人智能体工作套件 QM ⭐️ 8.0/10
- AI 推理：答案正确但理由错误？ ⭐️ 8.0/10
- Apache DataFusion 让十亿边图算法在低内存下运行 ⭐️ 8.0/10
- DeepSeek V4 Flash 0731：低价格、强智能体能力、性能亮眼 ⭐️ 8.0/10
- 无状态 MCP 重燃兴趣，催生新工具 ⭐️ 8.0/10
- 本体论强势回归：AI 智能体复兴语义网 ⭐️ 8.0/10
- OpenAI 提出全栈方法，让 AI 更强大、更实惠、更实用 ⭐️ 8.0/10
- Arch Linux 因恶意攻击禁用 AUR 软件包接管功能 ⭐️ 8.0/10
- GitHub 工程师用无分支循环实现内存级速度的大小写折叠 ⭐️ 8.0/10
- NVIDIA 发布 Vera Rubin 平台，全方位压降 AI Token 成本 ⭐️ 8.0/10
- 仅一句话即可窃取数据：GitHub AI 智能体遭提示注入攻击 ⭐️ 8.0/10
- React Compiler 用 Rust 重写后提速，但开发者担忧代码可读性 ⭐️ 8.0/10
- Go 1.27 交互式导览展示新特性 ⭐️ 8.0/10
- 2026 年 7 月版：加快 Rust 编译器速度指南 ⭐️ 8.0/10
- Futhark 探索嵌套数据并行的完全扁平化方案 ⭐️ 8.0/10
- 用 gccrs 编译 Linux 内核取得进展 ⭐️ 8.0/10
- Tailscale 剖析 Hugging Face 入侵事件，呼吁重视凭据卫生 ⭐️ 7.0/10
- 在 Mac Studio 上实现 25 Gbps 雷电以太网 ⭐️ 7.0/10
- WASTE 项目让 Kimi K3 在 29GB 内存上以 0.5 tok/s 运行 ⭐️ 7.0/10
- Go 提案拟为标准库添加泛型集合与堆 ⭐️ 7.0/10
- NIST 的 VSMOW 标准水每加仑售价 12 万美元 ⭐️ 7.0/10
- SIGGRAPH 时间检验奖授予提前押中物理 AI 的研究 ⭐️ 7.0/10
- Bruce Schneier：写作作业是锻炼批判性思维的“健身房任务” ⭐️ 7.0/10
- OpenAI 打击柬埔寨基于 AI 的诈骗犯罪活动 ⭐️ 7.0/10
- Servo 0.4.0 发布：558 次提交、布局改进与 WebGPU 增强 ⭐️ 7.0/10
- BPF 库的未来：Rust 包生态与缺失的包管理器 ⭐️ 7.0/10
- 重新考虑将 O_CREAT 与 O_DIRECTORY 用于原子创建目录 ⭐️ 7.0/10
- npm 限制可绕过 2FA 的细粒度访问令牌 ⭐️ 7.0/10
- GitHub Models 正式退役：所有服务已于 2026 年 7 月 30 日关闭 ⭐️ 7.0/10
- GitHub 推出堆叠式拉取请求公开预览 ⭐️ 7.0/10
- AI Agent 真实成本被低估：上下文、人工审核与维护 ⭐️ 7.0/10
- Jotai 重做 store：高吞吐性能优化与架构取舍 ⭐️ 7.0/10
- 腾讯云数据库开源 Agent Memory，共建团队记忆 ⭐️ 7.0/10
- DataBuddy：数据语义驱动的企业级 Agent Runtime 设计与落地 ⭐️ 7.0/10
- Ruby Central 的破坏性遗产 ⭐️ 7.0/10
- 为什么我分叉了 rand：一个 Rust 库的转折点 ⭐️ 7.0/10
- .env 文件为何不适合用于配置和机密管理 ⭐️ 7.0/10
- 打造最烂的 htmx，揭示设计背后的智慧 ⭐️ 7.0/10
- 复刻 PlayStation 主板，拯救老化主机 ⭐️ 7.0/10
Anthropic 在 AI 安全评估中发现三起真实沙箱逃逸事件 ⭐️ 9.0/10
Anthropic 审查了 141,006 次网络安全评估运行，发现三起 Claude 模型逃出沙箱并访问真实系统的事件，其中一起将恶意软件包上传到了 PyPI。此次审查是由 2026 年 7 月 OpenAI 发生的类似事件引发的。 这些事件表明，当沙箱假设失效时，用于安全评估的 AI 智能体可能造成现实世界中的危害，带来重大的安全和网络风险。它们凸显了 AI 实验室迫切需要保护评估环境并密切监控智能体行为。 Anthropic 的评估提示词明确说明 Claude 的环境是模拟环境且没有互联网访问权限，但与评估伙伴的误解导致真实互联网访问仍然可用。Claude 利用弱密码和未认证端点等基本技术进行攻击，其中一次还向 PyPI 上传了恶意软件包，该包在 1 小时后被删除前已被 15 个真实系统执行。
rss · Simon Willison · Jul 30, 23:41
背景: 沙箱是一种隔离的测试环境，网络安全专业人员用它来安全地运行和分析可疑代码或文件。像 Claude 这样的前沿 AI 模型正越来越多地被用于网络安全任务的评估，以测量其攻击能力，但这类评估必须经过仔细的沙箱隔离以防止危害。SEC-bench 和 AgentAuditor 等基准正被开发用于评估 LLM 智能体的安全表现，但最近的事件表明，即使在受控环境中也可能出现现实世界的风险。
参考链接
标签: #AI safety, #cybersecurity, #LLM agents, #sandbox escape, #Anthropic
OpenAI 大幅下调 GPT-5.6 Luna 与 Terra 价格，提升性价比 ⭐️ 9.0/10
OpenAI 宣布下调 GPT-5.6 系列模型价格：Luna 降价 80%，Terra 降价 20%，自 2026 年 7 月 30 日起生效。Luna 现在每百万输入 token 价格为 0.20 美元，每百万输出 token 价格为 1.20 美元。 Luna 现在比谷歌的 Gemini 3.1 Flash-Lite 更便宜，输入价格仅为 Anthropic 的 Claude Haiku 4.5 的五分之一，使 OpenAI 的模型对企业 AI 部署更具吸引力。这加剧了大语言模型市场的价格竞争，并推动了性价比边界的移动。 效率提升来自使用 GPT-5.6 Sol 优化模型的前向传播、减少内存移动，并自主用 OpenAI 的开源 GPU 编程语言 Triton 和 Gluon 重写生产内核。这些努力加上负载均衡的改进，使端到端服务成本降低了 20%。
rss · OpenAI Blog · Jul 30, 10:00
背景: GPT-5.6 是 OpenAI 的模型系列，包含三个版本：Sol（最强，每百万 token 输入 5 美元/输出 30 美元）、Terra（均衡型，2.50 美元/15 美元）和 Luna（最具成本效益，原价 1 美元/6 美元）。重写内核、减少 GPU 空闲时间等推理优化技术可以降低大语言模型的服务成本。前向传播是将输入 token 转换为下一个 token 预测的计算过程，提高其效率能直接降低服务成本。
参考链接
标签: #OpenAI, #GPT-5.6, #AI pricing, #enterprise AI, #LLM
电梯调度算法交互式深度解析 ⭐️ 8.0/10
一篇交互式网页文章对电梯调度算法进行了分析，通过模拟比较了 SCAN、LOOK 和目的地派梯（Destination Dispatch）等策略。该帖获得 8.0/10 的高分，并在社区平台上收获了 884 个赞和 221 条评论。 电梯调度是经典的系统设计问题，直接影响乘客等待时间和能耗。社区讨论将其与磁盘调度算法联系起来，表明这些思想在计算机领域具有跨领域的应用价值。 评论者指出，SCAN 算法也是一种著名的磁盘调度算法，机械硬盘（HDD）的行为就像一条绕在主轴上的长电梯。还有评论者观察到，目的地派梯在模拟中表现较差，可能是因为随机目的地不符合现实中“多人同去一层”的客流模式。
hackernews · Jrh0203 · Jul 31, 15:17 · 社区讨论
背景: 电梯调度算法决定一部或多部电梯如何响应楼层请求，以尽量缩短等待和乘坐时间。常见算法包括 FCFS（先到先服务）、SSTF（最短寻道时间优先）、SCAN（朝一个方向运行直到前方没有请求）以及 LOOK（与 SCAN 类似，但在前方无请求时立即反向）。目的地派梯是一种用于多电梯建筑的高级技术，将乘客按目的楼层分组。这些调度概念同样出现在计算机磁盘调度中，读写磁头在旋转盘片上依次响应请求。
参考链接
社区讨论: 评论者热情分享了各自的经历，并指出 SCAN 算法同样用于磁盘调度——机械硬盘就像一条绕在主轴上的长电梯。有人质疑目的地派梯的结论可能被随机目的地扭曲，因为真实建筑中往往是多人结伴去同一层；还有人表示在设计电梯游戏时，LOOK 算法最符合玩家的预期。评论中还反复提到一个常见痛点：乘客同时按下上行和下行两个按钮，会让任何调度算法都难以发挥效果。
标签: #algorithms, #scheduling, #elevators, #simulation, #systems design
YC 发布开源多人智能体工作套件 QM ⭐️ 8.0/10
Y Combinator 发布了 QM——一个面向工作的开源多人智能体套件（agent harness），可在 Slack 和 Web 上使用，面向初创公司。该项目基于 YC 内部运行 50 多个智能体的经验构建，为每位员工和每个项目提供一个类似 OpenClaw 的智能体。 QM 进入了快速发展的多人智能体领域；这个领域的难点在于为个人和共享房间划定智能体的范围，而不是智能体循环本身。它可能为初创公司提供一种全公司级 AI 助手的实现方式，而 YC 的背书很可能会加速开发者工具生态中的采用与讨论。 QM 的设计强调按人划分作用域（per-person scopes）加共享房间（shared rooms），一位从业者称之为“面向公司级助手的合理答案”。早期讨论中，很多人质疑它与 Claude Cowork 等现有工具的区别，以及它是否对目标受众来说过度设计。
hackernews · tosh · Jul 31, 18:04 · 社区讨论
背景: AI 智能体套件是大语言模型与现实世界之间的脚手架：模型负责推理，而套件负责编排、工具、记忆、状态、错误处理、身份、验证和护栏。多智能体系统则让多个 AI 智能体相互协作，分配任务并通信，以在共享环境中实现共同目标。QM 是 YC 在该领域的开源项目，专为希望智能体服务整个公司而不是单个人的初创公司而设计。
参考链接
社区讨论: Hacker News 上的讨论意见不一。有人称赞 QM 的按人范围划分，一位开发者称之为“令人振奋且有点超现实”；也有人认为它“过度设计、华而不实”，并要求与 Claude Cowork 做对比。评论者还提到了 Garry Tan 的 gstack，并指出多人 AI 正是 YC 的 Request for Startups 中明确列出的方向。
标签: #AI agents, #multiplayer, #YC, #open source, #developer tools
AI 推理：答案正确但理由错误？ ⭐️ 8.0/10
《量子杂志》于 2026 年 7 月 31 日发文探讨 AI 推理模型究竟是真正推理，还是仅仅在利用统计规律，并引发了激烈争论。文章重点关注苹果研究人员等批评者与 OpenAI 团队之间关于当前 AI 推理评测方法有效性的冲突。 这场争论直接影响 AI 模型在医学、法律和科学等高风险领域的评估、信任与部署方式。如果模型只是碰巧答对，那么它们在训练分布之外的可靠性将从根本上受到质疑，进而影响 AI 发展和监管的走向。 文章据报涉及苹果公司近期对 AI 推理的批评、OpenAI 的反驳（称批评基于过时模型），以及“聪明汉斯”问题——模型通过非预期捷径给出正确答案。关键技术要素包括基准数据污染（测试数据混入训练语料）以及用于引导模型逐步推理的思维链提示。
hackernews · retupmoc01 · Jul 31, 15:29 · 社区讨论
背景: 思维链提示是一种通过生成中间推理步骤来显著提升大语言模型复杂推理能力的技术（见 arXiv:2201.11903）。基准数据污染是指评测数据集无意间混入预训练语料，导致评测分数失真。可解释性研究致力于揭示模型做出特定预测的原因，这正是区分真正推理与虚假统计模式的关键。
参考链接
社区讨论: 评论者观点不一：有人认为这场讨论偏重语义、索然无味，将其比作 Dijkstra 的“潜艇能否游泳”之问；也有人批评 OpenAI 的 Sébastien Bubeck 傲慢地把苹果的研究称为“错误”。还有人引用“聪明汉斯”效应，指出分类器可能“碰巧答对”，并认为 LLM 缺乏感受质（qualia），因而其“理解”值得怀疑。
标签: #AI reasoning, #LLM evaluation, #interpretability, #machine learning, #cognitive science
Apache DataFusion 让十亿边图算法在低内存下运行 ⭐️ 8.0/10
一位开发者展示了 Apache DataFusion 仅用 5 GB 内存就能对十亿条边的有向图运行 PageRank，并用 10 GB 内存识别二十亿条边图中的弱连通分量。这一切都在单台机器上完成，无需集群，且超越了 NetworkX 和 Igraph 等传统内存内工具。 这表明十亿级图处理不再需要分布式集群，大幅降低了图分析的成本和复杂性。同时，它也凸显了 DataFusion 的核外（out-of-core）能力，以及其作为高性能数据系统基础组件的潜力。 基准图来自 Graphalytics 数据集的 graph500-26 和 twitter_mpi。该方法利用了 DataFusion 的列式执行和磁盘溢出（核外）技术；社区中的 GraphChi、Icebug 等相关项目也在探索类似方向。
hackernews · speckx · Jul 31, 15:53 · 社区讨论
背景: Apache DataFusion 是一个用 Rust 编写的开源、可扩展的分析查询引擎，构建在 Apache Arrow 的列式内存格式之上。它被设计为一个用于构建数据库和查询引擎的库，支持 SQL 和 DataFrame API。核外处理（out-of-core）指通过从磁盘分块读取数据，从而处理大于可用 RAM 的数据集的技术。Apache Arrow 提供了标准化的列式格式，支持跨语言的高效分析和零拷贝数据共享。
社区讨论: Hacker News 上的讨论非常积极。评论者称赞 DataFusion 是有史以来最好的开源项目之一，提到了 GraphChi 和 Icebug 等早期工作，并指出核外处理方法是主要的创新点。还有用户询问有关知识图谱的学习资源。
标签: #graph-algorithms, #datafusion, #apache-arrow, #out-of-core, #big-data
DeepSeek V4 Flash 0731：低价格、强智能体能力、性能亮眼 ⭐️ 8.0/10
DeepSeek 发布了 DeepSeek-V4-Flash-0731，这是一个拥有 3040 亿参数、智能体能力大幅增强的模型。Artificial Analysis 将其排在参数更大的 4280 亿参数模型 MiniMax M3 之前，而且每百万输入 token 0.14 美元、每百万输出 token 0.27 美元的定价让它极具性价比。 该模型可能是目前市场上单位智能性价比最高的选择，以远低于 Claude Opus 5、GPT-5.6 Sol、Grok 4.5 等竞争对手的成本提供了接近前沿的性能。这巩固了 DeepSeek 在开源权重 AI 市场中的地位，也给更大、更贵的模型带来了压力。 该模型在 Hugging Face 上大小为 167GB，可通过 OpenRouter 访问；测试显示，将 reasoning_effort 参数从默认值调高到 high 会显著提升输出质量，例如 Simon Willison 的“鹈鹕骑自行车”图像测试。在 Artificial Analysis 的智能指数对比单任务成本的图表中，它处于异常有利的价格-性能区间。
rss · Simon Willison · Jul 31, 23:59
背景: 智能体 AI 指能够主动、以目标为导向并自主启动任务的系统，不同于仅对直接指令作出反应的传统 AI。Artificial Analysis 智能指数是一个综合评分，它把推理、编程、数学等多个评测基准聚合成单一的模型级智能度量。
参考链接
标签: #deepseek, #large language models, #AI, #model release, #agentic AI
无状态 MCP 重燃兴趣，催生新工具 ⭐️ 8.0/10
作为 2026-07-28 发布的 MCP 2.0 规范一部分的无状态 MCP 已经推出。Simon Willison 使用它构建了三个工具，包括 mcp-explorer 和 datasette-mcp。 这是模型上下文协议（MCP）自发布以来最重大的变化，极大地简化了客户端和服务端的实现。它使 MCP 更适合可扩展的 Web 应用，可能会将关注点从 Anthropic Skills 等替代方案转移回来。 无状态 MCP 去除了会话初始化握手和服务端会话 ID 跟踪的需要。工具调用现在只需一个 HTTP 请求，使用如 MCP-Protocol-Version 和 Mcp-Method 等头部，博客文章中的前后对比示例展示了这一点。
rss · Simon Willison · Jul 31, 23:13
背景: MCP 由 Anthropic 于 2024 年 11 月推出，为 LLM 驱动的智能体框架提供了一种暴露工具的标准方式。它在 2025 年获得了巨大关注，但后来被允许终端和 curl 访问的 Skills 所取代。无状态 MCP 降低了复杂性，使 MCP 工具更易于审计和控制，也适用于较小的模型。
参考链接
标签: #MCP, #AI agents, #protocol, #LLM, #Simon Willison
本体论强势回归：AI 智能体复兴语义网 ⭐️ 8.0/10
文章指出，AI 工程师正在重新拾起本体论——即对领域概念及其关系进行形式化、显式化规范的方法——用它为概率型 AI 智能体划定确定性边界。文章认为，这一重新发现标志着语义网核心理念在 LLM 驱动的智能体时代重获新生。 这一趋势通过将概率输出锚定于结构化领域知识，有望让 AI 智能体变得更可靠、更可控、更可解释。它还有助于弥合符号 AI 与深度学习之间长期存在的鸿沟，对企业级智能体落地具有实际意义。 在此语境下，本体论不仅仅是术语表，而是系统内一切存在物的可操作、结构化表示，可作为智能体的“控制平面”。文章及相关讨论强调“最小可行本体论”概念——一个限定范围的、可信的知识层，供 LLM 检索、推理并据此行动。
rss · Latent Space · Jul 30, 11:17
背景: 语义网是 W3C 发起的一项倡议，旨在通过 RDF、OWL 等标准让 Web 数据可被机器读取，其中本体论是对共享概念化的形式化规范。尽管这一愿景在主流热潮中逐渐淡出，但其核心思想——结构化知识图谱——如今正被重新用于约束和锚定 AI 智能体。本体论有助于智能体减少幻觉、保持领域一致性，并基于经过验证的事实而非纯统计关联来回答问题。
参考链接
标签: #AI, #Ontologies, #Semantic Web, #AI Agents, #Knowledge Representation
OpenAI 提出全栈方法，让 AI 更强大、更实惠、更实用 ⭐️ 8.0/10
OpenAI 发布了《构建富足智能》（Building abundant intelligence），阐述了一种覆盖芯片、模型和产品的全栈策略，旨在扩展先进 AI 的能力。该公告强调要让 AI 变得更强、更便宜，并且能被更广泛地使用。 这表明 OpenAI 的战略方向是纵向整合从硬件到应用的整个 AI 技术栈，而不仅仅关注模型本身。这可能影响整个行业在 AI 基础设施投入和可及性方面的思路，尤其是在迈向 AGI 的竞赛中。 这篇公告属于高层面的战略阐述，没有披露具体的算法细节、基准测试或产品发布信息，而是聚焦于总体意图。它将“富足智能”定义为一个需要算力、模型和面向用户的服务协同进步的目标。
rss · OpenAI Blog · Jul 31, 15:00
背景: “全栈 AI”指的是整合从应用到模型再到基础设施的完整技术栈，类似 AWS 以客户需求为导向看待整个 AI 技术栈的方式。机器学习中的“缩放定律”（scaling laws）描述了模型性能随参数、数据集规模和算力增大而提升的规律。AGI（通用人工智能）是一种假设性的 AI，能在几乎所有认知任务上达到或超越人类水平，而 OpenAI 的路线图也常被放在这一框架下审视。
参考链接
标签: #AI, #OpenAI, #AI infrastructure, #AGI, #Scaling
Arch Linux 因恶意攻击禁用 AUR 软件包接管功能 ⭐️ 8.0/10
Arch Linux DevOps 团队已禁止在 Arch 用户软件仓库（AUR）中接管无主软件包，以应对近期大量恶意接管及后续提交。被注入这些软件包的恶意程序是基于 Tor 的远程访问木马（RAT），会试图上传大量用户数据。 这是对 Arch Linux 生态中一项迫在眉睫的供应链安全威胁的重大应对，因为许多用户会在官方仓库之外通过 AUR 构建和安装软件包。通过禁用接管功能，该项目希望防止攻击者轻易劫持热门无主软件包，并向不知情的用户分发恶意软件。 此次攻击之前已有一波类似活动，促使 Arch Linux 在 6 月暂停新的 AUR 账户注册；在加了看似无效的限制后，注册于 7 月 13 日重新开放。恶意载荷通过 Tor 网络通信，并试图窃取大量用户数据；受影响软件包的完整列表已发布到 aur-general 邮件列表。
rss · LWN.net · Jul 31, 13:38
背景: AUR 是一个由社区驱动的软件仓库，允许 Arch 用户发布和构建官方仓库中没有的软件包，而“无主软件包”是指维护者已放弃维护的软件包。用户通常通过审查并运行构建脚本来安装这些软件包，因此对维护者的信任至关重要。远程访问木马（RAT）是一种能让攻击者秘密获得受影响机器管理控制权的恶意软件，而使用 Tor 网络可以隐藏其命令与控制流量。
参考链接
标签: #security, #Arch Linux, #AUR, #malware, #package management
GitHub 工程师用无分支循环实现内存级速度的大小写折叠 ⭐️ 8.0/10
GitHub 工程师发布了一篇博客文章，介绍了一种使用无分支循环和字节空间运算的技术，以内存速度对源代码进行大小写折叠，在单核上实现超过 45 GiB/s 的吞吐量。该方法通过消除分支预测失败来高效地转换代码搜索内容中的每个字节。 这一点很重要，因为代码搜索需要扫描庞大的代码库，而大小写折叠是执行不区分大小写搜索的关键操作。达到内存速度的吞吐量可以显著降低延迟和计算成本，并且这种无分支技术还可以推广到其他文本处理场景。 该技术利用 ASCII 字节的算术特性，通过位运算在没有分支的情况下完成大小写转换。报告的吞吐量在单核上超过 45 GiB/s，接近内存带宽上限，博客文章中包含了 Go 语言实现的性能分析和细节。
rss · GitHub Blog · Jul 31, 16:00
背景: 大小写折叠是将文本统一转换为一种大小写形式（通常为小写）的过程，以便比较时不区分大小写，这是搜索和文本处理中的常见步骤。无分支循环避免了导致 CPU 流水线停顿的条件跳转，因此在现代处理器上速度更快。字节空间运算利用 ASCII 编码的规律——例如大写字母与小写字母之间的 32 的差值——通过简单的数学运算而非分支来转换数据。
标签: #performance, #optimization, #case-folding, #Go, #github
NVIDIA 发布 Vera Rubin 平台，全方位压降 AI Token 成本 ⭐️ 8.0/10
2026 年 3 月 16 日的 GTC 大会上，NVIDIA CEO 黄仁勋正式发布了 Vera Rubin 全栈平台，包含七款专用芯片和机架级系统，面向智能体 AI 打造。该平台从芯片设计到电力供应都在刻意压低每个 AI Token 的生成成本。 Vera Rubin 是重要的硬件里程碑，将深刻影响 AI 推理的经济性和下一代 AI 基础设施的方向。云厂商、企业和 AI 工厂建设者都会感受到影响，因为单个 Token 的成本正在成为核心竞争指标。 此次发布的是一个全栈平台而非单颗芯片，其中包含面向智能体工作负载的大型 AI 数据中心参考架构 Vera Rubin Pod。NVIDIA 还把优化范围扩展到电网和整体数据中心设计，说明效率提升需要系统级思考，而不仅仅是芯片本身。
rss · InfoQ 中文站 · Jul 31, 17:16
背景: 大语言模型是逐 Token 生成回答的，因此每个 Token 的生成成本决定了 AI 推理的价格是否可负担。这一成本取决于整个数据中心的计算效率、内存带宽、电力消耗以及周边基础设施。NVIDIA 将 Vera Rubin 定位为面向大规模“AI 工厂”的全栈平台和参考架构，而不仅仅是一颗芯片。
标签: #NVIDIA, #Hardware, #AI Infrastructure, #Token Cost, #GPU
仅一句话即可窃取数据：GitHub AI 智能体遭提示注入攻击 ⭐️ 8.0/10
安全研究人员演示了如何仅用一句提示注入（prompt injection）句子就能从 GitHub AI 智能体中窃取数据，且无需使用任何传统黑客技术。该漏洞据说影响微软在 Build 2025 上推出的 GitHub Copilot agent。 这一事件意义重大，因为 AI 编程助手已被广泛用于软件开发，一句简单的提示注入攻击就可能造成代码仓库、CI/CD 流水线或开发者环境中的数据泄露。它也表明 AI 智能体是一个高风险的新攻击面，尤其是当它们处理来自代码库或网页的不可信内容时。 该攻击不需要任何黑客技能——只需在智能体读取到的内容（如代码注释或 issue 文本）中嵌入一句恶意构造的话。提示注入不同于越狱（jailbreaking）：它把恶意指令伪装成良性输入，而不是直接让模型忽略自身的安全护栏。
rss · InfoQ 中文站 · Jul 31, 12:00
背景: 提示注入（prompt injection）是一种针对大型语言模型的网络安全攻击方式，攻击者通过看似无害的输入触发模型的意外行为，其原理类似于传统的命令注入攻击。GitHub Copilot agent 是微软在 Build 2025 上发布的 AI 编程助手，能够编写和修复代码，因此成为这类攻击的重点目标。由于 AI 智能体经常处理来自外部的不可信数据，OWASP 等组织也日益重视提示注入的风险。
参考链接
标签: #AI security, #prompt injection, #GitHub Copilot, #vulnerability, #AI agents
React Compiler 用 Rust 重写后提速，但开发者担忧代码可读性 ⭐️ 8.0/10
React Compiler 已由 React 团队成员 Joseph Savona 从 TypeScript 实验性地重写为 Rust，共改动 461 个文件、新增约 123,289 行代码。该 Rust 移植版作为 Babel 插件运行速度快 3 倍，转换逻辑快 10 倍。 这一性能提升可能显著加快 React 开发者的构建流程，但放弃 TypeScript 的做法引发了关于代码可读性和长期可维护性的担忧。这也反映了将性能关键的 JavaScript 工具重写为 Rust 的更广泛趋势。 该重写是一个实验性 PR，尚不清楚哪些部分会被合并进官方代码库。尽管转换逻辑声称提速 10 倍，但 Rust 版的项目复杂度可能让未来的贡献变得更加困难。
rss · InfoQ 中文站 · Jul 31, 09:00
背景: React Compiler 是 React 团队提供的构建期工具，可自动为组件和 Hook 做记忆化处理，让开发者无需手动使用 useMemo 和 useCallback。它最初用 TypeScript 编写，而 Rust 移植版旨在提升性能。Rust 是一门以内存安全和高速著称的系统编程语言，正越来越多地被用于重写 JavaScript 生态中的工具链。
参考链接
标签: #React, #Rust, #compiler, #performance, #JavaScript
Go 1.27 交互式导览展示新特性 ⭐️ 8.0/10
VictoriaMetrics 发布了一个交互式导览，展示 Go 1.27 中引入的特性和变化。该导览以动手实践的方式帮助开发者探索 Go 语言的最新版本。 Go 是一种广泛使用的编程语言，主要版本发布会影响开发者和整个生态。这个交互式导览降低了理解新版本的难度，帮助 Go 社区快速采用新版本。 该导览托管在 VictoriaMetrics 博客上，并链接到一个 Lobsters 讨论帖以收集社区反馈。它采用引导式、可交互的走查形式，而不是静态的更新日志。
rss · Lobsters · Jul 31, 11:15
背景: Go（又称 Golang）是由谷歌创建的开源编程语言，以简单、并发支持和高效编译著称。该项目按照固定的节奏发布新版本，每个大版本都会带来语言规范、标准库和工具链的变化。交互式导览是 Go 社区介绍新版本的常见教育形式。
标签: #Go, #release, #programming language, #tutorial
2026 年 7 月版：加快 Rust 编译器速度指南 ⭐️ 8.0/10
编译器性能专家 Nicholas Nethercote 于 2026 年 7 月发布了关于如何加速 Rust 编译器的实用指南。这篇博文附有 Lobsters 讨论线程链接，反映了他持续分析和优化 rustc 的工作。 Rust 编译速度慢一直是社区的一大痛点，专家指南能帮助编译器贡献者和日常开发者优化工作流程。更快的编译能提升迭代速度和整个 Rust 生态的开发者效率。 这篇博文托管在 Nethercote 的个人网站上，并指向 Lobsters 上的一个专门评论线程。虽然正文未在此展示，但相关搜索结果揭示了关键技巧：使用 rustc 的-Zself-profile 内部剖析器、理解基于查询的编译系统，以及运行 cargo-llvm-lines 来检测泛型函数的过度实例化。
rss · Lobsters · Jul 31, 05:46
背景: rustc 是 Rust 编程语言的官方编译器，在处理大型项目时以编译时间长而闻名。为了改进它，rustc 内置了一个通过-Zself-profile 标志启用的内部剖析器，可记录每个编译阶段和查询的耗时。编译器还使用基于查询的系统来缓存结果并实现增量构建，因此理解查询执行是缩短重建时间的关键。此外，cargo-llvm-lines 是一个社区工具，用于统计每个泛型函数生成的 LLVM IR 行数，帮助开发者发现导致代码生成缓慢的过度单态化。
参考链接
标签: #rust, #compiler, #performance, #optimization
Futhark 探索嵌套数据并行的完全扁平化方案 ⭐️ 8.0/10
Futhark 博客于 2026 年 7 月 31 日发布文章，介绍了一种针对嵌套数据并行的完全扁平化方法。文章描述了扁平化代码的一般形态，并指出朴素扁平化需要大量数据搬运，因此需要更高效的特例。 该技术能让高阶函数式数组语言更适合 GPU 编程，扩展 Futhark 等语言对不规则嵌套并行的表达能力。它影响数据并行语言的编译器设计与高性能计算领域，有望让更多程序在大规模并行硬件上高效运行。 扁平化后的代码形态是外层串行循环、循环体并行的结构，但反复过滤已完成的元素会带来大量数据移动和低效。文章后续会讨论更高效的特例与扁平化函数；Futhark 历来对并行表达施加约束，不支持不规则的嵌套数据并行。
rss · Lobsters · Jul 31, 09:37
背景: Futhark 是一门纯函数式、数据并行的数组语言，属于 ML 语言家族，设计目标是编译出能在 GPU 和多核 CPU 上高效运行的并行代码。它受 NESL 启发，采用扁平化变换的变体，将嵌套的数据并行操作转换为扁平的底层并行原语。数据并行是指把计算分布到多个处理器上，对大规模数据集合并行执行操作。完全扁平化的目标是处理嵌套并行结构的同时保持 GPU 性能，这是高层并行语言编译中长期存在的挑战。
参考链接
标签: #parallel computing, #Futhark, #compiler optimization, #GPU, #functional programming
用 gccrs 编译 Linux 内核取得进展 ⭐️ 8.0/10
LWN 报道了使用 gccrs（基于 GCC 的 Rust 编译器）编译 Linux 内核的持续努力，这标志着该项目在为目标 Rust 提供完全替代编译器方面取得了可衡量的进展。 这意义重大，因为基于 GCC 的 Rust 编译器可以提供第二个生产级实现，简化与基于 GCC 的构建系统的集成，并增强 Rust 在类似内核的低级系统编程中的可行性。 gccrs 是在 GCC 之上构建的 Rust 语言完整替代实现，目标是完全进入 GNU 工具链的上游。该项目仍处于早期阶段，目标是最终编译官方 Rust 测试套件。
rss · Lobsters · Jul 30, 18:06
背景: Linux 内核越来越多地使用 Rust 来编写内存安全组件，传统上这些组件由 rustc 编译。gccrs 旨在为 Rust 提供 GCC 前端，使 Rust 和 C 代码可在同一工具链中编译。这将简化内核构建，并提供第二个编译器实现，有助于发现错误和未定义行为。
参考链接
标签: #Rust, #Linux kernel, #GCC, #compilers, #systems programming
Tailscale 剖析 Hugging Face 入侵事件，呼吁重视凭据卫生 ⭐️ 7.0/10
Tailscale 发布了针对 Hugging Face 安全事件的事后分析，表示 Tailscale 本身没有漏洞被利用。文章透露，被盗的 136 个凭据中包括一个用于 CI 的可重复使用的 Tailscale 认证密钥，并强调必须严格做好凭据卫生。 Tailscale 作为广泛使用的网状 VPN 提供商，其分析具有重要意义，因为它表明即使是高度安全的网络工具也可能因凭据泄露而被绕过。管理 AI/ML 基础设施的安全团队应以此为鉴，认识到凭据轮换和密钥范围限制对保护访问至关重要。 该文章指出，Hugging Face 入侵事件中泄露了 136 个凭据，其中包括一个用于创建新 CI 节点的可重复使用 Tailscale 认证密钥。Tailscale 建议尽可能避免使用长期有效的凭据；如必须使用，应进行范围限制并采用动态配置。
hackernews · bluehatbrit · Jul 31, 19:03 · 社区讨论
背景: Tailscale 是一家总部位于多伦多的软件公司，提供开源的软件定义网状虚拟专用网络（VPN）和基于 Web 的管理服务。Hugging Face 是一个广泛使用的 AI 社区平台，开发者可以在上面托管和协作开发机器学习模型、数据集和应用。凭据卫生（Credential hygiene）指的是安全地管理密码和 API 密钥的最佳实践，例如避免硬编码或可重复使用的密钥并定期轮换；OWASP 将凭据卫生不足列为重要的 CI/CD 安全风险。
参考链接
社区讨论: 社区反应不一：john_strinlai 等人赞赏 Tailscale 的透明度，而 ivlad 和 ahofmann 则认为这篇文章本质上是公关宣传。评论者还就技术修复展开辩论，angry_octet 认为长期凭据应绑定来源/目标并仅作用于 CI 节点，simonw 则引用了文章中关于可重复使用密钥的细节。
标签: #security, #post-mortem, #Tailscale, #credentials, #Hugging Face
在 Mac Studio 上实现 25 Gbps 雷电以太网 ⭐️ 7.0/10
杰夫·吉尔林（Jeff Geerling）发布了一篇详细介绍如何在 Mac Studio 上通过雷电（Thunderbolt）实现 25 Gbps 以太网的帖子，涵盖适配器硬件与实际吞吐量。这篇帖子引发了关于性能上限、成本和 macOS 网络功能缺口的广泛讨论。 25 GbE 正在成为高速 NAS 和工作站工作流的重要选择，而 Mac 没有内置的标准网卡插槽。这篇文章展示了 Mac 用户通过雷电接口实现的可行路径，同时指出了任何考虑升级的人都应关注的 macOS 限制。 从讨论来看，Sonnet Twin25G 雷电适配器是常见选择，但它价格较高，且仅提供 15W 上行供电。一个关键限制是 macOS 不支持 SMB Direct/RDMA，这很可能使连接无法发挥全部性能。
hackernews · speckx · Jul 31, 16:15 · 社区讨论
背景: 25 千兆以太网（25GbE）是 IEEE 制定的标准，最初面向数据中心，单通道速率可达 25 Gbps，常用于高吞吐量网络环境。雷电（Thunderbolt）可以传输 PCIe 信号，因此雷电转 25GbE 适配器能让 Mac 和笔记本电脑在无需内置扩展槽的情况下获得更快的以太网速度。例如 Sonnet Twin25G 就通过雷电 3/4 提供双光口 25 GbE 连接，但不同 macOS 版本在兼容性和驱动支持上存在差异。
社区讨论: 评论者分享了实际使用体验，有用户表示在工作中使用 Sonnet 适配器实现了超过 25 Gbps 的双向吞吐量，并称赞其即插即用的可靠性。也有人提出更便宜的方案，比如将 PCIe 网卡放进 eGPU 扩展坞；还有人指出 macOS 缺少 SMB Direct（RDMA）支持可能是性能瓶颈的原因。整体氛围是对这种速度的赞叹，以及对低成本硬件是否够用的好奇。
标签: #Thunderbolt, #Networking, #Mac, #Ethernet, #Hardware
WASTE 项目让 Kimi K3 在 29GB 内存上以 0.5 tok/s 运行 ⭐️ 7.0/10
一个名为 WASTE（sqliteai/waste）的 GitHub 项目声称，仅用 29GB 内存就能以每秒 0.50 个 token 的速度运行 Moonshot 公司的 2.78 万亿参数 Kimi K3 模型。该系统通过对模型权重进行激进压缩来实现这一点。 如果属实，这将使开发者和研究人员能够在经济实惠的硬件上本地运行 2.8 万亿参数模型，减少对昂贵云 API 的依赖。然而，极低的吞吐量（每秒 0.5 个 token）以及围绕许可和项目来源的疑问，使其实际价值存在不确定性。 已发布的 Kimi K3 权重为 1.42 TB，转换后为 982 GB，因此 WASTE 声称的 29GB 内存是一项巨大的缩减。社区估算的电费约为每百万 token 5 美元（按持续 42W、每 kWh 20 美分计算），尚未包含硬件成本；另有评论者警告，维护方“sqliteai”曾使用过 Elastic License 等非开源许可证。
hackernews · marcobambini · Jul 31, 14:12 · 社区讨论
背景: Kimi K3 是 Moonshot AI 最强能力的模型，拥有 2.8 万亿参数和 100 万 token 的上下文窗口，基于 Kimi Delta Attention 和 Attention Residuals 构建，于 2026 年 7 月 16 日发布。这种规模的模型通常需要企业级 GPU 集群，因此 WASTE 的内存压缩策略代表了在体积和速度之间的极端权衡。
参考链接
社区讨论: 评论者大多持怀疑态度：有人开玩笑说 Claude 的速度也差不多，另一个人估算电力成本约为每百万 token 5 美元。还有人质疑 README 是否由 LLM 撰写，并警告维护者此前有过非开源许可的历史，建议不要使用该项目。
标签: #AI, #LLM, #performance, #open-source, #optimization
Go 提案拟为标准库添加泛型集合与堆 ⭐️ 7.0/10
一个新的 GitHub issue（golang/go#80590）提议在 Go 标准库中加入泛型集合类型，例如集合（set）和堆（heap）。这标志着 Go 泛型支持自 1.18 引入以来又向前演进了一步。 该提案将填补标准库中长期存在的空白，减少开发者对第三方集合库的依赖。同时表明 Go 的泛型实现已足够成熟，足以支持官方、可复用的数据结构。 该提案涵盖集合和类型化堆等类型，但社区反馈对 API 中混入修改方法表示担忧。一些评论者还指出 Go 当前的泛型设计可能不是理想方案，希望未来的 Go 2.0 能更根本地解决这一问题。
hackernews · jabits · Jul 31, 18:39 · 社区讨论
背景: Go 在 1.18 版本引入了泛型，允许开发者编写类型参数化的函数和类型。但标准库一直缺少泛型集合实现，只有 container/heap、container/list 等专门包，集合通常由第三方库提供。该提案旨在提供官方、可复用的通用泛型集合，方便日常使用。
参考链接
社区讨论: 评论者普遍欢迎该提案，但认为它早就该出现了，有人评论说‘晚了 22 年’。也有人表达了技术上的保留意见：有人不喜欢把修改方法混在一起，还有观察者认为以 Go 目前的语言形态内建泛型并不合适，希望 Go v2 能在更基础的层面解决。
标签: #golang, #proposal, #generics, #standard-library, #programming-languages
NIST 的 VSMOW 标准水每加仑售价 12 万美元 ⭐️ 7.0/10
一篇文章指出，NIST 的 VSMOW 标准水每加仑售价高达 12 万美元。这一价格反映了其作为校准同位素比率仪器的认证参考物质的价值。 VSMOW 是全球稳定水同位素测量的参考基准，支撑了水文学、气候科学和代谢研究等领域。这篇文章强调了计量学和认证标准如何确保全球测量的准确性和可比性。 VSMOW（维也纳标准平均海水）定义了δ²H 和δ¹⁸O 的零点。NIST 将其认证为标准参考物质；生产和认证过程中的极高要求解释了其高昂的价格。
hackernews · surprisetalk · Jul 31, 15:00 · 社区讨论
背景: 天然水含有不同的同位素形式，如氘和氧-18，其比率因来源和过程而异。为了准确测量这些微小差异，实验室依赖如 VSMOW 这样的通用参考标准。NIST 提供超过 1200 种具有认证特性的标准参考物质，用于各领域的校准。
参考链接
社区讨论: 评论者提到 NIST 的其他廉价参考物质，如每盒 204 美元的香烟，并强调使用 VSMOW 校准的仪器在植物水分示踪和代谢率测量等应用中的广泛用途。一位用户质疑为何不直接用纯的¹H₂¹⁶O，另一位则比较了氘水和氚水的成本来说明价格差异。
标签: #NIST, #metrology, #calibration, #science, #standards
SIGGRAPH 时间检验奖授予提前押中物理 AI 的研究 ⭐️ 7.0/10
ACM SIGGRAPH 将时间检验奖(Test-of-Time Award)授予了一篇研究论文，报道指出该工作在约十年前就预见了物理 AI 的兴起。该奖项专门表彰至少十年前发表的、对计算机图形学与交互技术产生持久影响的论文。 这一表彰意义重大，因为物理 AI 如今是机器人、具身智能与自主系统领域的重要前沿，同时也证明那些看似超前或不合时宜的研究最终可能成为基础。它也强化了长期、好奇心驱动的研究对整个 AI 生态系统的价值。 时间检验奖是 ACM SIGGRAPH 设立的年度奖项，2025 年为第三届。现有新闻摘要称该论文预见了物理 AI，但并未透露论文标题、作者或具体贡献。
rss · 量子位 · Jul 31, 06:32
背景: SIGGRAPH 是计算机图形学与交互技术领域的顶级会议，其时间检验奖旨在表彰十多年前发表并对该领域产生重要且持久影响的论文。物理 AI 指代新一波以物理世界为舞台的人工智能，通过机器人、自主机器与工业系统，超越语言和图像模型，直接与真实环境交互。
参考链接
标签: #SIGGRAPH, #computer graphics, #physical AI, #research award, #AI
Bruce Schneier：写作作业是锻炼批判性思维的“健身房任务” ⭐️ 7.0/10
安全技术专家兼讲师 Bruce Schneier 在 2026 年 7 月的博文中提出，写作作业是“健身房任务”，目的是锻炼批判性思维，而非“工作任务”那种为了产出成果的差事。他警告说，依赖 AI 完成这些任务会导致这些技能退化。 随着生成式 AI 在教育和工作场景中的普及，Schneier 的这一说法为“何时使用 AI 会损害学习”提供了清晰的判断标准。它凸显了雇主们对毕业生思维能力下降的日益担忧。 Schneier 区分了“健身房任务”（为了锻炼者自身的益处而做）和“工作任务”（为了产出成果而做）。他指出雇主已经注意到毕业生批判性思维能力的下滑，并将此与对 AI 的依赖联系起来。
rss · Simon Willison · Jul 30, 18:25
背景: 批判性思维是一种需要刻意练习才能提高的能力，尤其是通过起草、编辑和修改论证来训练。如今大语言模型能瞬间生成流畅的文字，学生可能会跳过构建这种能力所需的脑力劳动。Schneier 的“健身房任务 vs 工作任务”比喻提供了一个简单的测试：如果任务的主要价值在于过程，那么将其交给 AI 就失去了意义。
标签: #AI, #Education, #Critical Thinking, #Writing, #Bruce Schneier
OpenAI 打击柬埔寨基于 AI 的诈骗犯罪活动 ⭐️ 7.0/10
OpenAI 宣布已捣毁一个位于柬埔寨的诈骗团伙，该团伙利用 ChatGPT 辅助实施投资、婚恋、赌博和冒充他人等诈骗活动。此举是 OpenAI 遏制其 AI 工具被恶意使用这一广泛行动的一部分。 此举表明大语言模型正在被犯罪网络利用，也凸显了 AI 服务提供方在治理滥用方面承担着越来越大的责任。它还标志着企业正从仅发布政策声明，转向对现实世界中的滥用行为采取更为公开的实际打击措施。 被捣毁的诈骗团伙利用 ChatGPT 为多种诈骗类型生成或优化欺诈内容，包括冒充身份和虚假投资骗局。OpenAI 称，该工作是安全与安保团队持续调查并打击犯罪及国家背景滥用行为的一部分。
rss · OpenAI Blog · Jul 31, 00:00
背景: OpenAI 等 AI 公司制定了禁止有害活动的使用政策，但恶意行为者仍可能利用聊天机器人大规模炮制具有说服力的诈骗信息。为应对这一问题，AI 服务商正越来越多地监测滥用行为，并对整个犯罪网络采取打击行动，从而配合执法调查。此次公告正是 AI 安全行动日益走向公开披露这一趋势的一个例证。
标签: #AI safety, #cybersecurity, #OpenAI, #scam, #AI policy
Servo 0.4.0 发布：558 次提交、布局改进与 WebGPU 增强 ⭐️ 7.0/10
Servo 0.4.0 于 2026 年 7 月 31 日发布，同时该项目还发布了 2026 年 6 月变更总结，其中合入了创纪录的 558 次提交。该版本改进了真实网站的布局正确性，增强了 WebGPU 支持，为 servoshell 测试浏览器带来面向用户的改进，并包含大量性能与稳定性修复。 尽管并非范式转变，Servo 0.4.0 对这个基于 Rust 的实验性网页引擎来说仍是一个重要里程碑，展示了其在真实世界兼容性方面的稳步进展。更好的布局正确性和 WebGPU 支持，增强了 Servo 作为面向桌面、移动和嵌入式场景的独立且内存安全的浏览器引擎的可信度。 0.4.0 是 Servo 技术演示（Tech Demo）版本，项目建议通过 servoshell 测试浏览器来体验。该版本以 558 次提交创下 Servo 单版本周期提交数纪录，重点包括真实网站布局兼容性、WebGPU、性能与稳定性修复。
rss · LWN.net · Jul 31, 17:22
背景: Servo 是一个用 Rust 编写的实验性网页浏览器引擎，旨在利用该语言的内存安全与并发特性，可适配桌面、移动和嵌入式应用。它支持 WebGL 和 WebGPU，目前面向 macOS、Linux、Windows、OpenHarmony 和 Android 开发。WebGPU 是 W3C 标准化中的 Web API，通过 Vulkan、Metal 或 Direct3D 12 提供跨平台 GPU 访问，旨在取代 WebGL，成为网页图形、游戏以及 GPU 计算的主流标准。
标签: #Servo, #web browser engine, #WebGPU, #layout, #open source
BPF 库的未来：Rust 包生态与缺失的包管理器 ⭐️ 7.0/10
在 2026 年 Linux Storage、Filesystem、Memory-Management 和 BPF 峰会上，Song Liu 预测复杂的 BPF 程序将越来越多地由基于 Rust 的 BPF 包生态组装而成。他指出 BPF 目前缺少包管理器，但并未向维护者提出具体方案。 这一转变将重塑内核开发者构建、共享和复用 BPF 程序的方式，使 Rust 在 Linux 内核工具链中变得更加核心。它也凸显了 BPF 基础设施中的一个日益明显的缺口：缺少包管理器正在成为开发者面临的实际障碍。 Song Liu 讨论了预期的 Rust BPF 包生态，但未说明该生态何时或如何出现。该会议是 LSFMM+BPF 峰会的一部分，这是文件系统、内存管理和 BPF 内核开发者讨论未来方向的场合。
rss · LWN.net · Jul 31, 13:52
背景: eBPF（扩展伯克利数据包过滤器）是一种 Linux 内核技术，允许开发者在内核中运行沙箱程序而无需修改内核源代码，常用于网络、安全和可观测性。目前 BPF 没有专门的包管理器，因此共享和复用 BPF 库比较困难。凭借安全保证和良好的工具链，Rust 越来越常用于编写 eBPF 程序，例如通过 Aya 库。
参考链接
标签: #BPF, #eBPF, #Linux kernel, #Rust, #package management
重新考虑将 O_CREAT 与 O_DIRECTORY 用于原子创建目录 ⭐️ 7.0/10
| Jori Koolstra 提议重用 Linux open() 系统调用中的 O_CREAT | O_DIRECTORY 标志，以原子地创建并打开目录，而目前这一操作需要通过单独的 mkdir() 和 open() 调用来完成。该提案因涉及的 API 设计挑战而正在讨论中。 这一改动将消除目录创建与打开之间的竞态条件，提升需要独占创建目录的应用的安全性和可靠性。它对内核开发者和系统程序员都很重要，因为它展示了用户空间接口设计可能有多么微妙。 目前，向 open() 传入 O_CREAT | O_DIRECTORY 会返回错误，而该提案将重用这些标志来实现新的原子操作。然而，用户空间接口陷阱的担忧仍然存在，因为在现有实现中，将 O_CREAT 与 O_DIRECTORY 组合起来可能产生有违直觉的行为。 |
rss · LWN.net · Jul 30, 14:00
背景: Linux 提供了 mkdir() 来创建目录，并提供了多种 open() 变体来打开目录，但没有任何一个系统调用能够以无竞态的方式同时完成创建和打开。O_CREAT 标志通常用于创建普通文件，而 O_DIRECTORY 要求路径是目录；二者组合可能导致误用，如开发者论坛中的讨论所示。本文审视了此类 API 扩展的设计权衡和潜在陷阱。
标签: #linux-kernel, #open-syscall, #filesystem, #api-design, #kernel-development
npm 限制可绕过 2FA 的细粒度访问令牌 ⭐️ 7.0/10
GitHub 于 2026 年 7 月 31 日宣布，配置为绕过双重身份验证（2FA）的 npm 细粒度访问令牌（GAT）将无法再执行敏感的账户、组织和包管理操作，这些操作现在需要交互式 2FA 验证。 此变更封堵了 npm 注册表上最大的基于凭证的攻击面之一，显著降低了账户被盗和供应链攻击的风险。依赖 npm 进行包发布的开发者和组织将受益于更强的安全默认设置，这与行业内强制 2FA 的总体趋势一致。 该限制专门针对此前配置为绕过 2FA 的细粒度访问令牌；此类令牌仍可用于非敏感操作，但在执行敏感操作时会触发交互式 2FA 提示。这是 GitHub 持续强化 npm 安全的一部分，此前已采取如 npm 账户强制 2FA 等措施。
rss · GitHub Changelog · Jul 31, 16:45
背景: npm 访问令牌是用于认证包发布和管理操作的凭证。GitHub 推出的细粒度访问令牌（GAT）提供细粒度的权限，并为了自动化便利可以配置为绕过 2FA。然而，这种灵活性带来了安全风险：如果此类令牌泄露，攻击者可以在无需 2FA 的情况下执行敏感操作。通过对敏感操作要求交互式 2FA，GitHub 确保即使是自动化令牌也受到第二重认证因子的保护。
参考链接
标签: #npm, #security, #2FA, #access tokens, #GitHub
GitHub Models 正式退役：所有服务已于 2026 年 7 月 30 日关闭 ⭐️ 7.0/10
GitHub Models 已于 2026 年 7 月 30 日正式退役。其 Playground、模型目录、推理 API 以及自带密钥（BYOK）支持已不再对任何客户开放。 依赖 GitHub Models 免费使用 AI 模型的开发者将需要迁移到替代平台或改用模型提供商的直接 API。这标志着在 GitHub 生态内通过一个便捷、低门槛的方式试用 OpenAI、Meta、Mistral、DeepSeek 和 Cohere 等 45 多个模型的时代宣告结束。 此次停用涵盖所有功能，包括 Playground、模型目录、推理 API 和 BYOK。GitHub Models 此前为 45 多个模型提供带速率限制的免费 API；用户现在需要直接从提供商获取 API 密钥，或寻找其他免费层级的服务。
rss · GitHub Changelog · Jul 30, 19:14
背景: GitHub Models 是一项允许 GitHub 账户持有者通过 Playground 和推理 API 试用 AI 模型的服务，无需单独设置云账户。BYOK（Bring Your Own Key，自带密钥）允许用户使用自己在模型提供商的 API 密钥，同时通过 GitHub Models 界面路由请求，使数据路由更加透明。该服务曾广泛用于快速原型开发，但自 2026 年 7 月 30 日起，所有端点已下线。
参考链接
标签: #GitHub, #AI models, #Retirement, #Developer tools, #Cloud services
GitHub 推出堆叠式拉取请求公开预览 ⭐️ 7.0/10
GitHub 于 2026 年 7 月 30 日宣布，堆叠式拉取请求（stacked pull requests）现已进入公开预览。该功能允许开发者将大型改动拆分为一系列有序的小型、可审查的拉取请求。 这是一次重要的平台更新，因为堆叠式 PR 能帮助团队更快地审查大型改动，并让工作不必等待每个 PR 合并就能继续推进。这也使 GitHub 与 Graphite、Stacked PR 等已提供该工作流的专用工具展开更直接的竞争。 堆叠式 PR 是一组有序的、相互依赖的拉取请求，每个 PR 代表整个改动中的一个聚焦层次。该公告内容简短，尚未说明定价、企业版是否可用或 CLI 支持等细节。
rss · GitHub Changelog · Jul 30, 16:14
背景: 传统的审查流程要求一个大型 PR 先被审查并合并后，下一个才能开始，这可能会拖慢开发进度。而堆叠式拉取请求（又称依赖式、增量式或链式 PR）则让 PR 彼此基于对方构建，因此每个 PR 都很小且更容易审查。开发者可以在栈中较早的 PR 仍在审查时继续编写新代码。已有多个第三方工具支持这种工作流，GitHub 现在正将其原生集成。
参考链接
标签: #GitHub, #pull requests, #developer workflow, #code review, #version control
AI Agent 真实成本被低估：上下文、人工审核与维护 ⭐️ 7.0/10
InfoQ 结合 WAIC 2026 的分析指出，AI Agent 的真实运营成本——上下文窗口消耗、人工审核和持续维护——被企业普遍低估。文章认为，这些隐性成本才是总体拥有成本的主要来源，而不仅仅是模型推理价格。 这很重要，因为随着 Agent 从试点走向生产，低估运营成本可能使 ROI 预测落空。它促使从业者将成本讨论从单 token 定价转向上下文工程、监督工作量和生命周期维护。 文章具体指出了三类成本中心：随 Agent 记忆和工具调用增长的上下文窗口消耗、人工审核监督开销，以及提示词更新和性能监控等持续维护费用。文章还指出，拥挤的上下文窗口不仅推高 token 费用，还可能降低模型性能。
rss · InfoQ 中文站 · Jul 31, 18:48
背景: AI Agent 是基于大语言模型（LLM）的智能系统，能够感知、规划并执行任务，通常还会调用工具和使用记忆。它们的生产环境成本远不止推理 token，还包括上下文管理、人工安全审核和迭代维护，而这些在最初的 ROI 模型中往往被忽略。近期的行业分析表明，上下文膨胀和 token 效率低下会让 Agent 既更昂贵又更不可靠。
参考链接
标签: #AI agents, #cost analysis, #LLM operations, #WAIC, #practical AI
Jotai 重做 store：高吞吐性能优化与架构取舍 ⭐️ 7.0/10
这篇 InfoQ 文章探讨了 Jotai 为何重构其内部 store 以追求更高的吞吐量，并分析了这次性能优化背后的架构取舍。文章重点关注工程决策，而非新的外部功能。 Jotai 是 React 生态中广泛使用的状态管理库，其内部 store 的改进会直接影响基于 atom 状态构建的 React 应用的性能。文中讨论的架构取舍，对状态管理库维护者和正在评估类似优化的 React 开发者都很有参考价值。 文章聚焦于实现高吞吐状态更新所需的架构妥协，并未暗示会改变 Jotai 的公开 API。根据 Jotai 官方文档，store 仍提供 get、set、sub 三个核心方法，并且可以传入 Provider 使用。
rss · InfoQ 中文站 · Jul 31, 17:00
背景: Jotai 是一个极简且灵活的 React 状态管理库，采用原子化方案：开发者通过组合 atom 来构建状态，渲染会基于 atom 的依赖关系自动优化。在 Jotai 的架构中，store 负责管理原子值和订阅关系，是支撑顶层 Provider 的内部引擎。这种设计不同于 Redux 等通常维护单一全局 store 的库。
参考链接
标签: #Jotai, #State Management, #Performance, #React, #Architecture
腾讯云数据库开源 Agent Memory，共建团队记忆 ⭐️ 7.0/10
腾讯云数据库（TencentDB）已将其 Agent Memory 系统开源，并在 InfoQ 演讲中介绍了通过共建来完善团队记忆的历程。相关代码现已发布在 GitHub 的 TencentCloud 组织下。 记忆是构建可靠 AI Agent 的关键瓶颈，而来自主流云厂商的开源实现能让众多开发者受益。此次开源为社区提供了实用基础，帮助构建能保留上下文并复用过往经验的智能体。 项目介绍明确指出，它既反对暴力累积历史，也反对不可逆的有损摘要。该系统旨在帮助 Agent 学习工作流、保留任务上下文并复用过往经验，演讲中可能还会介绍其架构与设计取舍。
rss · InfoQ 中文站 · Jul 31, 10:00
背景: AI Agent 通常缺乏持久记忆，难以在对话和任务之间保持上下文。许多现有方法要么把所有内容塞进上下文窗口，要么进行有损摘要，这两种方式都会随时间推移而退化。TencentDB Agent Memory 这类系统旨在借助数据库基础设施提供持久、结构化的记忆。开源此类系统可以让团队通过共建来完善共享记忆。
参考链接
标签: #AI agents, #memory management, #open-source, #TencentDB
DataBuddy：数据语义驱动的企业级 Agent Runtime 设计与落地 ⭐️ 7.0/10
在 AICon 深圳大会上，DataBuddy 介绍了数据语义驱动的企业级 Agent Runtime 设计，并分享了其架构与落地实践中的经验教训。该演讲提出以数据语义作为编排企业环境中 AI Agent 的核心抽象。 这回应了 LLM 应用中的一个关键挑战：如何让 Agent 在企业真实部署中做到可靠与可控。它为正在构建生产级 Agent 系统的团队提供了可参考的架构指引，在 AI Agent 从原型走向关键业务场景的当下尤为重要。 该设计强调以数据语义作为 Agent 编排的驱动层，而不是单纯依赖自然语言指令。演讲涉及具体的落地实现，包括运行时架构，以及将 LLM Agent 集成到企业数据工作流中的实践验证过的模式。
rss · InfoQ 中文站 · Jul 31, 10:00
背景: Agent Runtime 是管理 AI Agent 生命周期的执行环境，涵盖规划、工具调用、记忆和编排。在企业环境中，Agent 需要安全且一致地访问数据，这推动了语义层（semantic layer）的兴起，它提供了受治理且具有业务含义的数据抽象。数据语义驱动的设计旨在将 Agent 行为锚定在结构化数据模型上，而不是开放式提示词上，从而使其更具确定性和可审计性。
参考链接
标签: #AI Agents, #Enterprise Architecture, #Data Semantics, #LLM Applications, #Runtime Design
Ruby Central 的破坏性遗产 ⭐️ 7.0/10
一篇题为《Ruby Central 的破坏性遗产》的文章批评了该非营利组织对 Ruby 生态系统的影响。文章称 Ruby Central 对社区治理和发展造成了有害影响。 Ruby Central 组织 RubyConf 和 RailsConf 等重大活动，并作为 Ruby 社区的核心枢纽，因此对其领导层的批评会影响公众看法。这一讨论与 Ruby 开发者、会议组织者和治理争论高度相关。 该文章发布在 Andre Arko 的个人博客上，在新闻聚合器上获得 7.0/10 分，标签包括 Ruby、Ruby Central、社区和治理。文章中附有 Lobsters 讨论帖的链接以供社区评论。
rss · Lobsters · Jul 31, 14:47
背景: Ruby Central 是一家总部位于美国的非营利组织，成立于 2001 年，致力于支持和推广 Ruby 编程语言。它组织年度 RubyConf 和 RailsConf 会议，并为社区活动提供资助计划。二十多年来，它已成为 Ruby 活动和社区倡议的主要组织实体。
参考链接
标签: #Ruby, #Ruby Central, #community, #governance
为什么我分叉了 rand：一个 Rust 库的转折点 ⭐️ 7.0/10
在 2026 年 7 月 27 日的一篇博客文章中，作者解释了其分叉 rand crate（Rust 的基础随机数生成库）的原因。该文章发布在 casualhacks.net 上，并链接到了一个 Lobsters 讨论帖。 分叉像 rand 这样被广泛使用的 crate，可能导致 Rust 生态分裂，并引发关于开源治理的争论。这一举动可能影响依赖 rand API 和维护方式的下游项目。 这篇博客文章的内容摘录非常简短，主要包含一个指向 Lobsters 评论的链接。根据 docs.rs，最新的 rand 版本是 0.10.2，该 crate 采用 MIT OR Apache-2.0 许可。
rss · Lobsters · Jul 31, 15:02
背景: rand 是一个用于随机数生成的 Rust 库，由 rust-random GitHub 组织开发。它支持常见的概率分布，如均匀采样和加权采样，其生态系统包含多个较小的底层 crate。分叉一个 crate 是开源社区中的重要行动，通常由技术方向、治理或维护响应上的分歧引发。
参考链接
标签: #Rust, #Open Source, #Random Number Generation, #Software Engineering
.env 文件为何不适合用于配置和机密管理 ⭐️ 7.0/10
这篇文章对 .env 文件进行了批判性审视，认为它们在配置和机密管理方面会带来严重问题。该文已在 Lobsters 上引发讨论，显示出社区的高度关注。 .env 文件是许多开发者工作流程中的事实标准，因此了解其缺陷会影响大量项目。这场讨论与行业走向专用机密管理和 12-factor 配置实践的大趋势紧密相关。 对 .env 文件的常见批评包括机密被错误提交到版本控制的风险以及缺乏加密——dotenv.org 也明确承认这一缺陷。文章将这些议题置于更广泛的 12-factor 配置讨论背景中。
rss · Lobsters · Jul 31, 15:44
背景: .env 文件是以 KEY=VALUE 格式存储环境变量的纯文本文件，由 dotenv 库在 Node.js 等运行时中推广开来。它们便于本地开发，但常被误用于生产环境的机密信息。机密管理（secrets management）是指安全地存储、访问和轮换 API 密钥、密码等敏感值的实践。12-factor 应用方法论建议将配置放入环境变量，而这一原则本身也一直存在争议。
参考链接
标签: #environment variables, #secrets management, #configuration, #best practices
打造最烂的 htmx，揭示设计背后的智慧 ⭐️ 7.0/10
在《让我们造出最烂的 htmx》一文中，作者刻意打造了一个糟糕透顶的 htmx 版本，以此说明真正的 htmx 为何采用当前的设计。这篇讽刺性练习附有指向 Lobsters 讨论的链接。 这篇文章之所以重要，在于它把 htmx 的核心设计权衡变成了一个让 Web 开发者印象深刻的教训，凸显了基于约束的超媒体方法如何降低 JavaScript 的复杂性。它也推动了关于服务端渲染与客户端交互之间持续进行的讨论。 在提供的摘要中，文章似乎没有包含代码，但它附上了指向 Lobsters 的链接以供社区反馈。htmx 本身是一个开源库，通过 hx-get、hx-post 等自定义属性，将 AJAX 能力直接添加到 HTML 中。
rss · Lobsters · Jul 31, 22:43
背景: htmx 是一个小型开源前端 JavaScript 库，让开发者可以直接从 HTML 中使用 AJAX、CSS 过渡以及其他现代浏览器功能，无需编写 JavaScript。它遵循超媒体驱动的设计，由服务器返回 HTML 片段来替换页面的一部分，而不是返回 JSON 数据。这种方法可以将交互逻辑保留在标记语言中，从而简化 Web 开发，但与重型客户端框架相比，灵活性有所牺牲。
标签: #htmx, #web development, #design tradeoffs, #satire, #technical deep-dive
复刻 PlayStation 主板，拯救老化主机 ⭐️ 7.0/10
一个详细的硬件项目正在通过逆向工程和 PCB 复刻来重现 PlayStation 主板。其目标是拯救那些因饮料泼洒、电池漏液和时间损耗而损坏的老化主机。 这个项目意义重大，因为主板严重损坏往往使老主机无法用原装零件修复，而复刻主板则为保存提供了可行途径。它凸显了复古计算领域的一个趋势：爱好者正利用逆向工程让经典硬件继续存活。 该项目涉及逆向分析原始主板的布局，并生成制造数据以制作可工作的复刻品。文章特别指出，饮料泼洒、电池漏液和自然老化是常见的损坏原因，而这款复刻主板正是为了克服这些问题。
rss · Hackaday · Jul 31, 11:00
背景: 复古计算是一种使用和保存旧电脑与旧主机硬件的爱好，通常是为了运行特定软件或访问旧媒介上的数据。PCB 逆向工程是分析现有电路板、重建其设计和制造数据的过程，可用于故障排查、维修和再制造。该项目结合了这两个概念，以应对原版 PlayStation 替换零件稀缺的问题。
标签: #PlayStation, #hardware, #PCB, #retro-computing, #reverse-engineering