陶哲轩利用AI编码代理复原旧数学可视化工具
358分 · 来源
陶哲轩——公认的当今世界最伟大的数学家之一——在他的博客中讲述了如何利用AI编码代理将1999年的Java 1.0可视化工具移植到现代JavaScript。结果令人印象深刻：20多个互动数学可视化工具（如蜂窝图、贝西科维奇集、复分析工具）在数小时内被移植，代理在找到原代码中的两个错误的同时，仅引入了一个次要的手柄拖动问题。
更令人印象深刻的是，陶哲轩还“心情编码”了一个Minkowski空间的Inkscape等效工具——这是他1999年放弃的工具，因为Java代码的复杂性太大。与代理进行几次对话后，产生的效果相当于25年的人工手动努力。他还构建了一个吉尔伯特猜想可视化工具，以配合一篇新论文。
这里真正的收获并不是“AI取代程序员”。而是AI代理正在成为在手工编码成本超过细微错误风险的特定领域工具的可行选择。陶哲轩坦诚地谈到了权衡：这些是补充可视化工具，而不是关键的数学证明。可接受的质量标准较低，而这正是当前AI编码工具最适合的领域。
xAI的Grok Build CLI窃取整个代码库上传至Google云
357分 · 来源
一位独立的安全研究员对xAI的Grok Build CLI（v0.2.93）进行了细粒度分析，发现了一些令人不安的情况：该工具在读取文件时会原封不动且未脱敏地传输文件内容，包括.env密钥。更糟糕的是，无论代理实际读取了什么，它都会上传整个代码库，包括Git历史记录。
研究员通过向Grok发送“回复OK，不要读取任何文件”的指令证明了这一点——工具仍然将整个代码库作为Git捆绑包上传到名为grok-code-session-traces的GCS桶中。在一次12GB的测试代码库中，即使从未读取任何文件，存储端点移动了5.10 GiB，而模型通道仅移动了192 KB，这证实了上传的是整个代码库，而不仅仅是被访问的部分。
禁用“改进模型”设置选项并不能阻止这种行为。上传到存储的上传功能默认是激活的，即使退出后，端点仍然返回trace_upload_enabled: true。xAI的回应尚未公布，但这种行为确实让企业对AI编码工具感到不安。如果你在使用Grok Build CLI处理专有代码，你应该假设你的代码库已经上传到了Google云。
Mesh LLM：在你自己的GPU上运行大型AI模型
327分 · 来源
Mesh LLM是i罗团队开发的一个开源系统，它将多个机器上的GPU池化为一个与OpenAI兼容的API。将任何OpenAI客户端指向localhost:9337，Mesh会处理路由：在本地运行，将模型加载到具有模型的对等机上，或者通过管道并行性将大型模型分割到多个机器上。
该架构使用i罗的经过身份验证的QUIC连接，由公钥地址——没有中央服务器，自动NAT穿越，回路回退。Skippy模式将模型按层范围分割到节点上，因此一个235B MoE模型可以在无法单独容纳它的机器上运行。目录中包含40多个从500M到235B参数的模型。
这对拥有未充分利用的GPU硬件的团队来说确实有趣。虽然“停止为每令牌API账单付费”的说法很有吸引力，但真正的疑问是，Mesh路由开销和模型分割延迟是否使这在生产工作负载中实际可行，而不仅仅是玩具演示。i罗的网络层是扎实的——QUIC带有孔洞穿刺是正确的原语——但大规模分布式推理与博客演示是不同的野兽。
英伟达、CoreWeave和Nebius：GPU繁荣的循环融资
356分 · 来源
I/O基金的贝丝·金德格追踪了支撑AI GPU基础设施繁荣的日益循环的财务结构。微软和Meta合计向新云提供商CoreWeave和Nebius投入了超过1220亿美元——大约占AWS过去12个月收入的90%，而这些公司的总营收不到160亿美元。
熊市的观点很简单：超大规模数据中心正在通过新云服务将资本支出转化为运营支出，而新云服务则通过GPU支持的债务和英伟达的股票投资来资助其建设。CoreWeave和Nebius各自签订了3.5 GW的电力容量合同，但其中大部分尚未上线。将签订的电力容量转换为活跃电力是非常资本密集型的，而这些公司没有大型科技公司的现金流状况。
循环融资的担忧是真实的：英伟达投资其客户，客户用这笔资金购买英伟达的GPU，这增加了英伟达的收入和股价，这又让英伟达能够投资更多。直到它不再有效。与2008年之前的结构融资相比，这种“大家欠大家”的拓扑结构并不完美，但“大家欠大家”的拓扑结构是熟悉的。
互联网之父Vint Cerf在83岁退休
259分 · 来源
Vinton Cerf，TCP/IP的共同架构师，自2005年以来一直是Google的“首席互联网传教士”，现在宣布退休。他的职业生涯从设计成为互联网的协议开始，到获得总统自由勋章和图灵奖。
更有趣的告别环节：Cerf预测，来自多个供应商的AI代理将迫使创建正式的互操作性标准。他反对自然语言足以用于代理之间通信的想法，认为“代理之间的交互精度将非常重要”，而英语的模糊性使它不适合可靠的多代理协调。
如果Cerf的观点正确，我们将面临另一个协议战争——这次是代理通信标准而不是网络协议。定义这些标准的公司将拥有巨大的影响力，就像TCP/IP一样。历史不会重演，但会重演。
Ghostel.el：基于Ghostty引擎的Emacs终端模拟器
238分 · 来源
Ghostel.el是一个基于libghostty的新Emacs终端模拟器——Ghostty终端所使用的同一VT引擎。它作为原生Zig动态模块编写，用Elisp管理键映射和缓冲区，带来了Kitty键盘和图形协议、OSC 8超链接、同步输出和丰富的下划线样式，而这些都不是libvterm所支持的。
该项目遵循与emacs-libvterm相同的两层架构，但交换了VT引擎。原生模块在首次使用时会自动下载，无需Zig工具链。它还支持TRAMP远程终端、通过Kitty图形协议的内联图像以及多种输入模式（半字符、字符、Emacs、复制、行）。
对于Emacs的忠实用户——在HN上总是比你想象的多——这比vterm和eat是一个有意义的升级。Ghostty的VT引擎经过实战考验，将其完整的协议支持引入Emacs是一个真正的能力提升。238分表明对这个功能有真正的兴趣。
现代装饰实际上在折磨人们的头脑
260分 · 来源
一项大型国际审查发表在《Vision》杂志上，指出现代建筑设计——条纹地板、闪烁的LED灯、重复的几何图案、密集的视觉环境——会触发视觉皮层的可测量神经过载。大脑进化为高效处理自然场景，而偏离自然统计规律的人工图案需要更多的氧气和神经活动，研究人员认为这会导致头痛、恶心和感知扭曲。
患有自闭症、ADHD、偏头痛、阅读障碍和癫痫症的人群受影响尤为严重，可能是因为他们的大脑对过度活跃的视觉信号的抑制能力较弱。审查发现至少11种临床诊断的一致模式。为偏头痛患者校准的滤光镜在成像研究中被证明可以正常化过度活跃的大脑反应。
这是一个听起来在事后看来显而易见的发现——当然，闪烁的灯光和激进的图案会引起不适——但跨多个条件的系统性证据是值得注意的。建筑影响是真实的：开放式办公室的条纹地毯和荧光灯不仅令人讨厌，还可能对大量劳动力产生神经毒性。
用100行Lisp构建AI代理
228分 · 来源
一位开发者在大约100行Common Lisp中构建了一个完整的AI代理循环——包括工具使用、持久化内存和基于eval的执行。核心代理循环只有8行：向模型发送消息，检查它是否想使用工具，执行并递归。唯一的“工具”是eval——因为Lisp是同构的，模型以字符串形式编写Lisp形式，代理读取并评估它们，然后发送结果。
这种优雅是真实的。你不需要构建工具库（如网络搜索、文件I/O、代码执行），而是直接将语言本身交给模型。询问第30个斐波那契数，模型会编写并运行递归，而不是回忆它。持久化内存只是将消息列表序列化到文件并读取回文件——不需要向量数据库。
显而易见的警告（作者已经诚实地承认）是eval作为工具意味着在你的机器上执行任意代码。这是一个沙盒玩具。但它是一个美丽的演示，为什么Lisp被称为“AI的语言”——程序操作程序，统计推理外包给LLM。你的老CS教授是对的，只是提前了25年。
纵贯线
今天的首页主要围绕两个主题：AI工具行为不当和AI工具行为优雅。一方面，xAI的Grok CLI悄悄地将整个代码库上传到云存储，而支撑GPU繁荣的新型云财务结构看起来越来越循环且脆弱。另一方面，陶哲轩心情编码了25年前未能实现的数学工具，开发者证明Lisp代理可以在100行代码中构建，Mesh LLM提供了分散式AI推理的路径。
紧张感显而易见：AI的基础设施层正在变得更加集中、更加财务脆弱且在数据处理方面更加不透明——而应用层正在变得更加分散、更具创意且更加可访问。Vint Cerf预测AI代理将迫使创建新的互操作性标准，这似乎是一个正确的框架：我们正处于代理AI的协议战争阶段，现在关于数据保管、代理通信和计算分布的决定将塑造下一个十年。我们是否能获得另一个开放的互联网或另一个封闭的花园取决于这些趋势中的哪一种占上风。