在AI时代，编程正从一种确定性的指令输出，转变为一种基于意图、上下文和反馈的“领导力”行为。作者认为，与AI协作不再像操作编译器，而更像是在带团队——你需要解释“为什么做”而非仅仅是“怎么做”。

文章来自一场 GPU 内核优化竞赛。参赛者需要在 NVIDIA B200 GPU 上实现批量 QR 分解。不过对不需要了解GPU内核优化的读者，文章也有价值，它总结出了一套 AI 研究工作流： 1️⃣给代理设置明确、可量化的性能目标，让它长期自主循环。 2️⃣保存每次实验、提交结果和性能分析，避免后续会话重复走弯路。 3️⃣人类不必持续微观管理，但应在模型陷入停滞时介入，补充领域知识和方向判断。

开发者BinBin近期推出的smolvm是一个仅有35MB的轻量级虚拟机工具，支持在Windows、macOS和Linux上跨平台运行Linux环境。相比WSL2约250MB的体积，smolvm通过libkrun和各平台的原生虚拟化框架实现了亚秒级的冷启动速度，并且支持将整个虚拟机状态打包成单个文件分发。它兼容OCI镜像规范，意味着你可以直接运行Docker镜像，甚至在虚拟机内部嵌套运行Docke

【地址映射的“洗牌”魔术：当硬件隔离在 DRAM 控制器面前失效】顶级黑客 Christopher Domas 近期公开了名为 Skitter Creek Bath Salts 的研究，展示了如何通过修改 AMD 处理器中 DRAM 控制器的寄存器配置，在软件层面重写物理地址映射。这一操作直接绕过了 CPU 核心、MMU 及芯片组的所有安全围栏，使原本被严格隔离的 PSP 安全处理器私有内存、SM

编程智能体开始处理任务时，通常需要反复搜索文件、追踪导入关系和理解模块职责。它们在每个新会话中几乎都要重新认识代码库，消耗大量工具调用、Token 和时间。Graft 所属的“上下文工程”工具试图预先建立代码知识图谱，再通过 MCP、智能体指令和钩子，把相关架构信息及时提供给智能体。 开发者自己做的实验显示，Graft 能让 Claude Code 减少约 46% 工具调用、42% Token

一个基于 Electron、React 和 xterm.js 构建的功能丰富的 SSH 工作空间。内置 AI Agent · 分屏终端 · Vault 多视图 · SFTP 工作流 · 自定义主题 —— 一应俱全。

适合制作操作讲解、演示、产品视频等内容。 可以根据操作自动强调重点区域（放大你正在操作的那部分方便查看），平滑光标运动，添加动态效果。 还可以小窗叠加自己摄像头的画面。

很有趣的一个项目：画出一个形状，听听它实际上会发出怎样的声音 在线体验：eigendrum.com/ 画出一个形状，听听它实际上会发出怎样的声音。 Eigendrum 会把你画出的任何图形视为一个边缘固定的理想鼓面，针对该区域使用真正的有限元方法求解拉普拉斯本征值问题，并根据得到的频率合成声音。这里没有使用采样音频，也没有伪造泛音：如果画一个圆，计算出的泛音比例会对应贝塞尔函数的零点，因为

GitHub 最近走红的 time-to-first-token 项目为工程师提供了一个为期 10 周的系统学习方案。不同于零散的 Demo 演示，它要求参与者在 50 个课时内持续迭代同一个 OpenAI 兼容的推理服务。内容覆盖了从 Roofline 模型分析、vLLM 与 SGLang 源码解读，到量化压缩、投机采样以及在 Kubernetes 上的存算分离部署。最终目标是让开发者在租用的

积累真正财富的核心在于长期主义： 心智修炼：树立逆向思维，克服贪婪与恐慌，远离炫耀性消费； 财务纪律：严控开销，坚持定期投资，用延迟满足拥抱时间复利； 能力变现：深耕自身核心优势，靠创造不可替代的高价值赚钱。 致富没有捷径，把朴素的基本功贯彻到底，财富与自由自会水到渠成。

Clay (一家知名的自动化客户关系拓展与数据管理平台) 的联合创始人分享的 AI 写作四大核心原则： 你必须为每一个观点和句子负责 在把文档分享出去之前，你有责任确保整篇文章都能真实、准确地代表你自己的想法。 写作即思考 把时间投入到写作的过程中，能让你对正在探讨的主题有更深刻的认识。如果你试图绕开这个过程 (比如偷懒完全依赖 AI 一键生成文章)，那你对相关知识的理解最终也会大

“品味”（Taste）。品味是建立在深度亲密度与默会知识之上的直觉过滤器，决定了提问与选题的价值，需通过持续实践与同行熏陶习得。作者指出，单纯预测引用量只是表面副产品；若要让 AI 真正习得科研品味，需借助时间检验奖、同行深度评述等更高信息密度的代理信号进行训练。

而且这本书还提供了配套 SKILL，专门把书里的 debugging 方法整理成可以交给 AI agent 使用的技能。也许这也是以后的一个趋势了。 《The Art of Debugging》是 Stas Bekman 编写的一本开放式调试实战手册，期望能帮你建立一套高效定位问题的方法：先让问题稳定复现，再不断缩小数据、模型、代码和运行环境，缩短每次实验的反馈周期，并通过控制变量、二分定位和合

假设你想提高深度学习模型的运行性能，该从哪里入手？人们经常会拿出一堆过去可能有效、或者在社交媒体上看来的技巧，例如使用原地操作、把梯度设为 None，或安装某个特定版本的 PyTorch。 这种做法可以理解，因为现代系统，特别是深度学习系统的性能优化，常常既像科学，也像炼金术。不过，从第一性原理出发进行推理，仍然可以一次排除大量无效方案，让问题变得更容易处理。 深度学习系统的运行效率可以分成三

开发者darama22开源的Malware Research Hub是一个离线恶意软件库，集成了从1971年Creeper到现代勒索软件的84个家族、2764个真实样本。它不只是简单的文件夹堆砌，而是自带一个基于Flask的本地管理系统，提供多语言搜索、进化时间线以及自动加密存储机制。所有样本均以加密压缩包形式存在，支持通过API从MalwareBazaar实时扩充库容。在安全圈，获取样本不难，难

10个抓取数据的开源爬虫工具： Firecrawl：用于大规模搜索、抓取和交互网络的 API。 访问：https://github.com/firecrawl/firecrawl Crawl4AI：开源的 LLM 友好型网络爬虫和数据抓取工具。将网页转换为简洁、符合 LLM 规范的 Markdown 格式，适用于 RAG、代理和数据管道。它速度快、可控性强。 访问：https://gi

字节跳动近期公开了 Seedance 2.5 与 Seedream 5.0 Pro 的官方提示词文档，将 30 秒长镜头、时间戳精准控制以及多素材参考等进阶玩法悉数共享。文档包含从盛唐夜景到废土科幻的数十套完整案例，不仅列出了精细到秒级的 Prompt，连镜头调度、负面词规避和音效配合都写成了可直接复制的分镜剧本。这种资料的释放，宣告了靠卖基础 Prompt 赚差价的 AI 收费课正式失去生存空间

Vercel Labs推出的Deepsec是一款基于Agent的自动化漏洞扫描工具，专门针对大规模代码库的深度审查。它跳出了传统静态分析的正则匹配逻辑，通过调用大模型的最高推理等级（Thinking Level）来理解业务上下文。这意味着单次全量扫描的成本可能高达数千甚至上万美元，但它支持断点续传和分布式并行处理，旨在揪出那些潜伏已久的逻辑漏洞。社区评论对这种“氪金式安全”表现出复杂态度，但它确实

【微调全家桶：Liquid AI 的这份食谱把门槛拆了】Leonie 分享的这份开发者资源把散落各处的微调技术集成到了一起，从传统的 SFT 监督微调到时下热门的 DPO 和 GRPO 强化学习方案，不仅支持文本还覆盖了音视频多模态模型。借助 Unsloth 和 TRL 等工具，这份指南实际上为那些想在有限算力下定制垂直领域模型的开发者提供了一套完整的工程方案。与其说这是一份文档，不如说它解决了开

介绍了数据中心网络高可用技术的重要性和实现方法，强调了高可用设计的必要性，并对数据中心中的服务器、交换机、路由器等网络设备的基础工作原理进行了回顾。 本文谈到的网络，重点是3层及以下。