欢迎来到 Agili 的 Hacker Podcast 今日看点。今天我们会聊 MIT 为研究芯片安全从零写操作系统、Java 酝酿十二年的 Valhalla 终于合入主分支，还会看到 DuckDB 如何把整个分析型数据库塞进一个 20MB 的单文件里。
安全研究人员想在 Apple M1 这类芯片上验证 Spectre、Meltdown 攻击的细节，但过去只能在 macOS 或 Linux 上手动改内核，不稳定且难以复现。MIT CSAIL 团队索性从裸机写起，打造了专用于微架构研究的操作系统内核 Fractal。
Fractal 的核心设计是“多特权并发”，能让同一个实验在运行时切换特权级别，同时保持指令和地址空间不变。关键构造“外核线程”处在用户进程的内存里，却以内核特权执行，这让测量结果几乎不含中断、调度带来的背景噪声。
团队用 Fractal 在 M1 上发现了多个此前未知的行为。比如 ARM 的 CSV2 规范本应阻止低特权代码影响内核的推测执行，但 Fractal 发现 CPU 在保护机制起作用之前就已经把目标地址取进了指令缓存，这个操作仍然可以通过侧信道被观测到。团队还首次在 Apple Silicon 上验证了一种叫 Phantom 的推测攻击，并澄清了过去关于条件分支预测器跨特权级训练的误解——之前认为仅在性能核上有效，实际上是实验期间 macOS 悄悄把线程迁移到了不同核心。
Fractal 支持 x86_64、ARM64 和 RISC-V，代码量约 31000 行，配了 POSIX 系统调用、C 标准库，甚至能在上面跑 vim 和 GCC。项目已在 GitHub 开源，论文和全部实验数据也一并公开。有社区成员说，这个思路在 Spectre 保密期里微软工程师就玩过，但把它做成可复用的研究基础设施，Fractal 做到了。
DuckDB 是一个进程内分析型 SQL 数据库：不需要服务器，像加载 NumPy 一样直接链接到程序里，单二进制文件不到 20 MB。它专为扫描数百万行做过滤、聚合、连接之类的查询优化，而不是按主键单点查找。你可以直接对某个装满 Parquet、CSV 文件的目录写 SQL。
传统分析型数据库通过网络收发数据，每条结果记录都要序列化成协议格式再反序列化，这往往是查询中最慢的环节。DuckDB 在同一个进程里运行，能直接读取 Python dataframe 的缓冲区，甚至实现零拷贝。配合 Arrow 这样的列式内存格式，它绕开了逐行逐值函数调用的巨额开销。
SQL 进入 DuckDB 后经过解析、绑定、优化等阶段，优化器包含 33 个可单独禁用的转换规则，比如 filter pushdown、子查询展开和动态连接过滤器。物理计划最终被分解成一个个管线，没有需要看到全部数据才能产生结果的算子（如排序或分组）会形成断点，断点前三阶段（sink、combine、finalize）并行完成，充分利用多核。
数据库内部按列分开存储，每列分成约 12 万行的行组，每个行组携带最小最大值和空值计数这样的 zone map，查询时能直接跳过不相关的组。很多使用者并不建表，而是直接查询 Parquet 文件——Parquet 本身也是列存、带统计信息，DuckDB 连远程文件都只需要按需抓取部分字节。
Project Valhalla 的口号是让 Java 里自定义的类型在内存中变得扁平、密集，像基本类型一样，避免每个对象都带对象头、堆分配和指针跳转。6 月 15 日 Oracle 工程师确认 JEP 401（Value Classes and Objects）已合入 OpenJDK 主线，变更超过 19.7 万行代码，准备在 JDK 28 中预览。
在 JDK 28 里，用 value 声明值类，所有字段隐式 final，== 比较的是字段的逐位等效性，不再靠对象身份。配合 JEP 402，Integer 这类包装类也变成值类，== 终于比较的是数值。JVM 通过标量化和堆扁平化来优化：在栈上把值对象拆成字段，在数组里将字段直接连续存放，避免指针跳转。不过限于当前 64 位原子写，部分超过 64 位的对象还无法扁平化。
nullability 被推迟到独立 JEP，特化泛型也仍在研发中。许多评论者拿 C# 在 2002 年就实现了非空值类型来对比，但也有人指出 Java 有 30 年的向后兼容负担，分阶段发布更务实。团队核心成员解释，值类的设计目标是统一 Integer 和 int，放弃双投影模型是因为 80–90% 的开发者偏好简单方案。
1987 年日本国有铁道因巨額负债被拆分成 7 家 JR 公司，日本设计中心的山本洋司只有 124 天时间设计统一的标志、字体和全部应用物料。最终的 JR 连体字形意在表现“铁轨贯穿全国”，线条够粗，列车行驶时也看得清。
当时只有 15 色热转印色卡可用，设计师把这 15 种颜色摊在总裁面前，各公司各取所需，事后才用地域象征合理化各自的颜色。更极致的是，“鉄”字左边是“金”右边是“失”，在赤字中诞生的公司用这个字太不吉利。山本将“失”换成形近的“矢”（箭头），还专门去国会图书馆确认这个字确实存在。整个字标系统在印刷截止前一天傍晚才获批，但他觉得不够完美，又通宵重绘了所有公司的字标才赶上交付。
最初只打算给少量列车换标，但设计中心提议在第一天就让全系统一万辆车贴上 JR。利用末班车与首班车间 4–5 小时的窗口，工人们一列一列手工贴标。这份“最后一次服务”的使命感让大规模改装成为可能。近四十年间这个标志从未更换，社区认为这某种程度反映了经营的稳定。
作者从德国回到美国后，发现不管咖啡馆还是超市，几乎人人耳中挂着一副 AirPods。有调查显示 44% 的美国人使用蓝牙或无线耳机，重度使用者更容易感到孤独，也更少与陌生人进行有意义的对话。
一项 2026 年的研究发现美国人每天说出的单词数比 2005 年减少了 28%，而耳机鼓励人们避免与收银员交谈、在屏幕上点餐付款。更深层的问题是，耳机挤占了与自己独处的时间——用南加州大学教授的话说，只有脱离即时活动让思维自由游荡时，才会发生深度的反思和意义整合。
在杂货店，一位陌生老人对作者盘中的辣椒拌菜打趣了几句，这 15 秒的交流让作者整个下午更愉快。心理学研究指出，这些微小互动累积起来会让人相信“人们大体是善良的”。耳机有屏蔽噪音和帮助专注的好处，但作者几年前就有意识地减少使用频率。
Gribouille 0.3.0 发布了，这是一个用 Typst 实现图形语法的库。新版本可以用 guides(x: none) 隐藏坐标轴刻度线和标签，无需修改主题即可做到。图例控制也支持 guides(none) 一键隐藏所有未单独设置的部分。
compose() 新增 theme: 参数，统一设置合成图表的共用标题和图例样式；defer(plot, ...) 替换了之前的 plot(..., defer: true)。面积图现在默认按栈对齐和堆叠显示，不再需要显式指定统计变换和位置参数。标记函数 annotate() 还获得了 clip 参数，设为 false 后可让标注绘制到面板边界之外。社区有人关心是否能渲染成交互式 SVG，目前 Typst 可输出 SVG，但悬停数据需要额外脚本介入。
Hyundai 以 3.25 亿美元购买了 SoftBank 持有的 Boston Dynamics 剩余 9.65% 股份，实现全资控股。这是 SoftBank 行使此前保留的卖出选择权，把 Boston Dynamics 整体估值推至约 34 亿美元。SoftBank 抽身转向 AI 基础设施，正在组建 Roze AI，并重注押在 OpenAI 上。
Hyundai 计划 2028 年在佐治亚州的电动车工厂让 Atlas 开始做零件排序等实际工作，关键关节电机由集团内部的 Hyundai Mobis 生产。这有别于 Tesla Optimus 或 Figure AI：Hyundai 自己是工厂主，第一手客户就是自己，不需要先说服别人买机器人。社区里围绕“通用人形 vs 专用机械臂”展开了讨论，有人觉得长尾任务确实需要类人形来替代人类，也有人认为很多任务完全可以用现有固定或移动机械臂解决。
作者认为成为优秀机器学习研究者的过程和冥想很像：把读书与动手构建结合起来，不论有没有灵感都持续投入时间。研究方向不要追逐热度不够半年的概念，人工智能基础思想四十年没怎么变，把交叉熵手算、奇异值分解可视化到脑子里，比琢磨今年的流行词更值。
实验结果好，很好；结果差，也很好——两者提供的信息量相同，一串负面结果往往比单个正面结果更有教益。但对那些看起来太好的结果要极度偏执，一大半好结果都是代码 bug 制造的。现代深度学习堆栈极复杂，错误可能出在训练、推理、数据、框架的任何地方，不弄清楚就无法相信任何结论。
苯环结构来自梦，Ozempic 来自毒蜥毒液，好的想法常在散步和放空时冒出来。创意背后则是数百小时的苦工：Andrej Karpathy 手动标注了一大块 ImageNet，SWEBench 的作者花了数百小时清洗 GitHub 数据。文中用了一句禅语：“悟之前砍柴挑水，悟之后砍柴挑水。”成功的项目很少绕过笨重的细节。
Datasette Apps 是一个新插件，允许在 Datasette 实例中托管带 HTML 和 JavaScript 的自包含应用。应用跑在受限的 <iframe sandbox> 沙箱里，配合 Content-Security-Policy 头部禁止对外部域名的请求，也拿不到 cookies 或 localStorage。应用可以用 JavaScript 执行只读 SQL 查询，也可以按配置好的存储查询执行写入操作。
作者用 <meta> 标签设置了额外 CSP，发现恶意 JavaScript 无法在页面开头之后修改它。应用与父窗口的通信使用了 MessageChannel，导航后通道自动关闭，降低劫持风险。插件还内置了日志面板，方便调试 SQL 查询和 CSP 错误。用户可以把一段描述应用限制和可用 API 的提示粘贴到 ChatGPT 或 Claude 里让模型生成代码。安全评估发现了一个严重漏洞：普通用户可能通过自设 CSP 域名窃取管理员数据，修复方案是将设置允许域名的权限独立为 apps-set-csp，仅限受信任人员使用。
2016 年 6 月 15 日 ClickHouse 开源时只是 Yandex 内部替代 MySQL 和自建 MapReduce 的列式分析引擎。创始人 Alexey Milovidov 从一开始追求最高级别开源，把仓库当作别人学习 C++ 和数据结构实验的地方。一个完整的 CI 运行需要约 400 小时，曾帮助发现 jemalloc 甚至 Linux 内核里的 bug。
很多用户用 ClickHouse 替换 Elasticsearch 和 Loki 做可观测性，即使未索引的 LIKE '%hello world%' 查询也远超 Loki 索引后的速度。有人抱怨 JSON 导入有隐蔽陷阱，比如 JSONEachRow 下数字字段默认返回字符串，开启跳过未知字段后拼写错误会静默丢弃数据。零拷贝复制等功能则被限制在商业版中。尽管如此，大多数评论仍认为 ClickHouse 是“用正确工具做正确事”的好例子。
女：Hello 大家好，欢迎收听 Agili 的 Hacker Podcast，我是莓莓。
男：大家好，我是阿迪。
女：今天要聊的东西挺杂的，从芯片安全一直跑到日本铁路标志，中间还会穿插数据库和无处不在的耳机。咱们先从 MIT 那个专门折腾硬件的操作系统开始吧，阿迪，我听说它连名字都很直白，叫 Fractal。
男：对，MIT CSAIL 团队做的一个微内核，31000 多行代码，它直接跑在裸机上面，就是为了把硬件本身变成研究对象。以前安全研究人员想搞清楚 Spectre、Meltdown 这类推测执行攻击的细节，只能在 macOS 或 Linux 上手工改内核，改完系统随时崩，而且操作系统自己的中断、调度和地址空间切换会把真正想测的信号淹没掉，实验很难复现。
女：就像一个咖啡厅里你可以自由换座位，但服务员总在走来走去，你根本听不清隔壁说的悄悄话。
男：这个比喻很准。Fractal 的关键设计叫“多特权并发”，它可以在同一个实验里切换特权级别，却保持相同的指令和地址空间。他们构造了一种“外核线程”，表面在用户进程的内存里，实际以内核特权执行，这样就把操作系统的噪声几乎压到零。于是苹果 M1 芯片那些以前看不见的毛病就露出来了。
女：他们看到了什么？
男：M1 实现了 ARM 的 CSV2 规范，理论上应该阻止用户代码影响内核的推测执行。Fractal 确认这个保护在执行阶段确实有效，但在此之前 CPU 已经把目标地址取进指令缓存了，而这个取操作是可以通过侧信道观测到的。也就是说，用户代码仍然能影响内核缓存的内容。他们还在苹果芯片上首次验证了一种叫 Phantom 的推测攻击——连 nop 这种什么都不做的指令都会被误当成分支去推测执行。这在以前只在 AMD 和 Intel 上见过。
女：听起来像是原来那个假设安全的墙壁，其实有几块砖根本没砌上。
男：还有一个例子很有意思。之前有人研究 M1 的条件分支预测器，结论是跨特权训练在性能核上有效，在能效核上无效。Fractal 团队证明两个核都没有特权隔离，之前的结论只是 macOS 在系统调用时偷偷把线程迁到了不同核心上造成的假象。等于说，研究者被操作系统骗了好几年。
女：这个工具已经把代码开源了，别的团队也能直接拿来用？
男：github.com/jprx/fractal，支持 x86_64、ARM64 和 RISC-V，里面甚至还带了 POSIX 系统调用和 C 标准库，可以跑 vim 和 GCC。南加州大学一位助理教授评论说，Fractal 把过去那种打补丁式的微架构逆向工作流，变成了可复用的研究基础设施。研究硬件安全的人终于有了一把称手的镊子。
女：从芯片往上层走，就到了数据。说到数据，DuckDB 这几年曝光率特别高，我最近看到一篇对它的深度拆解，才知道为什么那么多人用它在笔记本上跑分析。
男：DuckDB 是一个进程内的分析型 SQL 数据库。“分析型”就是它为了扫描几百万行做过滤、聚合、连接这种操作而优化，不是按主键查一条记录。“进程内”意味着没有服务器，你 pip install duckdb 或者 brew install，然后就能把一个装满了 Parquet、CSV、JSON 的目录当成 SQL 数据库直接查。整个二进制不到 20 MB，零外部依赖。
女：我第一回用它读 S3 上的 Parquet 文件，还以为需要先下载，结果它只去拿了个文件脚注。
男：这就是它快的一个侧面。它先读脚注获取 schema 和每个行组的 min/max 统计信息，根据 WHERE 条件直接跳过不相关的行组，然后只取那些列块下来解压。而且在同一进程里可以用 Apache Arrow 做零拷贝，不需要像传统数据库那样把结果序列化成网络协议、逐行逐值调用 ODBC 函数。创始人 2017 年的论文测过，客户端协议本身消耗的时间经常比数据库计算时间还长。
女：所以省掉了搬箱子的过程。优化器是不是也很激进？
男：对，它在逻辑计划阶段有一整套小型优化器，filter pushdown、子查询重写成连接、动态构建哈希连接键的最小最大值过滤器下推到扫描端去利用 zone map。默认的列式存储把数据分成 256KB 的块，每个块带校验和，防止内存和磁盘上的位翻转。这套组合让它在单机上经常能跑赢年费几百万美元的集群。
女：但也不是什么地方都合适吧？
男：递归查询支持有限，JSON 类型只是字符串，逐行解析在有些场景不如 ClickHouse。还有人吐槽说静态链接扩展在 App Store 环境很头疼。但从用户反馈看，多数人是因为它实在太容易用了才上的手——有人拿来分析全公司工程师的 Claude Code 会话找开发体验缺口，有人在电动汽车上每个车跑一个 DuckDB 做本地数据分析，线性扩成本。
女：说到分析型数据库，今年正好是另一个明星项目 ClickHouse 开源十周年，它跟 DuckDB 感觉有点像，体位又不太一样。
男：ClickHouse 是 2016 年从 Yandex 内部开源出来的，最初就是要替换他们自己的 MySQL 和定制 MapReduce。创始人 Alexey Milovidov 从第一天起就把开发路线图、测试系统、代码评审全部公开。他干脆把仓库当成别人学习 C++ 和数据结构的地方，你可以上去提一个实验性 PR，哪怕不打算合并，CI 也会完整跑一遍。他们的 CI 单次跑完要 400 小时，还真的揪出过 jemalloc、librdkafka 甚至 Linux 内核的 bug。
女：400 小时，这个大方程度挺罕见的。用 ClickHouse 的团队一般拿它替了什么？
男：最早那波人用它在日志分析上替换 Elasticsearch，获得 5 倍以上的压缩率和 QPS。后来可观测性场景里，有人用 LIKE '%hello world%' 都不建索引就能跑出比 Loki 索引查询还快的速度。还有把 TimescaleDB 换掉的，因为觉得运维痛苦少很多。
女：有没有踩过的坑？
男：JSON 导入有个很容易中招的地方，JSONEachRow 格式下数字字段默认返回字符串，忘了用 Number() 转换的话，算术全变成字符串拼接。还有个选项是跳过未知字段，字段名拼错就静默丢数据，不报错。社区版也不支持对象存储上的零拷贝复制，这是开放核心模式的妥协。但周围的声音整体还是那句话——用正确的工具做正确的事。
女：说完了两个分析数据库，我们再聊一个把数据和应用揉在一起的东西。Datasette 最近出了个新插件 datasette-apps，让用户能在 Datasette 实例里托管自包含的网页应用。阿迪，这个听起来像是给数据表直接装了前端。
男：对，这些应用跑在受限的 iframe 沙箱里，加了很严格的内容安全策略，不能往外部域名发请求，也不能碰 cookie 或 localStorage。应用可以用 JavaScript 执行只读 SQL 查询，配置了写入查询的话还可以执行写入。它的灵感部分来自 AI 生成 HTML 和 Claude Artifacts——给一个自包含的前端加上 Datasette 风格的后端，很顺手。
女：那安全性怎么保证？你刚才说沙箱，这够吗？
男：他们做了不少强化。父子窗口通信从 postMessage 换成了 MessageChannel，页面导航后通道自动关闭，能防止命令被外部页面劫持。还专门跑了安全评估工具，发现过一个严重漏洞：普通用户可以创建应用，把自己添加进 CSP 允许列表的域名，引诱管理员访问后窃取数据。修复是把添加 CSP 域名的权限单独拆成 apps-set-csp，只给受信任的人。
女：对我们这种不太会写前端的人，创建应用是不是还得求开发？
男：倒不一定。创建表单末尾有一段可复制的提示，直接粘贴给 ChatGPT、Claude 或者 Gemini，模型就能帮你把应用代码产出来。如果装了 Datasette Agent，AI 助手甚至能直接创建和编辑。当然，也有人担心这种依赖 LLM 的做法会导致想法同质化，创造力下降，但这门槛确实低到了泥土里。
女：这又绕到 AI 辅助开发的话题上了。我最近看过一篇讲机器学习研究者需要什么气质的文章，里面提醒说，代码助手虽然快，但隐患也不少。
男：它把 ML 研究比作禅修：把读书学习和动手构建结合起来，持续投入，灵感随机出现，大多数日子是没有的。真正要紧的不是去追每半年的流行词，而是回头手算交叉熵，把 SVD 可视化到脑子里。现代深度学习栈非常复杂，bug 可能藏在训练、推理、数据、框架任何一个角落。如果用代码助手，它可能在沉默中把配置改了、序列长度缩短了，你根本不知道。对工程来说这只是小毛病，对科研来说就是一场灾难。
女：文章还给实验结果定了个“平等心”的心态：结果好，很好；结果糟，也很好。一串负面结果往往比单个正面结果更有教益。碰到太好的结果反而要极度怀疑，多半是代码 bug 在假笑。
男：是的，健康的偏执很重要。它还讲了一点容易被忽略的事：深度学习实验周期很长，训练动辄几周，你得刻意设计流畅的研究流程，缩短冷启动时间，用小的评测快速拿反馈。有些结果急不来，保持对上周实验的理解本身就是硬功夫。
女：而且文章说，要做出好研究就得做研究以外的事——散步、放空，达尔文、费曼、特斯拉都这么干。这让我想起另一篇文章，讲的是美国现在到处都有人挂着一副耳机，连走路那几分钟空隙也要用播客填满。
男：那篇描述挺具体的。作者从德国回到美国，发现底特律郊区的咖啡店、超市、甚至高尔夫球场，几乎人人耳朵里塞着 AirPods。有市场数据说 44% 的美国人用无线耳机。2026 年有一项研究显示，美国人平均每天说出的单词数从 2005 到 2019 年减少了 28%，社会心理学家推测 2019 年后下滑更厉害。
女：我们以前觉得跟收银员打个招呼、跟陌生人闲扯两句不重要，现在看来这些零碎互动其实在帮我们建立对世界的信任感。
男：苏塞克斯大学的 Gillian Sandstrom 说，跟陌生人的随意交谈能增强社交技能，积累起来让人觉得“人们大体是善良的，我可以和任何人聊天，我在这个世界有位置”。戴上耳机，这些机会就全消失了。而且耳机还会改变我们对声音内容的感知——加州大学的研究发现，用耳机听播客会让听众觉得主持人更温暖、更有说服力，因为声音好像直接出现在头脑里，心理距离变近了。
女：这解释了为什么播客那么亲密，但也意味着我们可能连和自己独处的空白都被挤掉了。南加州大学的教授说，只有不干任何事、让思绪自由游荡的时候，才会发生深度的反思和意义整合。
男：社区里的讨论补充了很多角度。有人指出，在吵闹的地铁里戴耳机反而是把不正常的环境恢复正常；有人强调文化差异比技术影响更大，一个人愿不愿意交谈更多来自小时候的环境。还有女性说她们会戴不播放音乐的耳机，只是为了在不引发冲突的情况下阻止骚扰。但作者自己的选择是刻意减少耳机使用，他在杂货店的沙拉吧前被一个陌生老头调侃了一句，15 秒的对话让他整个下午更愉快。这种东西很难量化，但也许是我们最不应该丢掉的东西。
女：从耳机这个日常习惯，我想跳到一个看似无关却同样有耐心的故事——日本铁路的 JR 标志。
男：这个标志你可能在很多车站见过。1987 年日本国有铁道因巨额负债被拆分，成立 7 家 JR 公司，但全部都共用同一个 JR 标志。设计师山本洋司只有 124 天，从标志、字体、颜色应用规范、新闻资料到车票全要完成。初期提案超过 100 个，最后定下来的 J 和 R 连体字形表达的是铁轨贯穿全国、连续系统的意思，线条粗到列车开动也看得清，静止时也让人觉得有速度感。
女：七家公司的颜色是怎么定下来的？是品牌策略吗？
男：其实受限于当时只有 15 色的热转印色卡，设计师直接把颜色摆在总裁们面前让他们各选主色和副色。后来才用地名合理化：北海道选了浅绿，说是雪中的嫩芽；东海选了橙色，说是黎明；九州选了红色，说是南方烈日；货运选了集装箱蓝。更绝的是汉字，所有公司正式名称结尾都是“鉄”字，左边是“金”，右边是“失”，合起来是“失去金钱”，这不吉利。山本把右边的“失”换成形状几乎一样的“矢”，得到“䥑”字，意思是箭头。他还专门去国立国会图书馆查证这个字到底存不存在。
女：而且他在印刷截止前一天傍晚才拿到批复，觉得不够好，又通宵重绘了所有公司的字标，第二天上午十点准时交稿。
男：更疯狂的是上线那个晚上。本来只打算更新少量列车，山本提议第一天就给一万辆车贴上标志。所有车都在运营，工人们只能在 3 月 31 日末班车到 4 月 1 日首班车之间的四五个小时里，一列一列手工贴。口号是“最后一次服务——干吧”。那个标志将近四十年没更换过，在日本的大企业里很少见。山本的设计理念强调“事实、现实、诚实”，他认为很多企业标志只在桌面上好看，放大了就缺乏力度和尺度。
女：社区里有人提醒，JR 其实只是日本大约 100 家铁路公司里的 7 家，东京还有营团地铁、都营、小田急、东急等等很多私铁，它们本来就不是国铁。标志再统一，也没法代表全部的日本铁路。而且有人觉得 JR 看起来很像汉字“駅”，说不定是选这个名字的一个微妙原因。不过，这个故事还是让人感觉到，在拆分的混乱里，一个稳定的视觉符号能兜住一些东西。我想到机器学习那篇文章的结尾：花不跟旁边的花竞争，它只是盛开。
男：对。回过头看，Fractal 花了两年才发论文，DuckDB 是 CWI 的研究项目慢慢长成的，ClickHouse 在 Yandex 内部跑了七年才开源。这些跟贴完一万张标志用了一个通宵一样，都不是靠快取胜。也许这才是我们真正想聊的——你把手上的事做扎实，不需要总惦记着有没有噪音、有没有人在看，它会自己走出来。
女：好，这就是本期 Hacker Podcast 的全部内容。如果你喜欢，记得用泛用型播客客户端订阅我们，或者在 Apple Podcasts 上给个五星好评。谢谢大家，下期再见。
男：再见。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。