今日 Hacker News 的讨论围绕着信任机制的重塑展开：从开源社区因 AI 冲击关闭外部贡献通道，到代码审查工具的精确率之争，再到对教育改革的实证反思。Agili 的 Hacker Podcast 将为你梳理其中关键的转折与争论。
Ladybird 浏览器项目宣布不再接受任何公开 pull request。从现在起，只有项目维护者可以直接向代码库引入变更，所有当前公开的 PR 将被关闭。项目也没有提供邮件列表或 issue 等替代的补丁提交方式。
项目创始人 Andreas Kling 在公告中直言：“一个大型 patch 以前意味着大量投入，而投入是善意的合理代理。这个假设不再成立。”浏览器在用户机器上执行来自整个互联网的不可信输入，这使得安全风险极高。AI 工具让生产看似严肃的贡献变得成本低廉，开源历史上那种“通过贡献代码来建立信任”的信号系统正在失效。有开发者指出，AI 移除了之前帮助过滤不成熟贡献的壁垒——让代码实际跑通，这使得能力不足的提交者更容易制造难以区分的垃圾 PR。
社区讨论中，多位维护者分享了类似困境。Godot 项目近期收到大量完全由 AI 生成的 PR，甚至有提交者在被拒绝后指责维护者“不感恩”。有维护者将这种关系描述为净成本：“review 所花的时间比我们团队自己写代码加 review 还要多。”
这一决定被部分人视为“从集市回归大教堂”。评论者指出，Linux 内核和 SQLite 早就采用类似的封闭式管理，依然成功。有评论总结道：“这是一套 proof-of-work 系统。当工作变得廉价，它就不再是证明。”未来的开源可能不再依赖大规模的外部代码贡献，而是靠更小、更紧密的维护者圈子，以及新的信任建立方式。
Herb Sutter 宣布《C++: The Documentary》已在 YouTube 首映。这部纪录片按时间线展开，从 1979 年 Bjarne Stroustrup 在贝尔实验室开始“带类的 C”实验，到 C++11 带来的现代复兴，再到目前全球用户数量在过去 3.5 年内增长超过 90%。出镜人物包括 Bjarne Stroustrup、STL 设计者 Alexander Stepanov、游戏传奇 John Romero 等。
Hacker News 社区围绕 C++ 的复杂性展开了激烈争论。批评者认为 C++ 语法繁杂、标准版本混乱，维护遗留代码令人丧失热情。但也有大量开发者反驳：只要选定一个现代子集（如 C++17 或 20），C++ 的复杂性并不可怕。一位开发者写道：“你不需要学会整个语言——你只需要学会你用的那 70%。”
标准库（STL）在讨论中争议最大。一方认为 STL 是“最有用的部分”，基准测试与正确性都足够；另一方则指出 std::unordered_map 等容器因标准要求而设计陈旧、性能差，编译时间长。一位游戏开发者坦言：“去掉 STL 后编译时间好多了，C++ 的核心其实是一个好用且令人愉悦的语言。”
有多位评论者提到，C++ 的成功很大程度上是“搭便车”在 C 的成功之上。但也有观点认为“C++ 拯救了 C”——如果 C++ 不存在，C 委员会将面临巨大压力必须添加类、模板等功能，而 C++ 的存在让 C 可以保持精简。
阿里巴巴开源的 Open Code Review 源自内部两年的官方 AI 代码审查助手，已为数万名开发者审查过数百万个代码缺陷。其核心设计是让确定性工程负责精确的文件选择和规则匹配，让 LLM Agent 负责动态决策和上下文检索，两者各司其职。
一位社区用户用 10 个 PR 做了评估：召回率约 74%，但精确率仅约 12%，导致 F1 分数仅约 20%。这引发了关于“召回率更重要”还是“假阳性会摧毁信任”的辩论。有观点认为假阳性会浪费开发者时间去分析，最终导致开发者忽略所有警告。
一些用户提到，这个工具与 Claude Code 内置的 /review 命令并无本质区别，真正的瓶颈是人工审查环节是否还有人在看。如果你已经用 Claude Code 做代码审查，这个工具可能不会带来颠覆性提升；但如果你需要一个开箱即用、能从仓库级上下文中生成逐行注释的自动化审查工具，它值得尝试。
blqsort 是一个基于分支无编程的快速排序实现。测试对 5000 万个 double 进行排序，在 Apple M1 上耗时 0.97 秒，而 std::sort 和 pdqsort 均需 1.33 秒；在 AMD Ryzen 上优势更明显——blqsort 需 2.06 秒，std::sort 需 5.56 秒。
分支无编程通过避免条件分支来减少分支预测失败带来的惩罚。虽然会导致超过两倍的元素拷贝操作，但对于拷贝成本低的数据类型（如 double），写入缓存的代价远低于分支预测失败。对于更复杂的数据类型，blqsort 切换到 BlockQuicksort，仅无分支处理元素索引。
pdqsort 的作者 orlp 在评论中指出，Rust 标准库中的 ipnsort 和 driftsort 性能更优。在一项“前 90% 已排序，后 10% 随机”的混合输入测试中，driftsort 仅需 0.29 秒，而 blqsort 则慢至 1.89 秒，说明其对数据顺序更敏感。
《Ultralearning》作者 Scott Young 撰文指出，大规模教育改革的许多流行理念缺乏实证支持。1970 年代的 Project Follow Through 大型实验发现，直接教学——学生坐在课桌前进行高度结构化的统一操练——效果最好。问题导向学习在医学教育中反而导致更差的考试成绩。通用问题解决能力无法单独教授，学生需要被明确教导问题解决方法。
Young 认为，根本原因是大脑学习的基本约束：任何专业技能都需要海量的知识和技巧积累，不存在绕过这个“认知瓶颈”的捷径。改进教育只有两条路：提高效率（如利用间隔检索），或选择学不同的内容。
社区中的教师补充了重要视角。有评论指出许多改革者从未真正教过不想学的学生。还有观点强调学校的社会化功能——强迫孩子与不喜欢的同学互动，练习冲突解决技巧——这种功能往往被忽视。
一篇预印本论文通过分析 2019 年至 2026 年间地面参考站网络的数据，识别出干扰源是俄罗斯部署在 Molniya（闪电）轨道上的早期预警卫星星座。这些卫星发出的信号在 L1 和 L2 频段上功率极高，足以瞬间淹没对地覆盖区域内的 GPS 信号。
Hacker News 社区中有读者分享了亲身经历：“在罗马尼亚南部海岸和波兰海域的建设项目上，我们每天都在经历干扰。”讨论中有人质疑俄罗斯自己的居民是否受影响，多数回复认为莫斯科和圣彼得堡的 GPS 早已经常被欺骗，居民甚至习惯在打车软件中手动选择上车点。
女：Hello 大家好，欢迎收听 Agili 的 Hacker Podcast，我是莓莓。
男：大家好，我是阿哲。
女：今天这期节目咱们要聊的话题还挺多，而且你仔细琢磨，会发现这些事之间有一种若隐若现的联系。阿哲，要不咱们先从一个我觉得很值得聊的争议开始？Ladybird 浏览器最近做了一个决定，不再接受任何外部的公开 PR，所有代码变更只能由项目维护者自己来做，这个动作在我朋友圈里直接炸开了。
男：没错。他们在公告里说得很直接，现在已经把现在已打开的所有 PR 都关掉了，而且没有提供任何其他的补丁提交渠道，没有邮件列表，没有 fork，什么都没有。他们把矛头直接对准了 AI 工具，尤其是那些由大语言模型批量生成的代码贡献。
女：等一下，我得缓一缓。这让我想起我们之前聊过，很多开源项目其实挺欢迎新贡献者的，这算是一种社区活力的象征。那他们说拒绝的理由到底是什么？
男：核心问题是信任机制被 AI 破坏了。项目创始人 Andreas Kling 在公告里解释，以前你看到一个大型补丁，你会默认提交者投入了大量时间，这种投入本身就是一种善意的证明。但现在的 AI 工具能让任何人在几分钟内产出一个看起来非常完整的补丁，投入的成本急剧下降，你再也无法通过代码量来分辨提交者到底是认真做了功课，还是随便用机器吐了点东西出来骗人。
女：我理解了，就像以前我们物色合作的设计师，如果看到作品集有大量完整的长篇案例，会觉得他肯定很认真花了心思。但如果现在大家都用 AI 一键生成完整的设计方案，你光看文件大小就判断不了他的真实水平了。
男：对，而且这个问题对浏览器来说是致命的。你想想，浏览器直接在你的机器上执行来自整个互联网的不可信输入，任何一个精心伪装的漏洞一旦合入代码，后果是灾难性的。AI 让生产看似严肃贡献的速度和成本都大幅下降，而审阅一个精心伪造的恶意补丁，难度反而比以前更大。
女：评论区是不是也提到了类似的情况？
男：是的，有人提到了 Godot 游戏引擎项目，他们社区明确说过不要 AI 生成的东西，但依然有提交者用 AI 生成了大量 PR，被拒绝后还回过头来骂维护者“不知感恩”。这些人没意识到，当代码生成不再有门槛，代码本身就失去了内在价值。还有人把这种感觉形容为“达克效应”的严重化，就是一些能力不足的人，现在更容易制造出难以区分的垃圾代码。
女：这听起来对维护者的打击真的很大。
男：有个维护者就说了句实话，他说现在大部分外部贡献对他来说是净成本，review 花的时间比他们团队自己写再加上 review 的时间还要多。以前社区贡献代码这个行为本身，是一种建立信任的机制，你出现、干活、为自己的变更负责、留下了。现在 AI 瓦解了这套信号系统。
女：那 Ladybird 这么做，是不是意味着他们放弃了培养新人？
男：这是争议最大的一点。有人觉得如果所有项目都这么干，那新人唯一的出路就是自己再造一个受欢迎的开源项目，这条路太窄了。但另一种声音指出，在 GitHub 普及之前，开源本来就不靠这种大规模的 PR 流，人们通过邮件列表发送补丁，或者通过人际接触来建立信任。你去了解你想加入的组织，认识里面的人，介绍自己，慢慢赢得信任。PR 以前承载了一部分这个任务，但它不是唯一的路。
女：这听起来像是一种回归，从热闹的集市回到相对封闭的大教堂模式。
男：对，就是这个比喻。Linux 内核和 SQLite 其实一直都是偏向封闭式管理的，也一直很成功。AI 不过是加速了早已存在的趋势。社区里有人总结得很直接，他说这是一套工作量证明系统，当工作变得廉价，它就不再是证明。未来的开源，可能会更依赖于小而紧密的维护者圈子，以及新的信任建立方式。
女：说到代码的历史和信任，正好引出咱们下一个话题。聊起这个，我特别好奇，你看了 C++ 那个新出的纪录片了吗？我身边有些朋友说感觉像是在给自己的青春开追悼会。
男：哈哈，这个形容。我看了，是一个叫《C++: The Documentary》的片子，做了四十年的回顾，从 1979 年 Bjarne Stroustrup 在贝尔实验室开始搞那个叫“带类的 C”的实验，到 1985 年正式取名 C++，取自“++”这个自增运算符，意思就是比 C 更进一层。里面出场人物特别多，像 STL 设计者 Stepanov，还有 Doom 和 Quake 的联合创始人 John Romero，粒子物理实验室 CERN 的人也都来站台了。
女：我看到一条评论特别有意思，有人说这个视频的长度刚刚好够一个 C++ 构建完成，这到底是夸还是黑啊。
男：这大概是一种善意的调侃。C++ 长久以来一直被人诟病编译太慢，但这个评论也说纪录片本身很引人入胜。社区对复杂性的争论几乎贯穿了这部片子的讨论。有人引用 Ken Thompson 的话说 C++ 是个不连贯的复杂垃圾堆，很多人说自己在 C++98 之后就几乎看不懂别人写的代码了，直到大语言模型出现才能帮着解读。
女：这跟咱们刚才聊的 AI 问题完全连上了。不过我也看到反驳的观点，说其实只要选定一个现代的子集，比如 C++17 或者 20，然后只关注你项目需要的那百分之七十，它也没那么可怕。
男：是的，C++ 的本质是一个“大帐篷”语言，里面包含了过程式、面向对象、泛型、函数式很多种编程范式。不同项目给出一套完全不同的风格，这既是祝福也是诅咒。还有一个很有意思的视角，有人觉得 C++ 的成功很大程度上是在蹭 C 的成功，但也有种说法是，C++ 拯救了 C，因为如果没有 C++ 在前面顶着，C 的委员会可能早就被迫往语言里塞一大堆像类、模板和 lambda 的东西了。
女：说到历史包袱，咱们聊点现代的包袱。Meta 家的那位 CTO，Andrew Bosworth，最近发了一个视频，把他家已经停产的 Portal 那个带屏幕的智能音箱，开放了安卓调试桥功能，鼓励用户自己动手改造。这事儿听起来是不是很诡异，一个已经死掉的硬件，怎么忽然又活了？
男：这事儿背后的故事比那个简短的视频长太多了。Portal 是 2018 年推出的视频通话设备，当时硬件设计其实不错，扬声器也可以，但是因为剑桥分析事件爆发，Facebook 品牌信任彻底崩塌，这个产品几乎是在内部就被判了死刑。后来软件更新就停了，绝大多数设备现在只能打 Messenger 和 WhatsApp 视频，基本都吃灰了。
女：那 Boz 怎么忽然又想起来动它？
男：前 Meta 工程师在社区里解释了内幕。核心团队以前一直就想在项目被砍之后把设备向社区开放，减少电子垃圾，但公司怕泄露硬件密钥，死活不肯。后来因为高层内斗，原团队 VP 下台，整个 Portal 业务被硬塞进了 Boz 负责的 VR 和 AR 部门，这本身就没有什么产品融合逻辑，Boz 对 Portal 根本就没兴趣，他的精力全在 Quest 和 AI 眼镜上。
女：所以等到他真正对 Portal 提起兴趣的时候，居然是因为自己想玩一下“氛围编程”，做个家庭中控界面？
男：差不多，社区里有很多人觉得这其实挺悲哀的，不是通过公司应有的策略，也不是出于对用户的倡导，而是 CTO 个人开心了之后的一时兴起。以前有员工提过一模一样的要求，被否了。现在借着推广 AI 工具和自家开发平台的名义，才把这件事执行了。Meta 还同步发了一篇博客，教大家怎么用 AI 辅助开发 Portal 的应用。
女：但不管动机怎样，这对那些电子垃圾来说也算好事？
男：确实。社区里已经有聪明人把两台二代的 Portal 刷机，一个做成 Home Assistant 的智能家居仪表盘，另一个拿来给孩子做每日任务看板。二手价格已经掉到了几十美元，加个这个能力，等于是便宜捡到一个安卓信息亭设备。不过得提醒一下，这设备跑的是一个早就结束生命周期的安卓版本，没有安全更新，必须隔离在敏感网络之外。
女：这一点其实也很关键，买了一台 Facebook 出的带摄像头和麦克风的设备，哪怕是二手，很多人还是会本能地排斥。这个隐私的考量，真的很难绕过去。
男：对的。说到 AI 工具和开发流程，阿里巴巴最近也开源了一个叫 Open Code Review 的 AI 驱动的代码审查工具，这个倒是从另一个角度回应了咱们开头聊的信任和审查负担的问题。
女：这个工具听起来就是直接让 AI 帮你读代码？它跟那种直接在 Claude Code 里打个斜杠 review 命令有什么不一样？
男：我仔细看了它的设计理念，核心是混合架构。它把确定性工程和大语言模型智能体的角色分得很开。确定性工程负责绝对不能出错的部分，比如精确的文件选择，智能打包相关的文件作为审查单元，细粒度的规则匹配。而智能体模型负责动态决策和上下文的检索。这种分工是有意为之的，目的是让整个系统更稳定，可预测性更高。
女：但实际用起来效果怎么样，不会也是假阳性满天飞吧，导致大家都麻木了？
男：你说到点子上了。社区里有人拿它做了一个标准基准测试，用 10 个 PR 测了一下，召回率大概百分之七十四，意思是大部分问题都能找到，这点不错。但精确率只有百分之十二，也就是说，它报告的东西里有八分之七都是假阳性。这个比例太高了，很多人担心这会直接毁掉开发者的信任，就跟“狼来了”一样，最后大家把所有警告都忽略掉。
女：如果八分之七都是假警报，那还不如不用。
男：没错，这个工具和 Claude Code 内置的审查命令用起来可能没有本质区别，真正的瓶颈，其实还是在于人工审查这个环节到底还有没有人在看。说到算法本身，下一个小众但很硬核的东西会合你的胃口。
女：什么好东西？
男：一个叫 blqsort 的排序算法实现。它基于分支无编程技术，性能在基准测试里干掉了 C++ 标准库的 std::sort 和目前最快的 pdqsort。我举个测试数据你就明白了，对五千万个 double 类型的浮点数进行排序，在苹果 M1 芯片上，它单线程版本只要 0.97 秒，而 std::sort 和 pdqsort 都要 1.33 秒。
女：差这零点几秒很重要吗？快排本身不是已经很快了吗？
男：在大规模数据处理上很重要。它快的秘诀在于“分支无编程”，简单说就是通过牺牲一点内存写入，来避免 CPU 在判断分支时的预测失败，这个惩罚对于一个五五开的比较场景来说正好是最糟糕的。它宁可每次都把数写进去，然后用条件判断去决定要不要增加索引，把代价转嫁到了一个现代 CPU 相对便宜的写入缓存操作上。
女：但是那个评论也说，这种方式会导致很多无效的写入，这不会有副作用吗？
男：对于像 double 这种拷贝成本低的数据类型来说，完全划算。但如果换成拷贝成本很高的大结构体或者字符串，它的效率就会下降，这个时候就会切换回另一种叫块快速排序的变体，只对索引做无分支操作。它的作者甚至针对两到十二个元素的小块，给每个大小都写了一组专用的排序网络，每一种大小一个独立的代码路径，真的做到了极致。
女：听起来是给追求极致性能的人准备的。不过感觉这种屠龙之术，咱们普通做应用的碰不到。
男：更多是理念上的启发。顺着这个思路，咱们可以聊一个教育和学习理念上的巨大反转。Scott Young，就是写《Ultralearning》那个作者，最近写了一篇博客说他其实反对当前流行的大规模教育改革，他觉得学校应该回归到更传统的直接教学。
女：这跟他书里鼓励的那种自主学习，矛盾吗？
男：他解释得很清楚，他承认自己年轻时也相信学校应该教批判性思维和项目实践，而不是死记硬背。但他后来读了大量研究，尤其是 1970 年代一个叫 Project Follow Through 的大型实验，发现效果最好的其实是直接教学，学生在课桌前高度结构化的统一操练。那些被热捧的问题导向学习，在医学教育里反而导致更差的考试成绩。
女：所以那种让大家想象是无聊的，老旧的学校，反而是更好的？
男：Scott Young 说，很多人想象中的那种无聊旧式学校其实在现实中已经快灭绝了。他自己在九十年代上学时，项目制学习和发现式学习已经是主流，大量的时间花在了粘贴、涂色和自己研究项目上。他认为，要让学校更有效，恰恰需要回归更严格的直接教学，把复杂的技能拆解成非常小的小步骤，然后进行大量的练习。
女：但现在 AI 辅导不是很火吗，这不算一种更高效的路吗？或者至少能让苹果皮上的糖更甜一点？
男：他讲了一个自己儿子的例子，他给儿子用 iPad 上的游戏学拼读，结果他儿子只顾着玩动画人物，学到的内容很少。他说游戏化学习就像给药包上糖衣，但小孩会非常轻松地把糖衣剥下来然后扔掉里头的药。对于 AI 辅导，他觉得目前还处在比没有好，但还远不如一个好老师的阶段，尤其在理解个体知识缺口上还很弱。
女：这个结论应该挺得罪人的。社区里的老师怎么说？
男：有很多人补充了特别关键的视角。比如有一位大学老师就说，很多改革者根本没教过那种根本不想学的学生。他遇到过非常聪明的学生，能提出好问题，但就是从来不做作业，最后只能给他不及格。还有人把学生分成三类，顽固不愿的，可引诱的，还有渴望学习的，把所有人强行塞到一个班级里还要求不让一个孩子掉队，这本身就是个根本性的错误。
女：还有一些评论提到了学校的社会化功能。
男：对，很关键。学校最被忽视的一点是强迫孩子去和那些他们不喜欢的同学互动，去练习怎么解决冲突。从这种系统的困境，咱们最后再聊几件让人感觉有点无力但又很现实的技术应用和规则问题。
女：比如那个关于 GPS 干扰的研究？
男：是的。一个来自德克萨斯大学奥斯丁分校的团队发了一篇预印本，从 2019 年起跟踪分析，发现欧洲大陆、格陵兰和加拿大频繁出现很短暂但覆盖很广的 GPS 干扰。他们通过技术手段定位到干扰源是俄罗斯部署在闪电轨道上的早期预警卫星星座。这些卫星在远地点长时间悬停在北欧和北美上空，发出的信号功率极高，能瞬间淹没那个区域的 GPS 信号。
女：这种事听起来就像电影情节变成了日常。评论区里有人真的受影响吗？
男：有不少人分享了自己亲身经历。有人在罗马尼亚南部的建设项目上，就在乌克兰正南方向，每天都要经历干扰。另一个人说从 GPSJam 网站上看，干扰覆盖了波兰大部分地区，连芬兰和瑞典的海域都能感受到。还有人提到，俄罗斯自己的居民也深受其害，莫斯科和圣彼得堡的 GPS 常年被欺骗，大家甚至在打车软件里手动选上车点，也就习惯了。
女：这完全是一种“去敏感化”的战术了。
男：对，评论里很多人认为这就是一种“正常化偏差”的战术，通过持续的低烈度、不致命的挑衅，让你渐渐麻木。还有人提到，GPS 在现代生活中的嵌入程度远超想象，从航空导航到金融系统的时间同步都依赖它，这无疑是在不造成实质性灾难的情况下展示破坏关键基础设施的能力。
女：说到具体的操作，Mouseless 这个工具也是在人机交互上动脑筋。
男：Mouseless 就是让你完全用键盘来控制鼠标，它通过屏幕划分网格，你用键盘输入坐标就可以实现点击，号称比鼠标还快，宣称可以预防手腕疼痛。社区里有很多人对比了其他同类的工具，比如只在苹果系统上的 Homerow，它们是通过读屏直接扫描应用程序上所有可点击的标签，然后显示一个字母让你按。
女：一个靠坐标，一个靠搜索标签，这理念完全不同。
男：是的，Mouseless 的优势是不依赖应用的可访问性接口，像一些 Electron 应用根本不支持读屏，这时候坐标模式就更可靠。但记忆屏幕位置也是一个新的学习成本。有人提到，Windows 和 Linux 的键盘导航体验本身其实比 Mac 好得多，很多 Linux 用户用平铺窗口管理器，基本就告别鼠标了，对 Mouseless 的需求自然就小。
女：不过我还是觉得动动鼠标更符合直觉，看着点就完了。
男：有人专门测过，熟练的鼠标用户还是更快，因为手眼协调的反应速度高于输入坐标。这个工具更大的价值在于让你不用离开键盘，是一种人体工学的考量，不是纯粹去比谁更快。
女：最后一个话题，关于 S&P 500 指数规则的。
男：对，标普道琼斯指数公司决定维持现有规则，不缩短新上市公司进入 S&P 500 指数的 12 个月等待期，也没有因为公司规模而豁免盈利要求。这直接意味着，像 SpaceX、Anthropic 和 OpenAI 这种还没赚钱但估值超万亿的巨型 IPO，无法上市后就快速进入指数，数万亿美元的被动基金没法第一时间冲进去。
女：这个决定肯定有人叫好，也有人骂吧。
男：支持的人非常多，尤其是一些个人投资者。他们说指数本来就应该缓慢移动，要求持续盈利是为了筛选出成熟公司，不能让老百姓的退休金 401(k) 被动去接盘那些还没经过市场检验的股票。有人还举了二手车商 Carvana 的例子，这家公司充满争议，居然也在 S&P 500 里。反对的声音主要集中在指数代表性上，有人坚持说如果指数排除了市值排名前二十的公司，那它声称自己是“衡量美国大市值股票的最佳单一指标”就失效了。
女：但说到底，这些公司还没赚钱也是事实。
男：没错。批评者就说，如果规则让你们排除了市场上最具活力的公司，那说明规则本身已经失效。他们引用金融专栏作家 Matt Levine 的观点，指出指数的规则在历史上已经调整过很多次了，比如曾因为 Snap 的双重股权结构把它排除，后来又因为排除太多公司而反转，可见规则并非不能动。这场关于指数该不该变，什么时候变的争论，会随着超级 IPO 的临近越来越激烈。
女：所以从一行的代码审查规则，到覆盖半个地球的卫星干扰，再到定义市场本身的指数规则，今天的节目就像在讨论同一件事，到底什么值得信任，到底什么才算是真正的价值。
男：对的。从代码到教育，从硬件到金融，定义这个问题变得越来越难了。
女：好啦，那咱们今天就聊到这儿。谢谢阿哲。
男：谢谢莓莓，也谢谢大家收听。
女：大家别忘了，用你手头的泛用型播客客户端，搜 Agili 的 Hacker Podcast，就能订阅我们，每期节目都不会错过。咱们下期再见。
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。