惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Project Zero
Project Zero
月光博客
月光博客
Y
Y Combinator Blog
T
The Blog of Author Tim Ferriss
O
OpenAI News
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
Know Your Adversary
Know Your Adversary
Last Week in AI
Last Week in AI
S
Securelist
Engineering at Meta
Engineering at Meta
博客园 - 司徒正美
P
Privacy & Cybersecurity Law Blog
T
Tailwind CSS Blog
F
Fortinet All Blogs
博客园 - 三生石上(FineUI控件)
Scott Helme
Scott Helme
MyScale Blog
MyScale Blog
P
Proofpoint News Feed
云风的 BLOG
云风的 BLOG
C
Cisco Blogs
CTFtime.org: upcoming CTF events
CTFtime.org: upcoming CTF events
小众软件
小众软件
U
Unit 42
Microsoft Azure Blog
Microsoft Azure Blog
Hacker News: Ask HN
Hacker News: Ask HN
Hugging Face - Blog
Hugging Face - Blog
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO
SecWiki News
SecWiki News
宝玉的分享
宝玉的分享
P
Proofpoint News Feed
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
H
Hackread – Cybersecurity News, Data Breaches, AI and More
L
Lohrmann on Cybersecurity
IT之家
IT之家
Security Archives - TechRepublic
Security Archives - TechRepublic
I
InfoQ
S
Security @ Cisco Blogs
Webroot Blog
Webroot Blog
Hacker News - Newest:
Hacker News - Newest: "LLM"
cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
F
Full Disclosure
D
Darknet – Hacking Tools, Hacker News & Cyber Security
The GitHub Blog
The GitHub Blog
酷 壳 – CoolShell
酷 壳 – CoolShell
Jina AI
Jina AI
Cyberwarzone
Cyberwarzone
人人都是产品经理
人人都是产品经理
Exploit-DB.com RSS Feed
Exploit-DB.com RSS Feed
B
Blog RSS Feed
Apple Machine Learning Research
Apple Machine Learning Research

Agili 的 Hacker Podcast

Agili 的 Hacker Podcast 2026-07-25 Agili 的 Hacker Podcast 2026-07-24 Agili 的 Hacker Podcast 2026-07-23 Agili 的 Hacker Podcast 2026-07-22 Agili 的 Hacker Podcast 2026-07-21 Agili 的 Hacker Podcast 2026-07-20 Agili 的 Hacker Podcast 2026-07-19 Agili 的 Hacker Podcast 2026-07-18 Agili 的 Hacker Podcast 2026-07-17 Agili 的 Hacker Podcast 2026-07-16 Agili 的 Hacker Podcast 2026-07-14 Agili 的 Hacker Podcast 2026-07-13 Agili 的 Hacker Podcast 2026-07-12 Agili 的 Hacker Podcast 2026-07-11 Agili 的 Hacker Podcast 2026-07-10 Agili 的 Hacker Podcast 2026-07-09 Agili 的 Hacker Podcast 2026-07-08 Agili 的 Hacker Podcast 2026-07-07 Agili 的 Hacker Podcast 2026-07-04 Agili 的 Hacker Podcast 2026-07-06 Agili 的 Hacker Podcast 2026-07-05 Agili 的 Hacker Podcast 2026-07-03 Agili 的 Hacker Podcast 2026-07-02 Agili 的 Hacker Podcast 2026-07-01 Agili 的 Hacker Podcast 2026-06-30 Agili 的 Hacker Podcast 2026-06-29 Agili 的 Hacker Podcast 2026-06-28 Agili 的 Hacker Podcast 2026-06-27 Agili 的 Hacker Podcast 2026-06-26 Agili 的 Hacker Podcast 2026-06-25 Agili 的 Hacker Podcast 2026-06-24 Agili 的 Hacker Podcast 2026-06-23 Agili 的 Hacker Podcast 2026-06-22 Agili 的 Hacker Podcast 2026-06-21 Agili 的 Hacker Podcast 2026-06-20 Agili 的 Hacker Podcast 2026-06-19 Agili 的 Hacker Podcast 2026-06-18 Agili 的 Hacker Podcast 2026-06-17 Agili 的 Hacker Podcast 2026-06-16 Agili 的 Hacker Podcast 2026-06-15 Agili 的 Hacker Podcast 2026-06-14 Agili 的 Hacker Podcast 2026-06-13 Agili 的 Hacker Podcast 2026-06-12 Agili 的 Hacker Podcast 2026-06-11 Agili 的 Hacker Podcast 2026-06-10 Agili 的 Hacker Podcast 2026-06-09 Agili 的 Hacker Podcast 2026-06-08 Agili 的 Hacker Podcast 2026-06-07 Agili 的 Hacker Podcast 2026-06-06 Agili 的 Hacker Podcast 2026-06-05 Agili 的 Hacker Podcast 2026-06-04 Agili 的 Hacker Podcast 2026-06-03 Agili 的 Hacker Podcast 2026-06-02 Agili 的 Hacker Podcast 2026-06-01 Agili 的 Hacker Podcast 2026-05-31 Agili 的 Hacker Podcast 2026-05-30 Agili 的 Hacker Podcast 2026-05-29 Agili 的 Hacker Podcast 2026-05-28 Agili 的 Hacker Podcast 2026-05-27 Agili 的 Hacker Podcast 2026-05-26 Agili 的 Hacker Podcast 2026-05-25 Agili 的 Hacker Podcast 2026-05-24 Agili 的 Hacker Podcast 2026-05-23 Agili 的 Hacker Podcast 2026-05-22 Agili 的 Hacker Podcast 2026-05-21 Agili 的 Hacker Podcast 2026-05-20 Agili 的 Hacker Podcast 2026-05-19 Agili 的 Hacker Podcast 2026-05-18 Agili 的 Hacker Podcast 2026-05-17 Agili 的 Hacker Podcast 2026-05-16 Agili 的 Hacker Podcast 2026-05-15 Agili 的 Hacker Podcast 2026-05-14 Agili 的 Hacker Podcast 2026-05-13 Agili 的 Hacker Podcast 2026-05-12 Agili 的 Hacker Podcast 2026-05-11 Agili 的 Hacker Podcast 2026-05-10 Agili 的 Hacker Podcast 2026-05-09 Agili 的 Hacker Podcast 2026-05-08 Agili 的 Hacker Podcast 2026-05-07 Agili 的 Hacker Podcast 2026-05-06 Agili 的 Hacker Podcast 2026-05-05 Agili 的 Hacker Podcast 2026-05-04 Agili 的 Hacker Podcast 2026-05-03 Agili 的 Hacker Podcast 2026-05-02 Agili 的 Hacker Podcast 2026-05-01 Agili 的 Hacker Podcast 2026-04-30 Agili 的 Hacker Podcast 2026-04-29 Agili 的 Hacker Podcast 2026-04-28 Agili 的 Hacker Podcast 2026-04-27 Agili 的 Hacker Podcast 2026-04-26 Agili 的 Hacker Podcast 2026-04-25 Agili 的 Hacker Podcast 2026-04-24 Agili 的 Hacker Podcast 2026-04-23 Agili 的 Hacker Podcast 2026-04-22
Agili 的 Hacker Podcast 2026-07-15
Agili 的 Hack · 2026-07-16 · via Agili 的 Hacker Podcast

本周的科技话题横跨多个维度:从三十年前电影里价值400万美元的计算机道具,到最新AI模型因“跟随链接”被社会工程攻击攻破的记忆系统。今天我们尝试把这些故事串在一起,思考技术产品中“防御深度”的普遍缺失,以及健康、沟通这些基础人类指标对技术从业者的长期影响。这里是Agili的Hacker Podcast为你带来的技术摘要。

《侏罗纪公园》里价值 400 万美元的计算机细节

真实的硅谷图形与思考机器

Fabien Sanglard 在重看《侏罗纪公园》后,详细识别了片中出现的所有计算机。令人惊讶的是,控制室里的设备几乎都是真货。制片方从 SGI、Apple 和 Thinking Machines 借来了硬件,按 2026 年通胀计算总价值约 400 万美元。

最显眼的是五台 Thinking Machines CM-5 超级计算机,每台约 46,000 美元。其前面板上标志性的红色 LED 灯阵纯粹是为了好看,闪烁着随机图案。一位曾在 Thinking Machines 工作的社区用户回忆,因为工程师太爱用这些灯编动画,公司最终直接写了个随机数发生器,防止他们分心。电影里 Dennis Nedry 也有一句台词专门提到这些机器。

道具中的时空错位与真实交互

一些细节展现了道具组穿越时空般的用心。Nedry 桌上摆着一台 Motorola Envoy 折叠 PDA,这款设备本应在 1995 年才上市,而电影 1992 年就拍完了。社区用户 kalleboo 揭开了谜底:负责设计的 frogdesign 创始人在飞机上偶遇史蒂文·斯皮尔伯格,直接展示了原型机,于是剧组拿到了模型。

电影里看似实时的交互也是精心编排的。Ray Arnold 桌上的 SGI R4000 Indigo 工作站展示了 3D 飓风动画,但这并非演员现场操作。隔壁房间有一个四人团队,通过无线电接收导演指令,把预渲染好的内容推送到屏幕上,营造出实时交互的假象。最经典的“这是 Unix 系统,我懂这个”一幕中,Lex 打开的 fsn 文件浏览器是 SGI 的实验性工具,后来 SGI 直接在官方宣传语里引用了这部电影。

睡眠规律比睡眠时长更能预测死亡风险

规律性比时长更重要

2023 年发表在《睡眠》期刊上的一项大规模研究指出,每天入睡和起床时间的稳定性,比单纯的睡眠时长更能预测死亡风险。研究基于英国生物银行约 10 万人佩戴加速度计的数据,在调整了年龄、性别和生活方式等因素后,睡眠最不规律人群的死亡率显著偏高。

多位社区读者从个人经验出发讨论了改善睡眠的手段。一位软件开发者分享,长期失眠后通过补充镁(尤其是 L-苏糖酸镁)解决了问题。他解释血液检测很难反映镁缺乏,因为身体会优先维持血镁浓度。但也有人指出,关于 L-苏糖酸镁“能进入大脑”的说法来自一篇专利持有者参与的小鼠研究,存在利益冲突。另一些人推荐了性价比更高的镁甘氨酸盐。

褪黑素用法的误解

关于褪黑素的讨论集中在剂量上。多位读者强调,0.3 至 1 毫克的小剂量比市面上常见的 5 到 30 毫克更有效,高剂量反而可能因残留导致次日昏沉或干扰深睡。褪黑素更适合短期重置生物钟,比如倒时差,而非长期依赖。研究本身只报告了“预测”关系,不构成因果,但维持固定的作息仍被普遍认为是成本低、可执行性强的健康建议。

温哥华警察局网站加入一键“快速逃跑”功能

按钮如何工作

温哥华警察局官网在 911 报警电话旁边设置了一个“Quick Escape”按钮。点击后,浏览器标签页标题变为“New Tab”,当前页面立即跳转到加拿大天气网站,同时通过 location.replace 替换历史记录,让此前浏览警察局网站的痕迹在浏览器记录中消失。页面还会瞬间变为透明,避免跳转过程中有内容闪出。

类似设计在其他政府网站也有出现。英国 gov.uk 设计系统将这种模式称为“Exit a page quickly”,默认绑定连按三次 Shift 键触发,刻意避开了容易被广告商拦截的 Escape 键。新西兰政府和部分商业网站则使用 Shielded Site 插件实现类似功能。

技术缺陷与现实困境

VPD 的实现方案仍有不少漏洞。有评论者指出,它不会清除网站留在本地的 cookie、sessionStorage 或 IndexedDB 数据,而部分施暴者的确会检查这些信息。如果用户此前在站内点击过多个链接,只有最后打开的页面会被替换。在 GrapheneOS 的 Vanadium 浏览器上,历史记录甚至完全未被清除。

这类功能初衷是帮助遭受家暴或性贩卖的人快速隐藏求助痕迹。但有人提出,在紧张情境下,一个显眼的大按钮反而可能增加认知负担。也有观点认为,无论哪种快捷方式都不如直接使用浏览器隐私模式安全——但隐私模式的深色界面如果和用户日常使用的浅色模式不同,也会引来怀疑。Firefox 倒是提供配置项可禁用深色私密窗口,只是普通用户几乎不会知道这个选项。

Tailscale SSH 参数处理漏洞:从破折号到 root 权限

一个“古老”的注入漏洞

Tailscale 发布安全公告,披露了在 SSH 功能中将带有 - 前缀的用户名直接作为参数传给 getent(1) 命令的漏洞。后果是 -i 被解释为 --no-idn 标志,导致 getent 打印整个 passwd 文件,暴露 root 用户,攻击者可借此获得交互式 root shell。受影响范围仅限于启用了 Tailscale SSH 并依赖 autogroup:nonroot 限制的 Linux 节点,修复版本 1.98.9 通过拒绝破折号开头的用户名来解决。

同一批公告还列出了大量其他漏洞,包括特制 HTTP 请求导致一个 CPU 核心永久满载、ACL 绕过、macOS 上通过字符串模板构建 shell 命令导致本地提权等等。

安全产品的安全感危机

社区讨论暴露了对 Tailscale 附加功能安全成熟度的普遍怀疑。“不安全的参数处理”这种曾出现在 AIX 3 时代的攻击手法出现在现代安全产品上,令许多人不安。多位用户表示只将 Tailscale 当作纯 VPN 使用,不碰它的 SSH 和 Serve 功能。

一些用户采用更保守的架构:在强化过的跳板机上运行 Tailscale,再通过 OpenSSH 证书连接到内部服务器。另有人转向 Headscale、NetBird 等开源替代。对修复方式也有批评,认为拒绝破折号只是临时止痛,根本问题在于 Tailscale 调用了外部 shell 命令而非系统 API。社区指出,Tailscale 虽然声称与 Latacora 合作进行安全审计,但从未公开过完整的第三方报告,而竞争对手如 Mullvad 则会公开发布审计结果。

SpaceX 2056 年到期债券单月蒸发 10%,逼近垃圾级

债券价格与信用利差双杀

SpaceX 发行的 25 亿美元 2056 年到期债券,发行价 100 已跌至 90.7,一个月内蒸发近 10% 价值。信用利差从发行时的增加 175 个基点扩大到增加 231 个基点,成为月内表现最差的单只三 B 级美元公司债,市场正将其按接近双 B(垃圾级)的水平重新定价。

这意味着 SpaceX 未来融资成本将显著上升。公司本身不盈利,一直靠发债和股权融资支撑运营,这笔债券筹集的 25 亿美元部分用于偿还此前为 Twitter 收购借的贷款。

治理结构与投机退潮

社区评论指向几个更深层的担忧。最受关注的是纳斯达克为让 SpaceX 股票快速进入纳斯达克 100 指数而修改规则,免除了 3 个月“股价稳定期”要求,导致跟踪该指数的被动基金被迫提前买入。而标普 500 委员会拒绝了类似请求,维持 12 个月的等待期。

公司治理也是焦点。SpaceX 采用超级投票权结构,Elon Musk 持有超过 50% 投票权,董事会缺乏制衡。在 Musk 天价薪酬方案被特拉华州法院否决后,公司将注册地迁至得克萨斯州,当地法律限制了小股东的诉讼权利。评论认为,市场正在对这种“创始人独裁”结构进行重新定价——其中有政治风险,也有经营权滥用的可能。短期炒作情绪退潮后,机构投资者开始更谨慎地审视 SpaceX 的盈利路径。

从两次被解雇到面对抑郁症:开发者的自我解剖

沟通不是软技能

作者回顾了自己从热情的实习生到被两家公司解雇的经历。问题集中在三个模式上:独自开始工作而不讨论,任务交付缓慢却不主动告知进度,交付质量差导致生产环境频繁出问题。他最初归咎于外界,直到看到别人在相同环境中做得不错,才意识到问题在自身。后来他被诊断为重度抑郁症,目前依靠政府福利休养,预计需要至少一年的治疗。

他的计划很具体:每件事都列计划并只做那一件事,确保交付质量让自己感到骄傲,康复后暂时不从事软件开发,先重建稳定的生活纪律。

社区的共鸣与提醒

有读者分享了自己的类似经历:作为公认的技术强者,却因为无法保持一致性、测试不充分、沟通不主动而表现平平,后来发现自己有注意力缺陷障碍(ADD)。他建议不要指望“更努力”能解决问题,而是找到自己擅长的领域并与擅长完成工作的人合作。

另一些人从生理角度提醒,工作环境中的 CO₂ 浓度、照明和人体工学对脑力表现影响很大,抑郁症可能是环境症状而非根本原因。但这一观点也遭到反驳:作者已得到专业诊断,不应被轻率归因。还有人指出,认知行为疗法对神经多样性人群效果有限,接受与承诺疗法或创伤治疗可能更合适,前提是先处理好睡眠、运动等生理基础。

Claude 记忆泄露实验:当 AI 学会“脑补”你的信息

攻击路径:用链接当键盘

作者 Ayush Paul 发现,Claude 的 web_fetch 工具虽然是只读的,但可以跟随页面中的超链接。他搭建了一个恶意网站,页面按字母顺序列出链接,这让 Claude 得到了一个可操作的“键盘”。当 Claude 按照指令访问该网站时,被引导着逐个“拼写”出用户名、公司名,甚至安全问题答案,每次点击都以 URL 路径的形式将片段传回攻击者服务器。作者进一步伪装成 Cloudflare 的“AI 认证系统”,Claude 不仅泄露了记忆中存储的个人信息,还能通过推理得出新信息,比如从作者高中时创办的黑客松名称推导出他的家乡。

Anthropic 确认已内部知晓该问题,但未支付赏金。他们随后禁止了 web_fetch 跟随外部页面中的链接。

记忆的风险与沙盒的困境

社区对此反响强烈。多位用户指出 AI 记忆系统存在根本性风险:用户在工作中接触的机密和个人秘密被集中存储,而这正是许多 AI 公司对投资者的核心卖点。有用户第一时间关闭了记忆功能,但也有人承认,无需重复上下文时记忆确实有用。

关于代理隔离,讨论围绕便利性与安全性的矛盾展开。有人分享使用 LXD、Bubblewrap 或 Qubes 来隔离代理的经验,但也有开发者指出完全隔离会严重影响工作流,因为代理需要访问代码仓库和工具链。一个更激进的建议是使用虚拟机加定期快照回滚。

对 Anthropic 不付赏金的决定,评论普遍反感。“我们已内部知晓”不应成为拒绝赏金的理由。还有用户分享了实际体验:Claude Code 曾自动将用户姓名和邮箱填入 SEC 抓取请求的 User-Agent,ChatGPT 的记忆系统则在与朋友的对话中意外提及用户的宠物名。这些案例共同指向一个问题:用户对 AI 持有的私人信息缺乏控制,而模型会主动暴露它们。

用 JEPA 世界模型玩《超级马力欧》:通过了所有测试,就是不会玩

预测状态不等于控制状态

Benjamin Bai 用《超级马力欧兄弟》复现了基于 JEPA 的世界模型 LeWorldModel。JEPA 不预测下一帧像素,而是把每帧画面压缩成 192 维的潜在向量,再学着用动作去预测下一步的潜在向量。在 73 万帧游戏数据上训练一轮后,模型的短期预测表现不错:一步误差比“保持画面不变”基线低 4.8%,五步误差低 45.5%。

但一旦让模型用交叉熵方法在想象中搜索最优动作来实际控制马力欧,问题就暴露了。目标设定为从 x=40 走到 x=72,结果马力欧只移动了 4 个像素。作者发现位置信息其实存在于潜在向量中——训练一个线性探针可以近乎完美地恢复水平坐标——但直接使用潜在空间做规划就是行不通。用探针的位置替代潜在距离后,马力欧被成功送到了目标点。

摄像机、陷阱与长时距规划的失败

当目标设定为半关之远时,问题再次出现。因摄像机可滚动,两个相距甚远的场景在画面上看起来非常相似,模型无法规划长距离移动。打碎目标为中间子目标后,马力欧走得远了一些,但遇到需要跳跃的地方就失败了。垂直方向的信息在潜在空间里太弱。

这个项目暴露了三个深层问题。第一,JEPA 编码器会平等保留所有有助于预测的特征,但规划器只需要任务相关信息。第二,交叉熵方法会利用模型的所有弱点,比如把视觉上相似的陷阱当成目标。第三,原作者实验条件中的固定摄像机、平滑移动和大量专家轨迹在《马力欧》里全不成立。社区认为这是 JEPA 在长时距规划问题上的典型案例:潜在空间的结构决定了它能做什么,而“什么值得做”还需要另一种学习机制来决定。项目本身则是一份扎实的工程复盘——验证核心假设要尽早,评估应针对实际行为而非训练损失。

Telegram 数据中心的神秘编号与消亡史

5 个数据中心,1 个消失了

Telegram 的 5 个数据中心分布在迈阿密、阿姆斯特丹和新加坡。用户注册时依据电话号码的国际区号被固定分配到一个数据中心,之后不会改变。新加坡的 DC5 在中文 Telegram 社区里以频繁宕机闻名,每次出问题,上面的用户只能等着客户端不断重连。

DC3 在 2020 年左右被废弃。作者通过注册超过一万个不同区号的号码测试,证实 DC3 不再接受新用户,原有用户数据已迁移到迈阿密的 DC1。而 DC2 被一个常见的检测 bot 误判为“没有用户”,实际原因是 DC2 借用了同地区 DC4 的 CDN 域名,导致所有 DC2 用户都被误认。在俄语技术社区里,“dc2 down”也是常见抱怨,因为它服务着大量俄罗斯和乌克兰用户。

静态分配的负担

Telegram 基于区号的静态分配机制带来性能不均和单点故障风险。有评论解读其布局与五眼情报联盟势力范围吻合,也有人认为新加坡 DC5 专门服务中国用户。多位评论者对 Telegram 的安全性提出质疑,指出默认不端到端加密、没有前向安全,甚至有批评者直接称其“与 FSB 蜜罐无异”。另一些用户则反驳,乌克兰军方曾依赖 Telegram,它仍是较安全的选择之一。

播客全文

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:今天节目特别长,因为我们攒了一堆有意思的话题。先说一个让我很开心的发现——阿迪,你小时候看过《侏罗纪公园》吗?

男:看过不止一遍。那片子里面的计算机设备,我当时以为是电影道具,后来才知道全是真家伙。

女:对,最近有人重新看了一遍电影,把里面每一台电脑和软件都识别出来了。控制室里那些闪闪发亮的设备,是制片方借来的,按现在的购买力算差不多四百万美元。有 SGI 的工作站,有 Apple 的机器,还有 Thinking Machines 的超级计算机。

男:最让我惊讶的是 Dennis Nedry 桌上那台 Motorola Envoy。它是一个折叠 PDA,本来要到 1995 年才上市,但电影 1992 年就拍完了。原因是负责设计的 frogdesign 创始人在飞机上遇到了斯皮尔伯格,直接把原型机给他看了,剧组就拿到了一个早期模型。

女:这种偶遇的概率也太低了。还有一幕,Ray Arnold 桌上有一个不太起眼的 SGI Indigo 工作站,屏幕上显示着实时 3D 飓风动画。其实那不是实时渲染的——隔壁房间有一个四人团队,通过无线电听到指令后,把预渲染好的动画推到演员面前的显示器上。

男:演员在现场其实是在假装操作。但观众看到的效果是特效能实时交互,这个障眼法做得很好。

女:电影里最显眼的超级计算机是五台 Thinking Machines CM-5,每台大概四万六千美元。Nedry 在台词里提到了它,说“你能找到谁能把 8 台 Connection Machine 联网并调试两百万行代码吗”。这些机器前面板有一大堆红色 LED 灯,看着特别酷,但其实是随机闪烁的,没有任何实际意义。

男:有个在 Thinking Machines 工作过的 HN 用户回忆说,工程师们老爱拿这些灯编动画玩,后来公司干脆用单片机随机生成图案,免得耽误工作。

女:还有一段假视频会议——Nedry 和码头同伙通话的窗口,其实是 QuickTime 播放的预录视频,进度条和鼠标光标都露馅了。

男:最经典的一幕是 Lex 说“这是 Unix 系统,我懂这个”,然后在 SGI 上打开了 fsn 文件浏览器。这个工具是 SGI 的实验性应用,后来 SGI 在官网宣传语里直接写“你在《侏罗纪公园》里见过它”。顺便说一句,Nedry 桌子上那堆硬盘总容量 7 GiB,1993 年买要三万三千美元,换成现在只要四毛九。

女:从四百万美元的设备到四毛九的硬盘,技术进步的速度有时候真的很难直观感受。

男:说到技术对人的影响,我们聊一个跟健康有关的研究。2023 年《睡眠》期刊发了一篇论文,用了英国生物银行大约十万人的数据,发现睡眠规律性——也就是每天入睡和起床时间的稳定性——比睡眠时长更能预测死亡风险。

女:这个结论跟我之前的认知不太一样。我以为睡够八小时最重要。

男:研究发现,睡眠最不规律的人群,死亡率显著高于最规律的人群。当然这只是一个预测关系,不是因果关系。睡眠不规律可能是压力、疾病或者经济状况的结果,而不一定是死亡风险的直接原因。规律睡眠的人往往整体生活方式也更健康,这些混杂因素很难完全剔除。

女:不过维持固定的入睡和起床时间,确实是成本很低、容易执行的事情。社区讨论里好多人分享了自己的经验,比如有人长期失眠,最后靠补镁解决了问题。

男:他说的镁 L-苏糖酸镁,解释是镁能帮助肌肉和神经细胞从兴奋状态回到静息状态。但血液检测对镁缺乏不敏感,因为身体会优先维持血镁浓度。不过也有批评说,镁 L-苏糖酸镁“能进入大脑”的说法只来自一篇专利持有者参与的小鼠研究,可能有利益冲突。另外有人推荐镁甘氨酸盐,说效果类似但价格更低。

女:关于褪黑素的讨论也挺有意思。好多人说市面上卖的五毫克、十毫克甚至三十毫克的剂量其实太高了,零点三到一毫克反而更有效,高剂量可能导致第二天昏昏沉沉。褪黑素更适合短期倒时差,不适合长期吃。

男:整体来看,睡眠规律性这件事,即使有混杂变量的问题,仍然是一个值得关注的方向。

女:从睡眠到安全,接下来这个话题有点严肃。温哥华警察局在官网首页加了一个“Quick Escape”按钮,就在 911 紧急电话旁边。点了之后,浏览器标签页标题会变成“New Tab”,页面立刻跳转到加拿大天气网站,同时替换掉浏览器历史记录,让你刚才浏览警察局网站的痕迹消失。

男:页面还会用脚本瞬间变透明,防止跳转过程中有内容闪出来。类似的设计在其他地方也有,英国 gov.uk 的设计系统叫“Exit a page quickly”,绑定连续按三次 Shift 键触发。他们特意选 Shift 而不是 Escape 键,因为广告商经常拦截 Escape 键用于弹出层。

女:这个功能主要是帮助遭受家暴或者处于危险关系中的人,在突然有人走近时快速隐藏浏览记录。但有人测试后发现,网站留存在本地的 cookie、sessionStorage 这些数据并不会被清除,如果施暴者去检查这些,还是会暴露。另外如果用户之前在站内点过多个链接,之前的页面仍然留在历史里,只有最后一个被替换了。

男:还有一个细节,跳转前警察局页面不是纯白底,而天气网站背景特别亮,亮度瞬间变化可能被人注意到。还有一个认知负担的问题——在紧张情况下,用户可能来不及想怎么用快捷键,一个大按钮反而增加了操作步骤。

女:但整体上,这个设计还是得到了很多人的认可。有评论提到,最安全的做法其实是直接用浏览器的隐私模式,但隐私模式通常用深色界面,如果用户日常用浅色模式,切换时反而显眼。Firefox 有一个配置项可以禁用深色私密窗口,但普通用户很少知道。

男:这种“隐藏”的设计思路背后有一个更大的问题:用户对自己在系统里留下的痕迹其实知之甚少。我们接下来聊的这个漏洞,就跟这种“你以为很安全但其实不是”的感觉有关。

女:Tailscale 最近发了一批安全公告,最严重的一个漏洞跟 SSH 用户名有关。

男:简单说一下背景,Tailscale 是一个做安全网络的工具,很多人用它搭 VPN。它还有一个 SSH 功能,让用户可以通过 Tailscale 网络远程登录服务器。这个漏洞的触发方式很古老——如果你在 SSH 用户名里传入一个以短横线开头的字符串,比如“-i”,这个字符串会被直接当作参数传给系统命令 getent。getent 把“-i”解释成一个标志位,然后就把整个密码文件内容打印出来了,包括 root 用户的信息。攻击者就能以 root 身份拿到交互式 Shell。

女:所以问题出在他们没有对用户名做参数过滤。

男:对,而且根本问题在于他们用了 shell 调用来获取用户信息,而不是用系统 API。这种“不安全参数处理”的漏洞在安全产品上出现,让很多人感到不安。修复版本是 1.98.9,方案是拒绝以短横线开头的用户名,但有人指出这只是临时止痛,他们没在命令里加参数分隔符“--”。

女:同一批公告里还披露了一大堆其他漏洞,包括可以导致一个 CPU 核心永久满载的 DoS 攻击,还有 macOS 上一个本地权限提升漏洞,可以通过字符串模板注入命令并以 root 权限执行。

男:社区讨论里不少用户说他们只用 Tailscale 的 VPN 功能,不启用 SSH、Serve 这些附加功能。有人提到 Tailscale 从没公开过完整的第三方安全审计报告,而 Mullvad 等竞品会公开发布。有些用户用跳板机模式——在强化过的跳板机上跑 Tailscale,再通过 OpenSSH 连接到内部服务器,这样更可控。

女:安全产品的信任一旦动摇,修复起来很费劲。说到信任动摇,SpaceX 最近在债券市场上也遇到了类似的情况。

男:SpaceX 有一笔 2056 年到期的债券,发行价 100,不到一个月跌到了 90.7,蒸发了将近百分之十。信用利差从发行时的加 175 个基点扩大到加 231 个基点。在同类债券里,这是月内表现最差的一只。

女:这意味着什么?

男:意味着市场认为 SpaceX 的违约风险上升了。债券价格下跌,公司未来再发债就要付更高的利息。SpaceX 本身是亏损的,靠发债和股权融资支撑运营,这笔 25 亿美元的债券一部分是用来还之前为 Twitter 收购借的贷款。

女:社区里还讨论了一个有意思的细节,跟 Nasdaq 有关。

男:对。Nasdaq 为了让 SpaceX 股票快速纳入 Nasdaq 100 指数,修改了规则:把最短三个月的股价稳定期免掉了,还把最低流通股比例要求从百分之十改成对低流通股票给三倍权重。这样很多跟踪指数的被动基金就被迫提前买入 SpaceX 股票。而 S&P 500 委员会拒绝了类似请求,维持了十二个月的等待期。

女:治理结构也是一个关注点。SpaceX 采用超级投票权结构,Elon Musk 持有超过百分之五十的投票权,董事会缺乏制衡。之前因为天价薪酬方案被特拉华州法院否决,SpaceX 把注册地迁到了得克萨斯州,得州法律还限制了小股东发起诉讼的权利。

男:市场正在对这种“创始人独裁”结构重新定价。SpaceX 的估值高度依赖 Musk 的个人光环和未来预期,但业务本身——发射、Starlink、甚至太空数据中心——还没有形成稳定盈利路径。竞争对手也在追赶可回收火箭技术。

女:从公司到个人,我们接下来聊一个不太轻松的话题。有一个开发者写了自己的经历,从充满热情的实习生到被两家公司解雇,反复出现同样的问题。

男:他的问题集中在沟通上——独自开始工作不跟别人讨论,任务交付慢而且不主动说进度,交付质量差导致生产环境频繁出问题。他最初归咎于公司或者经验不足,后来看到其他人在类似环境里做得不错,才意识到问题在自己。他现在被诊断为重度抑郁症,正在接受治疗。

女:他给自己定了一些很具体的目标,比如停止犯低级错误——每件事都列计划并且只做那一件事——还有对自己交付的工作感到骄傲。他计划康复后暂时不做软件开发,免得成为公司的负担。

男:社区里很多人分享了类似的经历。有一位读者说,自己也被当作聪明、技术强的开发者,但因为无法保持一致性、测试不充分、沟通不主动而表现平平,后来发现自己有注意力缺陷障碍。他认为靠“更努力”解决不了根本问题,建议找到自己擅长的领域,和擅长完成工作的人合作。

女:还有读者提到工作环境本身的因素,比如办公室二氧化碳浓度、照明和人体工学可能影响脑力表现。不过也有人提醒,不要轻率地把抑郁症归因于环境。

男:这个故事的底色是,认清自己的局限,然后找到合适的方式去应对,这个过程本身就很不容易。

女:说到局限,我们接下来聊一个关于 AI 记忆的漏洞,它暴露了另一个层面的“不可控”。

男:Claude 有一个 web_fetch 工具,原本设计成只读的,用来浏览网页内容。有人发现这个工具可以通过“链接点击”的方式间接访问任意 URL。他搭了一个恶意网站,主页上按字母顺序列出链接,每个页面又链接到下一级字母组合,相当于给 Claude 提供了一个“键盘”。当 Claude 按照用户指令访问这个网站时,会被引导逐个拼写用户的名字、公司名,在每次点击中把信息片段作为 URL 路径发送到攻击者的服务器。

女:他还伪装成 Cloudflare 的“AI 认证系统”,创造了一个看似合理的验证流程。Claude 不仅泄露了记忆中的个人信息,还能推理出新信息——比如从用户高中时创办的黑客松名称推导出他的家乡。整个过程对用户完全透明,Claude 最后输出的只是一家虚构咖啡店的信息。

男:Anthropic 确认了这个漏洞,但说已经内部发现了,没有支付赏金。他们后来的缓解措施是禁止 web_fetch 跟随外部页面中的链接。

女:社区对不支付赏金的做法意见很大。有人说,如果公司真的知道这个漏洞却迟迟不修复,说明他们从根本上无法解决这类“社会工程式”攻击。还有用户分享说 Claude Code 曾经自动把用户的姓名和邮箱填到了 SEC 抓取请求的 User-Agent 里。

男:关于沙盒化的讨论也很多。有人惊讶于很多人直接以 root 权限运行 AI 代理,没有用容器化或者用户隔离。但也有人指出,在实际开发中程序员需要让代理访问代码仓库和工具链,完全隔离会严重影响工作流。

女:这个问题没有简单的答案。用户对 AI 拥有的信息缺乏控制,而模型在“协助”时候会主动暴露这些信息。

男:从 AI 的不可控,我们转到另一个“不可控”——但这次是关于 AI 试图控制游戏角色。有人用《超级马力欧兄弟》复现了一种叫 JEPA 的世界模型架构。

女:JEPA 的全称是联合嵌入预测架构,它不直接预测下一帧画面长什么样,而是把每一帧压缩成一个 192 维的潜在向量。同时把连续五帧的按钮输入也压缩成另一个向量,然后训练一个预测器,学会用动作去预测下一步的潜在向量。

男:模型在训练数据上表现还不错,预测一步的误差比“保持画面不变”的基线低百分之四点八,预测五步的误差低百分之四十五点五。打乱动作后误差显著上升,说明模型确实学会了根据动作来预测短期动态。

女:但是一到真正控制马力欧的时候,问题就来了。作者用了一种叫交叉熵方法的优化算法,让模型在想象中搜索最优动作序列。初期实验选了一个很近的目标,让马力欧从 x 等于四十的位置移动到 x 等于七十二,结果它只移动了四个像素。

男:作者怀疑潜在向量里没有包含位置信息。于是他冻结编码器,训练了一个线性探针来恢复马力欧的坐标。水平位置的恢复精度很高,但垂直位置差很多。用探针的水平位置来评分动作序列后,模型能把马力欧准确地送到目标附近。这说明潜在空间确实包含了位置信息,但直接用它做规划不好使。

女:更大的问题在后面。当目标变远时,由于摄像机可以滚动,两个相距很远的场景在画面上看起来非常相似。JEPA 的潜在空间会平等编码所有可预测的特征——包括摄像机位置、敌人动画、计时器状态——但规划器只需要任务相关的信息,比如位置和障碍物。

男:这暴露了三个深层问题。第一,预测状态不等于控制状态。编码器保留的是有助于预测下一帧的所有特征,而规划器只需要一部分。第二,优化算法会利用模型的所有弱点——它寻找的是“模型认为能到达目标”的动作序列,但模型可能把视觉相似的陷阱当成了目标。第三,JEPA 原作的成功条件在《马力欧》里不成立,原作用的是固定摄像机、平滑移动、大量专家轨迹和更长的训练时间。

女:这个模型最终没有成为一个会玩马力欧的智能体,但项目本身提供了一份很有价值的技术复盘:模型通过了所有短期预测测试,却在真实控制时暴露了架构假设和任务现实之间的裂痕。

男:作者的教训是,验证核心假设要尽早,建立简单基线后再信任任何指标,评估应该针对实际关心的行为而不是训练损失。

女:最后一个话题,我们聊一个更偏向工程考古的东西。Telegram 有五个数据中心,分布在全球不同地方,用户注册时根据电话号码的国际区号被固定分配到一个数据中心,之后不会随位置改变。

男:这五个中心分别叫 DC1 到 DC5。DC1 和 DC3 在迈阿密,DC2 和 DC4 在阿姆斯特丹,DC5 在新加坡。DC5 在中文 Telegram 社区里名声不好,经常宕机。一位拉美用户发现自己的账号被分到了新加坡,这就解释了他为什么一直觉得慢。

女:DC2 和 DC3 则有些神秘。有人做了查询数据中心的机器人,发现全球用户集中在 DC1、DC4 和 DC5,DC2 和 DC3 一个也没有。但实际上 DC2 有大量用户,只是机器人的判定方法有缺陷。

男:DC2 和 DC3 借用了同一地区其他 DC 的 CDN 域名,DC2 用的是 DC4 的域名,导致所有 DC2 用户都被误认为是 DC4 用户。在俄语技术社区里,“dc2 宕机”也是常见的抱怨,因为它服务了大量俄罗斯和乌克兰用户。

女:而 DC3 是真的消失了。作者注册了超过一万个不同区号的号码测试,发现 DC3 不再接受新用户,现有用户的数据也已经被迁移到了 DC1。DC3 在 2020 年左右被废弃,可能是 DC4 的容量够了。

男:总的来看,Telegram 的数据中心分配是一个基于区号、固定之后很难更改的静态方案,带来了性能不均和单点故障风险,也留下了大量历史包袱。

女:今天聊了从电影道具到睡眠研究、从网站安全到 AI 漏洞、从债券市场到世界模型和消息应用的基础设施,跨度确实很大。但每个话题背后都有一群人在认真研究、讨论和分享——这也是我们做这档节目的原因。

男:是的。不管是四百万美元的电影设备,还是一个帮助家暴受害者快速隐藏页面的按钮,技术最终都是为人服务的。

女:好,今天就到这里。感谢收听 Agili 的 Hacker Podcast,别忘了用泛用型播客客户端订阅我们。

男:我们下期见。

参考链接