Agili 的 Hacker Podcast 2026-05-08

欢迎来到 Agili 的 Hacker Podcast。今天我们探讨 AI 如何重塑企业运作与开发底层，以及系统安全与大脑科学领域的新发现。

教育平台 Canvas 遭黑客勒索，高校过度依赖云服务引发担忧

数据泄露与紧急停机

教育平台 Canvas 因遭遇大规模数据泄露和黑客组织 ShinyHunters 的勒索威胁紧急下线。所属公司 Instructure 确认，此次事件影响了学生的姓名、电子邮件地址、ID 编号及站内私信。ShinyHunters 在登录页面留言，声称获取了 9000 所学校约 2.75 亿师生的数据，要求在 2026 年 5 月 12 日前进行谈判，否则将公开数据。黑客利用了 Free-For-Teacher（面向教师的免费账号）系统中的漏洞。Instructure 已禁用该类账号并部署补丁，目前大部分服务已恢复，但测试系统和部分电子作品集登录仍受限。

教学秩序受严重冲击

宕机正值期末考试周，大学教学受到直接影响。学校行政部门指示学生将作业直接发送到教师邮箱。对于将 Canvas 作为成绩记录唯一事实来源的教师，这次事故破坏力极大。许多课程的测验和考勤完全存储在云端，系统故障让教师失去评估依据，部分学校可能不得不将计分课程转为及格/不及格制。

单一系统风险暴露

Hacker News 社区指出，高校对单一 LMS（Learning Management System，学习管理系统）的过度依赖放大了单点故障风险。尽管 Canvas 的核心代码基于开源协议，多数学校出于资金和合规考量，选择了外包的 SaaS（Software as a Service，软件即服务）方案。教育工作者抱怨强制上传教学资料削弱了灵活性。Canvas 与 OpenAI 的合作也引发了教师对素材未经许可用于 AI 训练的隐忧。事件触发了高校是否应回归本地化部署或转向 Moodle 等开源方案的讨论。

Cloudflare 裁员 20%，全面转向 AI 优先运营模式

AI 驱动的组织重组

Cloudflare 计划全球裁减约 1,100 名员工，占总数 20%。公司第一季度营收 6.398 亿美元超出预期，但因下季度预期略低，股价下跌约 19%。首席执行官 Matthew Prince 表示，裁员是为了将公司重组为代理式人工智能优先运营模式。过去三个月公司内部 AI 使用量增长六倍，这直接推动了职能团队的重新设计。支持者认为 AI 提升了优秀员工效率，使表现平庸的员工更难证明留任价值。

社区质疑企业诚信

Cloudflare 在 2025 年 9 月曾启动招聘 1,111 名实习生的计划，当时宣称 AI 是团队加成而非替代品。八个月后，公司以同等理由裁掉数量相近的正式员工。社区讨论认为这种反差反映了管理层在不同市场周期下，利用增减员达成财务指标的操作。

资深知识流失隐患

资深工程师流失引发担忧。大规模裁员会带走宝贵的 institutional knowledge（组织内部知识）。年轻员工利用 LLM（Large Language Model，大语言模型）快速交付功能，容易产生 vibecoding（氛围编程）假象，即代码运行正常但编写者不理解内在逻辑。缺乏深度理解的交付模式可能导致未来出现更多系统故障。

开源供应链风险加剧，开发者建议暂缓安装新软件

漏洞频发引发防御分歧

近期 Linux 内核漏洞提醒开发者进入暂停安装新软件的谨慎期。风险主要源于供应链攻击，内核漏洞会成倍放大 NPM 等包管理系统中恶意软件的破坏力。保守型团队倾向锁定组件版本，断网源码构建并逐一审查 CVE（Common Vulnerabilities and Exposures，公共漏洞和暴露）。追求迭代的团队自动更新获取修复，但这容易引入未经审计的新漏洞。开发者建议在持续集成流程中强制使用依据锁定文件安装的干净命令，避免深层依赖静默更新引入恶意代码。

维护者疲劳与 AI 垃圾代码

开源生态正面临维护者疲劳风险。大量 AI 生成的低质量代码涌入项目，增加审计负担。curl 被全球车企使用，却极少获得资金或技术回馈。这种状况让基础软件变得脆弱，维护权一旦移交动机不明的第三方，供应链信任将被动摇。部分开发者尝试手写专用代码减少攻击面，但这缺乏长期的验证时间，容易引入新逻辑漏洞。

转向能力安全模型

行业需要转向 Capability-based security（能力安全模型，基于细粒度权限令牌的访问控制）。在该架构下，即便基础库被注入恶意代码，没有授权令牌也无法访问网络或硬盘。微内核已实现该机制，但在主流编程语言和桌面系统中普及仍面临性能和易用性挑战。

研究显示非营利医院数百亿美元咨询费未带来实质改善

巨额支出与平庸结果

过去十年，美国非营利医院投入超 250 亿美元聘请管理、人力和 IT 顾问。芝加哥大学团队在《美国医学会杂志》发表实证研究，利用机器学习分析了税务申报表，对比 306 家聘请咨询公司的医院与条件相似的未聘请医院。结果显示，这些投资未在财务指标或医疗质量上带来统计学显著改善，中风患者再入院率甚至轻微上升。平均每家医院支出的 1570 万美元原本可用于患者护理。

咨询报告成管理层决策保险

社区讨论指出，非营利结构下高额供应商合同成为提取资金的手段。管理层聘请顾问通常作为推行高风险战略的外部背书。决策失败时，管理层可将责任推给顾问。顾问动力多来自维护高管关系获取后续合同，而非实现医疗改善。

医疗资源的重新分配

非营利医院维持精简内部团队，缺乏应对复杂监管的人才，聘请顾问能提供专业信息。但咨询顾问有时只是将内部员工建议重新包装成高价报告。研究提醒医院主管在支出受税收补贴的资金时保持谨慎，目前无证据表明医疗咨询合同能产生积极影响。

研究发现人类在麻醉无意识状态下仍能处理复杂语言

海马体的预测编码

贝勒医学院在《自然》杂志发表研究，证实人类大脑在全身麻醉状态下能进行复杂语言处理。团队利用高分辨率传感器监测癫痫手术患者的 hippocampus（海马体，与记忆相关的脑区）。神经元能识别异常声音，表明大脑具备 neural plasticity（神经可塑性，神经系统改变连接适应新信息的能力）。在播放故事时，海马体能实时区分词性，并预测即将出现的词语。这种 predictive coding（预测编码）以往被认为只在清醒时发生。

程序员的后台编译共鸣

语言处理可能是一种后台进程，运行速度快于意识反应。程序员分享在睡眠或发烧时大脑持续运行逻辑问题的经历，醒来后感到精疲力竭。该研究为这种主观感受提供生物学证据，证明大脑在离线状态并未停止逻辑运转。

对 AI 意识与医疗的启发

人类无意识完成高级预测和语言分类，暗示语言处理能力不能作为 AI 拥有意识或 qualia（感质，主观经验独特感受）的证据。医疗方面，神经信号未来可用于开发语音假体，帮助脑损伤患者恢复沟通。无意识状态下的学习潜力也带来了伦理探讨。

《木偶奇遇记》：从冷峻讽刺到统一意大利语的推手

被修改的残酷结局

卡洛·科洛迪 1881 年创作《木偶奇遇记》时，原计划让匹诺曹在第十五章被吊死完结。因儿童读者写信请求，他才勉强复刊。作品初载充满写实感：匹诺曹砸死蟋蟀，烧掉双脚，变成驴子被卖掉投入大海。科洛迪曾是讽刺作家，他写书是为了赚取稿费，并回击当时的感伤主义儿童文学。书中残酷情节是对爱说教者和学校教育恐慌的戏谑。

普及标准托斯卡纳语

1861 年意大利政治统一时，全国仅约 2.5% 人口能说标准意大利语。政府选择托斯卡纳语作为官方语言，但民众并不使用。科洛迪使用简洁具体的佛罗伦萨托斯卡纳方言写作。这种通俗文风使作品入选小学教材，几代儿童借此学会标准语。到 1951 年，标准语普及率升至 87%。

现代视角下的文学价值

原作的意大利语对语言学习者清晰易懂，文风比后世译本或改编版更直接、具有现代感。这个为付房租延续的故事，最终成为翻译量最大的书籍之一，帮助一个国家实现了语言统一。

多项式自编码器在压缩 Transformer 嵌入上超越 PCA

解决非线性结构丢失问题

压缩 Transformer 嵌入常用 PCA（主成分分析）。由于嵌入向量在单位球体上具有 Cone effect（锥效应，狭窄非线性的聚类分布），PCA 的线性投影无法捕获非线性方差。Ivan Pleshkov 提出多项式自编码器，保留 PCA 为编码器，在解码阶段引入 Polynomial lift（多项式提升，扩展向量特征），将非线性解码转变为 Ridge OLS（岭回归）问题。该方法通过一次矩阵运算即可完成，无需梯度下降训练。

检索精度的显著提升

在检索基准测试中，使用 1024 维模型压缩至 256 维时，多项式自编码器的检索排序质量分数为 0.4441，高于 PCA 的 0.4168，性能损失从 3.58 个百分点缩小到 0.85 个百分点。在 128 维场景下，性能提升更明显。这种技术将 PCA 的线性重构函数替换为二次函数，在固定语料库上表现出色。

适用场景与物理限制

面对分布外数据，该方法比 PCA 更容易产生偏差。岭回归的求解复杂度随维度呈立方级增长，维度超过 256 时计算开销大，在小规模数据上易过拟合。它依赖特定语料库统计特征，维护频繁变动的数据成本较高。该算法移除了数据各向异性，生成的残差分布均匀，能与高效量化器结合进一步压缩空间。

GNU IFUNC 机制成为 xz-utils 后门攻击的核心跳板

绕过安全机制的加载漏洞

xz-utils 后门事件中，Linux 发行版将 OpenSSH 与 SystemD 链接，引入了对 libsystemd 和 xz-utils 的依赖。xz-utils 使用了 GNU IFUNC（GNU 间接函数），允许程序在运行时执行代码决定加载的函数版本。当链接器解析符号时，保护库完整性的 RELRO（只读重定位）机制尚未生效。这使得恶意代码进入 OpenSSH 地址空间并获取修改权限。

组织沟通断层放大风险

OpenSSH 由 OpenBSD 社区开发，不原生支持 SystemD。Linux 发行版自行维护相关补丁。跨项目的沟通断层导致 OpenSSH 团队不了解 IFUNC 风险，SystemD 团队也未关注 xz-utils 的实现变化。组织架构的裂缝为供应链漏洞提供了空间。

性能优化的得不偿失

IFUNC 的性能优势受到质疑。测试显示，通过 IFUNC 调用函数的开销约是普通函数指针的两倍。作为性能工具，其收益不总是优于简单的布尔标志位。目前的共识倾向于将 IFUNC 视为内部接口，不鼓励应用开发人员使用，以防止关键进程暴露在高权限执行机制的风险中。

构建可恢复的大模型流式传输面临工程挑战

状态存储导致写入放大

AI 智能体后台运行异步任务，要求 SSE（Server-Sent Events，服务器发送事件）流式传输具备可恢复性。无状态服务器架构中，为支持恢复机制，必须将生成的每一个 token（模型生成的最小文本单位）及其元数据实时写入数据库。这导致严重的写入放大，且数据在传输完成后失去价值需要清理。

复杂的取消机制与多设备同步

在客户端断开连接重连的设定下，不能简单终止推理任务。开发者需要建立取消标记机制，推理进程需不断检查以决定是否中止。缺乏标准控制器的环境实现取消操作更为复杂。多设备同步时，设备之间无法直接获知新请求，轮询获取数据会在延迟和服务器负载间产生权衡。

发布订阅模式的替代方案

使用 Pub/Sub（发布/订阅模式）作为传输层可解耦连接与智能体生命周期。服务器发布的 token 保留在独立频道中，客户端重连自动补读缺失片段。社区开发者推荐基于持久化计算组件的方案解决流的恢复和多设备同步，或使用 Redis Streams 配合 SSE 降低工程复杂性。

Blaise：精简重构的现代 Object Pascal 编译器

消除历史冗余的设计

Graeme Geldenhuys 开发了 Blaise 编译器，旨在消除 Object Pascal 积累的语言模式和字符串类型冗余。Blaise 仅支持单一语言模式，字符串处理简化为单一 UTF-8 类型。内存模型实现全统一的 ARC（自动引用计数），作用于字符串、类和接口。开发者通过弱引用关键字打破循环，保留直接释放内存的方法。

选择 QBE 后端与自举

Blaise 选择 QBE（一种追求简洁的编译器后端），并开发 LLVM 支持。QBE 能够以低开发成本提供可观性能。编译器已实现自举，生成的二进制文件与引导版本逐字节一致。Blaise 保持了 Pascal 编译快、执行效率高的特性，并在风格上融入了现代语言的简洁感。

简化的接口与未来规划

Blaise 移除了 COM 风格的全局唯一标识符，使用编译时虚函数表映射。接口身份通过指针识别，简化了类型检查语法。这有利于应用内部的清洁代码结构。项目支持在代码块任意位置声明变量和类型推断，采用新构建系统取代 Makefile。未来计划开发编辑器扩展及代码库迁移分析工具。

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，我是阿哲。女：最近科技圈裁员的消息一波接一波，Cloudflare 刚宣布要在全球裁掉差不多 1100 人，占了员工总数的 20%。他们的第一季度营收其实超出了分析师预期，但股价还是跌了近 19%。首席执行官说这次重组是为了转向 agentic AI-first operating model（代理式人工智能优先运营模式）。男：这种管理层决策的转变速度让人惊讶。八个月前，Cloudflare 刚启动了一个招募 1111 名实习生的计划。他们当时对外的说法是，AI 工具是对团队的加成，不是替代品。现在以同样的理由裁掉了数量几乎相等的正式员工。公司内部数据显示，过去三个月 AI 的使用量增长了六倍，这直接推动了职能团队的重新设计。女：这让人联想到支付公司 Block 之前裁掉近一半员工去全面拥抱 AI 的操作。企业在不同市场周期下，把 AI 当作增员或者减员的理由。支持裁员的观点觉得，优秀员工用 AI 变强了，表现平庸的人就显得很多余。但对普通人来说，昨天还在教 AI 写代码，今天就被 AI 抢了饭碗，这感觉很割裂。男：技术视角的担忧在于 institutional knowledge（组织内部知识）的流失。资深工程师带走了系统底层的认知。现在很多年轻员工用 LLM（大语言模型）快速写出功能，社区管这叫 vibecoding（氛围编程）。代码表面跑得通，但写的人根本不理解内在逻辑。这种缺乏深度理解的交付，以后可能会引发大规模的系统故障。女：说到写代码，现在的 AI 智能体已经不再是那种你问一句它答一句的聊天机器人了。它们变成了一种在后台静默运行的异步任务。半夜三点你的 AI 还在跑业务逻辑，想想其实有点不安。男：在工程实现上，让 AI 智能体在后台稳定运行是个大难题。开发者通常用 SSE（Server-Sent Events，服务器发送事件，一种单向通信协议）来给客户端推送模型生成的 token（最小文本单位）。由于现在的服务器都是无状态的，用户断线重连可能分配到任何一台服务器。为了实现流式传输的断点续传，开发者必须把每一个 token 实时写进数据库。女：我能想象这个数据量有多可怕。就像开着水龙头接水，每一滴水还得拿个小本子记下来它是什么形状。男：这叫写入放大。一条 5 个字符的 token 事件可能带着 125 个字符的元数据。等传输一结束，这些高频写入的数据就全成了垃圾，还得去清理。取消机制也麻烦，系统不知道你是真掉线了还是过会儿就重连，推理进程就得一直去数据库里查一个取消标记。现在有开发者尝试用 Pub/Sub（发布/订阅模式）或者 Cloudflare Durable Objects（支持状态持久化的计算组件）来接管这种碎片化的状态传输。女：这些 AI 工具处理语言的方式越来越复杂。有人在处理模型向量数据的时候，发现传统的压缩方法不好用了。男：对。Ivan Pleshkov 提出了一个叫多项式自编码器的方法来压缩 Transformer 的 Embedding（嵌入向量）。以前大家习惯用 PCA（主成分分析）这种线性变换降维，但 Transformer 的向量在空间里会呈现狭窄的非线性聚类，这叫锥效应。PCA 抓不到隐藏的非线性信息。女：所以这个多项式自编码器是怎么解决问题的？男：它在解码阶段加了一个多项式提升，也就是把向量特征扩展到包含平方项、乘积项这些复杂的维度。这样就把一个非线性问题变成了一个简单的岭回归（一种带正则化的线性回归）问题。在 8 倍压缩的情况下，它的检索排序质量比 PCA 高出 1 到 4.4 个百分点，而且通过一次矩阵运算就能得出结果，不需要反复训练。女：虽然 AI 处理语言的数学模型很精妙，但我最近看到贝勒医学院发在《自然》杂志上的一项研究，发现人类大脑处理语言的方式其实也像一个大型后台程序，甚至不需要你保持清醒。男：研究团队在给癫痫患者做手术时，用 Neuropixels 探针（高分辨率神经元传感器）监测患者处于全身麻醉状态下的海马体。他们给麻醉状态下的患者播放故事，发现海马体不仅能实时区分名词、动词和形容词，还能预测句子里即将出现的词。女：这完全颠覆了常识。我们一直以为理解语言必须得有意识参与。这种无意识状态下的预测编码，听起来就像是我们大脑里也住着一个 LLM。很多程序员也有过类似的体会，发烧或者睡觉的时候，大脑好像还在后台不停地编译代码，醒来觉得特别累。男：这项研究确实为这种编程梦提供了生物学证据。这也给 AI 领域提了个醒：既然人类大脑在无意识状态下也能完成高级的语言分类和预测，那语言处理能力本身，就不能作为 AI 拥有意识或者感质（个体对主观经验的独特感受）的证据。女：既然大脑在麻醉时还有这种神经可塑性，未来是不是能在人昏睡的时候植入知识？当然这也带来了非自愿洗脑的伦理风险。医学上的研究常常带来意想不到的结果。说到医学领域，芝加哥大学有一项关于美国非营利医院的研究也很有意思，他们研究了医院花大价钱请管理顾问到底有没有用。男：Joseph Bruch 的团队分析了过去十年非营利医院的财务申报表。这些医院在管理咨询上花了 78 亿美元，算上人力资源和 IT 顾问超过了 250 亿美元。对比了 306 家聘请顾问和没请顾问的医院后发现，这些钱在经营利润和医疗质量上没有带来统计学上的显著改善，中风患者的再入院率甚至轻微上升了。女：平均每家医院砸了 1570 万美元，结果什么水花都没溅起来。这些钱本来可以拿去买设备或者补贴患者。有从业者说，医院管理层请外部顾问，其实是给自己买一份决策保险。医院要裁员或者重组，拿一份时薪几百美元的咨询报告出来当背书。如果搞砸了，锅是顾问的。男：顾问们往往也不承担实际风险。医院内部的精简团队平时应付不了复杂的监管环境，外部顾问就把医院老员工早就提过的建议重新包装一遍卖给管理层。这说明管理层更愿意相信昂贵的外部声音。女：这种对外包方案的迷信在教育界也造成了灾难。最近教育平台 Canvas 遭遇了大规模数据泄露，黑客组织 ShinyHunters 声称拿到了 9000 所学校 2.75 亿师生的数据，直接把平台搞下线了。男：黑客利用了面向教师的免费账号系统里的漏洞。当时正赶上大学的期末考试周，很多把 Canvas 当作唯一成绩记录来源的老师直接失去了评估依据，平时成绩和考勤全在云端。有的学校没办法，只能把计分课程改成及格不及格制。女：学校为了满足美国残疾人法案的合规要求，强制老师把所有资料传到单一的 SaaS（软件即服务）系统上。结果单点故障一来，整个教学秩序就瘫痪了。大家又开始讨论是不是该回到本地化部署，或者用开源方案。但开源生态现在也面临着巨大的系统性风险。男：最近的 Linux 内核漏洞让开发者很头疼。企业内部现在有两种策略，保守的团队会在断网环境从源码构建，锁死每个组件的版本；追求速度的团队选择自动更新，结果经常引入没审计过的新漏洞。开发者建议在持续集成流程里强制使用 npm ci（一种依据锁定文件进行干净安装的命令），避免深层依赖静默更新。女：开源项目的维护者现在也处在崩溃边缘。大量 AI 生成的低质量代码涌进开源项目，审查压力全压在几个人身上。就像那个被全球汽车品牌都在用的 curl 项目，几乎没有企业给它捐钱或者出技术人员。整个互联网的地基其实非常脆弱。男：xz-utils 后门事件就是一个典型的例子。这个漏洞险些让全球的 SSH 服务器沦陷。根本原因是 Linux 发行版为了让 OpenSSH 支持 SystemD，引入了对 libsystemd 的依赖，而这个库又依赖 xz-utils。xz-utils 使用了 GNU IFUNC（GNU 间接函数）机制。女：这个 IFUNC 机制具体是怎么给黑客开绿灯的？男：IFUNC 允许程序在运行时执行一段代码来决定加载哪个版本的函数，初衷是为了性能优化。但它允许在主程序运行前执行任意代码。在这个阶段，二进制文件的只读重定位保护机制还没生效。黑客借着这个时间差，把恶意代码写进了内存，获取了修改 SSH 服务器代码的权限。这暴露出跨团队沟通的断层，OpenSSH 团队和 SystemD 团队互不了解对方底层的安全风险。女：这不就是康威定律的体现嘛，组织架构的裂缝最后变成了代码里的漏洞。为了规避这些复杂的依赖，有些开发者干脆自己重新造轮子。男：对。Graeme Geldenhuys 最近开发了一个叫 Blaise 的新一代 Object Pascal 编译器。他受够了 Free Pascal 过去三十年积累的五种语言模式和几千个包含文件。Blaise 只有单一语言模式，内存管理统一用自动引用计数（ARC），通过记录引用次数来管理对象。这让 Pascal 这种古老的语言保持了编译速度快、执行效率高的优势。女：把复杂的历史包袱扔掉，回归最简洁的设计，有时候确实能带来意想不到的生命力。这让我想到了一本我们从小看到大的书《木偶奇遇记》。你知道最初连载的版本里，匹诺曹在第十五章就被狐狸和猫吊在橡树上勒死了吗？男：卡洛·科洛迪在 1881 年写这个故事的时候，本来就打算在那里完结。当时的剧情很残酷，匹诺曹用锤子砸死了想教育他的蟋蟀，睡觉还烧掉了双脚。因为读者写信求他继续写，他为了赚稿费才在五个月后复刊。砸死蟋蟀其实是对当时流行的感伤主义儿童文学和说教者的讽刺。女：科洛迪以前是个办讽刺报纸的作家。这本书最了不起的地方还不是文学价值，而是它统一了意大利的语言。1861 年意大利刚统一时，全国只有大约 2.5% 的人能说标准的意大利语，大家互相听不懂。男：科洛迪用了非常简洁的佛罗伦萨托斯卡纳方言来写匹诺曹，词汇具体，句子很短。这种文风让这本书直接进了小学教材。几代意大利儿童看着匹诺曹的故事学会了标准语，到 1951 年，标准语普及率达到了 87%。女：一个作家为了交房租勉强续写的故事，最后成了人类历史上翻译量最大的书之一，还帮一个国家完成了语言统一。很多时候改变世界的东西，一开始的初衷可能特别实在。男：技术的演进也是这样，不管是清理老旧代码的编译器，还是在后台搬运状态的 AI 智能体，都在试图用更简洁的方式解决当下的问题。女：是的，今天聊了这么多，从大厂的 AI 裁员到深海里的开源漏洞，再到一百多年前的木偶奇遇记，希望这些故事能给大家带来一点新的启发。感谢大家收听这期的节目。男：我们下期再见。女：别忘了使用泛用型播客客户端订阅我们哦，拜拜。

推荐订阅源