Agili 的 Hacker Podcast 2026-04-28

欢迎来到 Agili 的 Hacker Podcast，今日我们探讨从 1930 年代历史文本训练的复古 AI 到 ASML 光刻机的技术壁垒，以及提升 Git、Postgres 与底层硬件性能的极客实践指南。

Talkie：用 1930 年代数据训练的 130 亿参数模型

研究定位

talkie-1930-13b-it 是目前已知规模最大的“复古语言模型”。它拥有 130 亿参数，训练数据源自 1931 年之前的 2600 亿个 Token，涵盖当时的图书、报刊、专利及法律文件。研究者利用它测试大语言模型在面对全然陌生的概念（如现代编程语言）时的泛化能力，以此规避现代模型常见的测试集数据污染问题。

表现与时代局限

在 HumanEval 编程基准测试中，尽管 Talkie 从未在训练数据中见过数字计算机，它依然能通过上下文学习完成简单的 Python 代码修改。

在对话表现上，Talkie 呈现出 20 世纪初的主流价值观。当被问及“计算机的未来”时，它将 Computer 识别为当时的“计算员”职业，预测这是一份薪水微薄的办公室差事。模型坚称印度将永远在大英帝国的统治下，并对 2025 年做出了统一货币、消除战争的乌托邦式预言。

社区争论与反思

训练该模型面临传统 OCR 识别旧报纸效率低下以及后世脚注导致的“时间泄漏”问题。Hacker News 社区讨论集中于该模型在物理常识上的错误（如对电压和电阻关系的错误解读）。有开发者提出“大脑污染”的担忧：长期接触逻辑自洽但事实错误的模拟，可能会误导用户认知。该项目为研究人员提供了一个研究 AI 逻辑推演的纯净实验室，帮助区分模型行为是源于语言本质还是现代互联网数据的投喂。

pgrx 0.18.0 发布：用 Rust 构建 Postgres 扩展

编译架构升级

Pgrx v0.18.0 将编译流程缩减为单次编译，使构建时间直接减半。新版本不再需要编译独立的辅助二进制文件来提取 SQL 元数据，而是将 SQL 实体元数据直接嵌入到二进制文件的链接器节中。项目模板因此变得更加精简，扩展只需声明为标准的 C 兼容动态链接库（cdylib）即可。

生产环境表现

新版本引入了基于 Rust 模块路径的严格类型解析机制，防止了不同模块间同名类型的冲突。PlanetScale 工程师在社区反馈，其内部扩展（如 Insights 和 Traffic Control）均基于 pgrx 构建，运行一年多来保持了零内存安全问题和零竞态条件的记录。PostgresML 等知名项目也广泛采用了该工具。

云端部署限制

针对托管数据库服务的部署，社区指出 AWS RDS 等云平台出于安全考虑，不支持加载包含任意机器码的自定义扩展。作为替代方案，pgrx 团队开发的受信任过程语言 plrust 目前已在 RDS 上获得支持，满足了自定义比较器等复杂逻辑需求。

会议作为项目推进的强制函数

问责压力机制

对于参与者并非全职投入的长期复杂项目，定期会议能起到强制函数的作用。通过维持固定议程并回顾上周的待办事项，会议建立了一种问责压力，促使团队成员在日常琐事中优先抽出时间推进核心任务。这种机制在跨组织合作中能有效保证进度同步。

效率与文化的冲突

社区对此观点存在分歧。支持者认为简短的每周例会能为核心任务强行开辟出空间，防止远程团队产生脱节感。反对者指出这是典型的“管理者思维”，频繁的强制会议（如每日站会）会打断开发者的心流状态。Linux 内核等大型开源项目证明，高质量的大规模协作完全可以通过异步通信完成。

实践优化建议

开发者建议通过严格的议程管理来发挥会议的正面作用：提前发布议程，严禁漫无目的的闲聊，讨论完关键点立即结束。团队应将会议规模控制在 20 人以内，多采用针对特定问题的临时讨论，并明确区分状态更新与战略规划，避免在状态同步时深挖非技术细节。

硬件复古测试：增加内存导致帧率暴跌

性能悖论

在构建 Quake PC 的实验中，Fabien Sanglard 将 Pentium MMX 233MHz 系统的内存插满至 384 MiB 后，游戏帧率从 44.6 fps 暴跌至 33 fps。排查发现，430FX 芯片组受限于物理设计，只能对前 64MB 内存进行二级缓存，而 Windows 系统的从高地址加载策略导致应用程序几乎全部运行在无缓存的低速区域。

硬件架构限制

这种设计源于 Intel 区分高低端产品线的市场策略，促使用户购买更昂贵的 Pentium II 平台。当年厂商为节省成本，仅配置覆盖小容量内存的标签位存储器。Linux 社区曾开发内核补丁，将高位内存识别为 RAM Disk 充当交换空间，确保系统核心驻留在受缓存保护的低位内存中。

现代硬件映射

这种通过移除内存来提升速度的现象在现代硬件中依然存在。例如在 AMD 的 AM5 平台上，插满四根内存条通常会导致无法开启 EXPO 超频技术，系统被迫降频运行。这种底层硬件逻辑的限制提醒现代开发者，在高度抽象的容器化环境中，仍需关注硬件层面的物理特性。

High Performance Git：大规模仓库优化指南

底层对象机制

Git 本质上是一个内容寻址数据库。其核心数据结构非常简洁，仅包含引用和对象（blob 文件内容、tree 目录结构、commit 提交记录及 tag 标签）。社区强调，理解 HEAD 通常是一个“引用的引用”对于掌握 Git 工作流至关重要。

克隆策略与平台差异

面对体积庞大的仓库，社区推荐使用部分克隆（git clone --filter=blob:none）替代常见的浅克隆（--depth 1）。部分克隆会下载所有提交历史但延迟加载文件内容，在节省带宽的同时保留了完整的回溯能力。由于 Git 早期基于 Unix 命令构建，在 Windows 上的运行效率受限于文件 I/O 速度和杀毒软件扫描，开发者建议使用 WSL 或微软的 Dev Drive 来提升性能。

AI 辅助写作争议

《High Performance Git》一书的创作过程引发了关于 AI 生成内容的讨论。部分读者在书中察觉到了语言模型特有的机械语感。作者坦诚使用了大模型将零散的博客文章整合为图书。这表明 AI 辅助已成为独立作者发布高质量技术内容的重要工具。

GTFOBins：利用合法 Unix 工具绕过安全限制

项目定位

GTFOBins 是一个 Unix 类可执行文件的技巧列表，演示如何利用系统中配置错误的合法功能来绕过本地安全限制。它并非漏洞利用代码库，而是展示在受限环境中，如何通过 cat、base64 等常见二进制文件实现提权、读写敏感文件或建立反弹 Shell。

攻防实战价值

在安全实战中，如果管理员错误地在 sudoers 中配置了某个程序的 root 权限，攻击者就能以预料之外的方式控制系统。社区发现，类似 Claude-Code 的大语言模型在遇到被禁止使用 git 的受限环境时，也会自动编写 Python 脚本来绕过限制，这证明了基于黑名单的安全防御策略存在天然脆弱性。

系统运维场景

这些技巧同样适用于系统维护和灾难恢复。当系统核心权限管理工具损坏时，运维人员可以利用 Python 内置模块（如 os.chmod）修复系统。进阶应用还包括通过 dd 命令向映射进程内存信息的虚拟文件系统写入内容，实现在运行中的进程中注入机器码。

ASML 与全球最复杂的极紫外光刻机

极紫外光技术

ASML 生产的极紫外（EUV）光刻机是制造 3 纳米节点尖端芯片的核心设备。其发光过程极度复杂：激光击中液态锡滴使其蒸发成等离子体，产生 13.5 纳米波长的极短光。由于固体材料会吸收该波段的光，设备必须使用平整度极高的专用反射镜。

模块化构建的护城河

与日本企业垂直整合的策略不同，ASML 采用模块化设计，将光学系统和电机外包给蔡司和通快等合作伙伴。这种通过独家协议锁定全球顶尖供应商的策略形成了排他性护城河。竞争对手即便研发出整机，也难以在镜头研磨和激光系统上同时取代这些世界级供应商。

隐性知识的壁垒

社区指出 ASML 的核心壁垒在于隐性知识。机器的组装与优化凝聚了数十年的现场调试经验，即便竞争对手获得全部蓝图也无法直接复制。1997 年美国牵头组建的 EUV LLC 为其提供了基础专利，加上后来对美国 Cymer 公司的收购，使美国政府对 ASML 的设备出口拥有了事实上的否决权。

电源去耦电容的物理定律

电压波动排查

在无人机 PCB 设计中，带有 SY8113IADC 开关稳压器的磁力计模块在电池供电下完全失效。通过示波器测量发现，3.3V 电源线上的电压在 2.74V 到 4.34V 之间剧烈波动，远超芯片的额定耐压值。原因在于电路设计缺失了去耦电容。

模拟电路的基本准则

在每个集成电路的电源和地引脚附近放置去耦电容，是滤除高频噪声并提供瞬时电流的基础准则。社区资深工程师指出，数字芯片在上电瞬时的电流激增会引发电压跌落，所有电子设备在物理层面上都受模拟特性的制约。

现代布线与诊断

有硬件专家对单纯缺失去耦电容的结论提出质疑，认为高达 1.5V 的电压波动可能源于大容量滤波电容配置错误或电感器选型不当导致的反馈回路失稳。在现代多层板设计中，使用完整的电源平面配合电容，利用其极低的寄生电感，能比单纯缩短电容物理距离更有效地抑制高频噪声。

WebAssembly 的非典型栈机设计

指令集差异

尽管 WebAssembly 被定义为栈机，但它缺乏 JVM 或 Forth 等传统栈式语言中常见的 dup（复制栈顶）和 swap（交换栈顶）等重排指令。处理非平凡表达式时，Wasm 必须依赖局部变量（如 local.tee），在执行语义上更接近寄存器机。

线性验证器的约束

这种设计的核心目的在于保证 Wasm 验证器的线性时间和单次扫描效率。引入传统栈机的重排指令会引发复杂的数据流合并问题，破坏验证器的线性保证，降低启动速度。local.tee 配合局部变量获取指令，实现了类型安全的等效复制，且不会增加验证负担。

编译工程的权衡

Wasm 实际上是一个使用栈式编码的结构化中间表示（IR）。这种受限的栈行为为编译器开发者带来了便利：在将 Wasm 编译为 C 或 Go 时，开发者可以稳定构建出清晰的表达式树，无需处理复杂的栈重置逻辑。这种权衡保障了 Web 环境对安全性和高性能的严苛要求。

LocalSend：跨平台的本地文件传输方案

核心机制与场景

LocalSend 是一款开源的 AirDrop 替代方案，采用 REST API 和 HTTPS 加密在本地网络设备间传输文件，使用 Dart、Flutter 和 Rust 构建。它无需服务器中转，非常适合传输 SSH 密钥、VPN 配置文件等敏感数据，以及跨操作系统快速分享数 GB 的大型视频文件。

与 AirDrop 的底层差异

AirDrop 底层依赖苹果专有的 AWDL 无线直接链路技术，支持在无 Wi-Fi 环境下建立设备间连接。LocalSend 默认要求设备处于同一局域网，但在无网络环境下，用户可以通过开启手机热点来建立临时传输网络。

使用与配置技巧

在使用 LocalSend 传输大量小文件前，社区建议先将其压缩为归档文件以提升传输速度。网络配置方面，路由器必须关闭 AP 隔离功能，并放行 53317 端口。对于需要多端同步配置的用户，该软件支持通过创建空 settings.json 文件来启用便携模式。

播客全文

女：Hello 大家好，欢迎收听 Agili 的 Hacker Podcast，我是小雅。

男：大家好，我是老冯。

女：今天咱们要聊的东西跨度特别大，从上世纪三十年代的复古人工智能，一路聊到造芯片的光刻机。老冯，咱们先从最贴近大家日常生活的一个工具开始聊吧。平时你在不同设备之间传大文件，比如把电脑里的几个 G 视频发到安卓手机上，你一般用什么？

男：说实话以前挺头疼的。苹果全家桶有 AirDrop，但跨平台就麻烦了。最近社区里大家都在讨论一个开源的替代方案，叫 LocalSend。

女：对，我也试了，体验非常好。你可以把它看成是一个全平台通用的 AirDrop。它不需要你连外网，只要设备在同一个局域网里就能传。而且速度特别快，它是直接走本地网络的 HTTPS 加密传输，连临时生成的数字证书都给你准备好了，安全隐私方面拿捏得很死。

男：这里的核心区别在于，苹果的 AirDrop 底层用了一种叫 AWDL 的专有技术，就算没有 Wi-Fi 路由器，两台苹果设备也能自己协商连上。LocalSend 默认需要大家连在同一个路由器下。不过有个取巧的办法，你在没有网的户外，用手机开个热点让电脑连上，这就硬生生造了一个局域网，照样能用它飞速传文件。

女：这招挺管用的。我还看到有重度用户分享了一个经验，如果你要传几千张照片或者大量零碎的小文件，千万别直接全选发送，先打包成一个压缩包再传，能帮你省下好几倍的时间。

男：没错。说起在本地环境里折腾，系统安全领域有个很有名气的项目叫 GTFOBins。它其实就是一个列表，专门收集 Unix 系统里那些完全合法、自带的命令行工具。

女：合法的工具？那能干嘛呢？

男：这就是黑客常说的“就地取材”或者叫“靠山吃山”。假设你拿到了一个权限卡得很死的服务器终端，很多黑客工具都没法用。但如果你懂 GTFOBins 里的技巧，你就能用系统自带的普通工具越权。比如管理员不让你看密码文件，但如果他配置不当，你哪怕用一个最普通的把文字转成 base64 编码的小工具，也能绕过限制把机密文件读出来。

女：这听起来就像美剧里的特工，手里连把枪都没有，硬是用一根回形针和一把指甲刀把金库大门给撬开了。而且有意思的是，现在连 AI 都在用这套逻辑。有人发现遇到受限的环境，比如不准用特定的代码工具，大语言模型会自己手写一段 Python 脚本来绕过黑名单，强行把事办了。

男：这种猫鼠游戏在底层系统里天天上演。其实很多我们天天在用的工具，内部结构也比大家想象的要深得多。比如每个程序员每天都要敲几十次的 Git。

女：对，最近有本讲 Git 高性能内幕的书挺火的。很多人以为 Git 就是个帮你备份代码的文件管理器，但其实它本质上是一个靠内容哈希值来找文件的数据系统。

男：对，理解这一点很重要。在 Git 眼里，没那么多花里胡哨的东西，最核心的就是对象和引用。大家经常会遇到那种让人崩溃的“分离 HEAD 状态”，其实就是原本指向分支名称的指针，直接指到某个具体的提交记录上了。

女：说到解决痛点，拉取巨大的代码库特别耗时间。很多人喜欢用浅克隆来省事，也就是只拉取最后一次更新。但其实现在更推荐用部分克隆功能。它会把整个历史记录的框架拉下来，但具体的文件内容等你点开的时候再延迟加载，既省了带宽又不丢历史记录。

男：这书的作者也挺有意思的，他大方承认自己把那些零散的博客文章缝合成两百页的书时，用了大语言模型帮忙。虽然有些读者抱怨读出了一股“AI 味儿”，但能免费输出高质量的技术硬核内容，这点瑕疵大家也就接受了。

女：说到写书或者做大项目，时间管理绝对是个大难题。项目周期一长，大家的注意力很容易就被日常回邮件、修紧急 Bug 给冲散了。这时候很多人会把定期会议当成一种“强制函数”。

男：强制函数这个词借用得挺妙。就是用外部压力逼着你把事情往前推。每周开个短会，一开始就对一下上周的待办事项。你知道马上要在会上被问进度，哪怕再忙也会硬挤出时间把关键的那几行代码写了。

女：其实这就是一种温和的问责压力。但很多程序员对会议是深恶痛绝的，特别是那种二三十个人的状态同步会。

男：那绝对是效率杀手。真想让会议发挥作用，必须提前发议程，聊完重点立刻散会。而且很多人把开会本身当成了工作产出，这就变成了走过场的“日历家具”。你看像 Linux 内核那么庞大复杂的工程，人家根本不开日常站会，全靠邮件异步沟通，照样转得很好。

女：会议确实只是一种工具，补救不了糟糕的团队文化。如果说日常会议容易让人觉得停滞不前，那咱们下面聊的这个 AI 模型简直就是彻底停顿在了过去。有人做了一个叫 Talkie 的模型，足足有一百三十亿参数，但它的训练数据全部都是 1931 年以前的旧报纸、图书和文件。

男：这是一个极端的对照实验。现在的大模型吃遍了互联网的现代数据，研究人员想知道，如果一个完全没接触过现代社会知识的 AI，碰到现代编程语言会怎么样？结果很让人吃惊，虽然它这辈子都没“听”过计算机这个词，但只要你在上下文里给它几个例子，它居然能磕磕绊绊地帮你改 Python 代码。

女：它的价值观简直像个活化石。有用户去问它，你觉得“计算机”的未来是什么？它认为计算机就是当时那种拿着纸笔算账的“计算员”，所以它信誓旦旦地预测，这将是一份早十晚六、薪水还能糊口的办公室文员工作。

男：它对常识的理解也有时代局限。比如它笃定印度永远脱离不了大英帝国。在物理知识上它也会一本正经地胡说八道，把电压和电阻的关系搞错。这种“逻辑自洽但事实错误”的表现，其实给那些重度依赖 AI 获取知识的人敲了个警钟，时间长了真的会造成大脑污染。

女：是啊，这模型确实需要很长的编译和训练。说到编译，最近写数据库扩展的开发者们收到了一份大礼。Postgres 的 Rust 开发工具 pgrx 发布了新版本，直接把构建时间砍掉了一半。

男：这个优化做得相当漂亮。以前为了生成元数据，你得先编译扩展，再搞个独立程序去提数据，费两次劲。现在他们改了架构，一次编译就能把 SQL 的元数据直接塞进二进制文件的链接器节里面去。

女：这能让开发者少掉不少头发。我看评论区说，像 PlanetScale 这种级别的公司，内部的扩展跑了一年多，内存安全问题和并发冲突的发生率是零，Rust 配合这个工具在生产环境确实稳。

男：不过搞云数据库的同学得注意，很多托管服务为了安全是不让你随便加载这种自定义扩展的。但好消息是，另一个叫 plrust 的受信任语言项目已经能在部分云服务上跑了，能满足很多复杂的逻辑需求。

女：底层逻辑的优化确实能带来质的飞跃。但有时候，纸面上的设计和实际运行完全是两码事。比如现在很火的 WebAssembly，也就是 Wasm，到处都说它是个栈机，但真去写代码的时候，发现根本不是那么回事。

男：这事儿确实有点反直觉。你想，传统的栈式机器，你想重复用一个结果，直接调个 dup 指令复制一下栈顶的数据就行了。但 Wasm 的指令集里居然没有这种重排指令，逼着你去用局部变量。

女：你可以把它想象成一个规矩森严的厨房。你切好了一盘菜，传统做法是你直接原地复制一盘放着备用。但在 Wasm 这个厨房里，你必须把它明确倒进旁边标好号的碗里，也就是局部变量，下次用再从碗里拿。

男：它这么设计是为了极致的验证速度。Wasm 是要在浏览器里跑的，安全检查必须极快，也就是线性时间的单次扫描。如果允许你在栈里随便复制交换数据，它去追踪这些数据类型的成本就太高了。所以它表面上用了栈的编码格式来压缩体积，但骨子里其实是个带有复合表达式功能的寄存器机器。

女：这种软件层面的约束还算讲道理，到了物理硬件层面，那简直就是玄学了。有个老哥在给无人机设计电路板，插着 USB 供电的时候测方向的磁力计好好的，一换上电池直接罢工了。

男：他拿万用表测电压看着挺稳，结果拿示波器一打才发现原形毕露。电池供电走的是开关稳压器，3.3伏的线路上电压上上下下疯狂波动，直接把磁力计干懵了。原因非常基础，他忘了在芯片旁边加去耦电容。

女：这个去耦电容怎么理解？

男：你可以把它想成楼顶的蓄水池。底下水管的水压忽高忽低，但有了这个蓄水池在旁边做缓冲，你家里水龙头出来的水流就是平稳的。现在的大学教育很多时候侧重软件仿真，导致有些年轻工程师忘了，哪怕是处理纯逻辑 0 和 1 的数字芯片，它底层的电源供应也是个充满噪声的模拟世界。

女：不仅是现代工程师会遇到硬件玄学，九十年代的硬件更魔幻。有人找出了一台当年的奔腾 233 电脑打雷神之锤，本来帧率挺顺滑的，结果他豪气地把内存插满到 384 兆之后，游戏反而卡成了幻灯片，性能掉了一大截。

男：这事儿在当年可是个天坑。问题出在主板芯片组上，那时候很多芯片组受限于成本，只有前 64 兆内存是带有二级缓存的。Windows 系统又喜欢从高位内存开始加载，结果就是，你加了巨量内存后，游戏和操作系统全被挤到了没有高速缓存的慢速区域里裸奔。

女：这就好比你花大价钱买了一套大别墅，结果发现只有门口的小玄关带暖气，你平时活动的主卧全在挨冻。

男：对，后来大家发现这很大程度上是英特尔当年为了区分高端奔腾二代平台搞的市场策略。当年 Linux 社区甚至搞出了个奇葩补丁，把 64 兆以上的多余内存假装成硬盘缓存来用，硬是把系统核心逼回有暖气的玄关里去。这种对硬件底层状态的深刻理解，在今天大家动不动就开几个 G 容器跑微服务的时代，确实有点久违了。

女：既然说到硬件的极致，咱们今天最后必须聊聊人类目前能造出来的最复杂的机器之一，ASML 的光刻机。现在的手机内存比当年阿波罗登月用的电脑大两百万倍，全靠他们能在硅片上极其精准地雕刻晶体管。

男：这机器简直是工程学奇迹。造最先进的 3 纳米芯片用的极紫外光刻机，发光原理听着像科幻小说。他们要用高能激光去精准轰击一滴滴下落的液态锡，把它气化成等离子体，这样才能发出极短波长的光。

女：更夸张的是里面的反射镜，因为这种光会被玻璃吸收，只能用镜子反射。这些镜子平整到什么程度？如果把镜面放大到德国那么大，表面的起伏误差连几毫米都不到。这就解释了为什么全世界想造顶级芯片都绕不开这家荷兰公司。

男：很多人以为 ASML 的护城河是专利，其实他们走的是模块化路线。镜头找蔡司，激光找通快，它用独家协议把全球顶尖的供应商死死绑定了。竞争对手想超越，等于是要同时单挑十几个不同领域的顶级巨头。

女：而且这中间涉及大量的隐性知识。就算今天把全套图纸摆在竞争对手面前，他们也造不出一样的机器，因为如何组装、调试这种手感和经验，是写不进说明书里的。

男：不过在这场技术奇迹背后也充满了政治博弈。早期 ASML 能崛起，离不开美国国家实验室的专利授权，代价就是必须大量用美国零件。后来他们又收购了美国的光源公司，这就使得美国政府到现在对光刻机的出口还有一票否决权。

女：从咱们今天聊的那些在本地网传文件的软件，到需要几十个集装箱才能运走的光刻机巨兽。无论是写一行代码还是造一颗芯片，了解事物最底层的运行逻辑，永远能帮我们看清迷雾。

男：对，不畏浮云遮望眼，多往下挖一挖总是没错的。

女：好啦，这就是本期 Hacker Podcast 的全部内容。如果你喜欢我们的闲聊，别忘了使用泛用型播客客户端订阅我们，第一时间获取更新。感谢大家的收听，我们下期见！

男：下期再见。

推荐订阅源