今天的 Hacker News 中文博客由 Agili 的 Hacker Podcast 整理，话题涵盖工具哲学、单人游戏开发、AI 编程习惯、苹果 AI 策略、欧盟监管、Emacs 生态、游戏公司口述史、开源射频设备以及 AI 驱动脑科学——信息密度高，值得细读。
GingerBill 提出，优质工具在使用时退入背景，让你专注于工作本身。他批评一种常见倾向：把编辑器的缺陷包装成“有趣的谜题”来推销。有人炫耀用 vim 宏处理文本重构，但用 Sublime 的多光标几分钟就能完成。他用 Sublime 十五年，因为快捷键与图形界面一致、多光标比宏直观，减少了上下文切换。
一旦工具绑定个人 identity，谈论缺点就像否定自己，人们开始为缺点辩护甚至美化。一位 Hacker News 读者回应：“我从未见人把 vim 形容成有趣的谜题，只是说学习曲线陡峭但值得。”这恰好说明，Sublime 的“不可见”同样是习得的结果。
解决棘手问题时的聪明感容易被误认为产出，真正的检验标准是墙钟时间和出错次数。GUI 与 TUI 之争同理——大多数 GUI 开发者懒得实现键盘支持，不代表 TUI 天生优越。好工具应提供开箱即用的默认值，只在必要时留逃生舱。学习曲线陡峭不是美德，只是成本，除非收益来自实际生产力，而非“我花了几个月所以它必须好”的沉没成本。
有评论说：“看不见的锤子更容易砸到脚趾。”GingerBill 强调的其实是态度——别让工具定义你，别把绕开缺陷的过程当作奖励。最好的工具不是故事最精彩的，而是你忘了自己在用的那个。
约公元前 1220 年至 1170 年，东地中海和中东一系列主要城址被毁、国家瓦解。破坏从爱琴海开始，经安纳托利亚、黎凡特，抵达埃及。希腊和安纳托利亚受灾最重，黎凡特次之，埃及和美索不达米亚虽未完全崩溃，但进入长期衰退。
学者已基本否定“多利安人入侵”和单一火山喷发。最合理解释是多重因素交织：持续多年干旱使降雨农业区连年歉收，动摇了以国王为宗教核心的政治体系；此前各国频繁战争已消耗大量资源；希腊宫殿瓦解产生难民和掠夺者（埃及铭文中的“海上民族”），进一步压垮赫梯和黎凡特诸邦；同时，依赖铜锡长途贸易的青铜武器因贸易中断难以为继。历史学家 Eric H. Cline 强调世纪级干旱是核心触发点，Bret Devereaux 也认定气候是“所有因素之一”。
希腊遭受最彻底打击：所有宫殿中心被毁，线性文字 B 失传，进入近三个世纪的“黑暗时代”，但“白板”状态催生了后来的城邦制度。在黎凡特，权力真空让腓尼基城邦（比布鲁斯、西顿、推罗）崛起，字母表后来演变为拉丁字母；南方出现了以色列和犹大王国。铁器技术在这时普及——青铜贸易断绝促使各地开采更常见的铁，早期铁器质量远逊青铜，但因原料易得取代青铜工具和武器，也改变了精英对暴力的垄断。评论区指出，这种“民主化暴力”可能加剧政治碎片化，但随后亚述等铁器帝国又建立了更庞大的中央集权。
印尼开发者 Rizky Nova 用 16GB 内存的设备，以虚幻引擎 5 免费版独自完成《Running Train》。游戏设定在虚构的日本区域，40 公里轨道分 42 条路线，时长 6 到 44 分钟，支持晴天、暴雨、暴风雪等天气和季节切换。
核心玩法要求精确控制速度、刹车、准时到站，系统根据表现评分。开启自动驾驶后，玩家可用自由相机在场景中漫游。电力线从变电站延伸到铁塔，路边有车流，公寓楼外停着车，山坡上有神社，海上有渡轮和波浪——这些细节大部分从驾驶视角是看不到的。
评论区解释，这类游戏提供“切换大脑”的放松体验，有清晰规则和即时反馈，让人在不承担真实责任的前提下完成技术性任务——停准到毫米、准时到秒的成就感，与现实中的复杂和焦虑形成对比。
游戏现处 Steam 抢先体验，售价 18 美元。开发计划加入乘客系统、列车长模式，轨道长度最终扩展到 100 公里。社区讨论指出，虚幻引擎的资产商店和 5% 版税（营收超 100 万美元后收取）让单人制作这种规模成为可能；游戏已支持 Zuiki MASCON 专用操纵器，并可通过 UEVR 模组在 VR 中游玩。
Scott Robinson 发现自己把完全相同的权限检查（用户是否活跃、有权限、未被暂停、账户解冻）复制到路由、后台任务、API 和 webhook 五个不同的地方。代码能跑，测试通过，他想反正以后让 LLM 处理就行。
LLM 读取代码库里的已有模式。当你在五个文件里撒了五份相同条件判断，下一次生成接口时，模型不会从头思考，而是按照你已经留下的“风格”复制。等他哪天想重构，模型会保留所有拷贝，因为这就是代码库教给它的。
cadamsdotcom 分享了一个做法：写 /review 命令，在 .claude/commands/review.md 里放不断增长的 checklist，从“确保不重复代码”到命名约定都有。模型不会抱怨清单长，它会逐条检查。但另有用户发现，LLM 总喜欢在代码里塞解释 what 和 how 的注释，甚至记录变更历史，后续的 LLM 又把这些当作正确风格继续生产。更好的做法是让模型写完代码后再做一次 review，明确要求删除违反约定的注释。
egonschiele 会在测试生成后追问：“这些测试真的能测出问题吗？如果代码坏了会失败吗？”结果经常发现 LLM 写了无效测试。有用户指出，人类写的测试也有很多只是在测试测试框架，但 LLM 会成批生产这种东西。代码库就是 LLM 的上下文，每次合并偷懒的代码，就等于告诉模型“这就是我们的做事方式”。
苹果硅高级产品经理 Doug Brooks 接受采访时说，Mac mini 和 Mac Studio 已成为运行 AI 代理最受欢迎的机器。用户想要一台与主力机隔离、可 24 小时运行的可控设备，“Mac mini 非常适合这个场景”。他还提到很多 AI 工具是 Mac 优先或 Mac 独占的。
Brooks 认为 AI 代理是“全芯片问题”，不只是 GPU 在处理大语言模型，整个芯片为任务的不同部分做贡献，这正好发挥苹果硅的优势。他回溯到 2017 年 A11 Bionic 就集成了 Neural Engine 用于高效矩阵运算，CPU 里有轻型神经加速器处理语音等实时任务，后来 GPU 也加入神经加速器，这种进展源于软硬件协同设计。
Brooks 描述 AI 从云端向本地转移的趋势，动机是隐私、安全以及代理消耗更多 token 后的推理成本上升。他预测未来的模式是代理自己决定哪些任务在本地运行、哪些发到云端。
评论区反映，M2-M4 Ultra 的大内存机型在 eBay 上能卖很高价格，因为“买一台 $2-7k 的 Mac mini 或 Studio，比每月付给 OpenAI 和 Anthropic 同样多的钱更划算”。有用户指出 M3 Ultra 512GB 版原价 $6000 涨到 $24,000，但也有人认为这只是短期供应短缺。另有用户抱怨 Apple 的 Neural Engine 对 LLM 几乎没用，iOS 27 的 Siri 仍远落后于 GPT Live。还有用户调侃：“既然小机器这么受欢迎，苹果不如重新推出 iPhone Mini”。
2026 年 7 月 9 日，欧盟委员会初步认定 Meta 旗下的 Instagram 和 Facebook 因高度个性化推荐、自动播放和无限滚动等成瘾性设计，违反《数字服务法》。委员会指出，用户可关闭的时间限制弹窗不足以证明用户真正掌控使用行为。
一位 Hacker News 用户比喻：“你优化了每一个表面让用户多停留一分钟，然后指着一个可关闭的计时弹窗，说用户是在自主控制。”这种设计服务于广告收入——用户停留越久，Meta 展示的广告越多。许多评论者主张对广告收入征税或禁止在线广告，也有人提醒广告是整个互联网经济的基础，一律禁止会让大量创作者和中小企业瞬间失去收入。
评论反复提到对比：2000 年代的 Facebook 只显示朋友发布的日常内容，用户刷完就没有了，检查更新是因为新鲜感而非上瘾。现在的算法推送无尽信息流，夹杂“愤怒诱饵”和极端内容，目的就是最大化互动。有用户尝试重置 Instagram 推荐，结果发现重置后内容反而变得更 clickbait。
一部分评论者认为欧盟借机惩罚美国科技公司，或为内容审查铺路。另一部分人反驳，合理监管与言论自由不矛盾，社交媒体算法已被证实可被利用传播虚假信息。不过有用户指出，欧盟的 GDPR 在执行上已出现“支付或同意”漏洞，DSA 初步认定违规后能否真正改变产品设计，仍是漫长过程。
Charles Choi 认为，“Emacs 是操作系统”的说法不准确，但 Emacs 确实能像操作系统一样编排运行在 OS 内核之上的应用和工具。在 Emacs 内部，一切看起来都像服务——它提供了 minibuffer、buffer、completion 等多种 UI 库，URL、Socket、SMTP 等网络通信库，以及哈希表、SQLite 等本地数据存储，全部通过 Emacs Lisp 动态调用。
文章用一个 67 行的 wttr.el 客户端演示：向 wttr.in 查询天气，解析 JSON，在 minibuffer 展示。如果不想写太多代码，还可以用 shell 命令包装外部 Python 脚本，把 shell 命令本身当作服务调用。
讨论中，有人提及 Lisp 机器的编辑器传统，但也有人反驳，即便在 Lisp 机器上编辑器也从来不是 OS，混淆了平台与操作系统。另有用户提出 Emacs 更像一个 shell。一位用户坦言理解“Emacs 是操作系统”的那一刻成了职业生涯转折点——他因 org-mode 入坑，最终沉迷于 Emacs 的极致灵活性。关于配置，建议从零手写 init.el 以掌握基本功能，并推荐 Mastering Emacs 这本书。
Joe Siegler 从 1992 年 12 月到 2009 年 5 月在 Apogee（后以 3D Realms 名义运营）工作。他最初是 BBS 运营者和 beta 测试者，被创始人 Scott Miller 邀请从费城搬到得克萨斯。早期做电话支持和在线社区管理，当时没有社交网络，他在 CompuServe、GENie 等平台代表公司出现。
他做了几件后来成为公司遗产的事：统一所有游戏的压缩格式和命名规范；引入 file_id.diz 文件作为早期 DRM——商业版游戏根目录放入该文件后，如果有人打包上传到 BBS，说明文字会自动显示这是非法上传，且游戏离开该文件无法运行；从入职当天起记录公司所有发布物，清单至今仍在更新；搭建了 1998 年的 3D Realms 虚拟导览（藏着一个 Zork 风格谜题迷宫）和 1996 年的网络摄像头（每 30 秒拍摄一张照片）。
创始人 Scott Miller 1987 年成立 Apogee Software，首个正式游戏是 Kroz，首创共享软件模式（第一集免费，后续付费）。公司后来成立母公司 Action Entertainment Inc，3D Realms 是商业用名。1996 年 Stargunner 是最后一部以 Apogee 名义发布的游戏。2021 年 Scott Miller 又成立了新的 Apogee Entertainment。所有七部 Kroz 游戏已于 2009 年开源。一篇评论回忆，自己 13 岁时给 3D Realms 写信请教如何制作 Duke Nukem 3D 关卡，公司寄回了打印的 Build.exe 手册——这很可能和 Joe Siegler 做的客户支持有关。
Jeff Geerling 介绍了 QuadRF——基于 Raspberry Pi 5 和 FPGA 的开源相控阵无线电设备，频率范围 4.9-6 GHz。它用 MIPI 接口承载超过 5 Gbps 的 I/Q 数据流，代替传统 USB，实现低延迟、无丢样的软件定义无线电体验。项目创始人 Martin McCormick 曾在 SpaceX 参与 Starlink 终端设计，未来可将多个模块级联组成更大天线阵列。
设备通过 Pi 5 自建热点，用户用浏览器打开 VNC 会话即可运行 GNU Radio。AR 可视化工具将 5 GHz 信号叠加在摄像头画面上，变成不同颜色的光团——作者自己的网络是浅蓝色，邻居的是红色或绿色。他还用设备追踪了一架 DJI Mini Pro 4 无人机，AR 模式可定位，但手动增益调节不够顺手。
创作者在评论区说，接收灵敏度可达热噪声极限 2 dB 以内，对消费级无人机几公里探测范围很容易实现。但多位评论者指出，QuadRF 只能检测主动发射无线电信号的无人机，对于依赖光纤线缆或完全自主静默飞行的机型无效，此时只能靠声学或视觉手段。频率范围限制在 C 波段，无法覆盖 900 MHz 或 LoRa。
有预购者质疑整套设备定价 499 美元较最初宣传涨幅大，但另有评论指出单个 RF 模块 Crowd Supply 价格 99 美元，整套含外壳和电池拓展包，近期元器件涨价严重。也有人担忧美国 ITAR 出口管制，创作者回应目前仅作为接收设备且是开源硬件，正在进行合规审查。
研究者开发了 NEvo 系统，通过 AI 自动生成视频来最大化激活大脑特定视觉区域，目的是帮助脑科学家更精确理解脑区到底在“看”什么，减少研究者主观假设的干扰。系统先训练一个“数字孪生”模型，能根据视频预测各脑区的反应强度，然后把这个预测当作奖励信号，用遗传算法搜索最优视频。
视频由一组“基因”描述（主体、光照、运动、情绪），NEvo 生成候选视频，用数字孪生评分，保留高分视频并混合、突变基因，反复迭代。搜索分两阶段：先找最强静止图像，再在此基础上搜索最优运动参数生成 2 秒动画。最终合成的视频与已知脑区偏好高度吻合：FFA 输出人脸，PPA 输出场景，EBA 输出身体，MT 输出运动，V1/V3A 输出图案，pSTS/aSTS 输出社交场景。运动版本普遍比静止画面引发更强激活。
社区将 NEvo 类比为自动化寻找视觉“超常刺激”的工具，联想到《BLIT》中的致命图像。但有用户呼吁冷静阅读论文：这是一个纯科学研究工具，不依赖实时 fMRI 反馈，只在数字孪生上运行，目的是减少实验者偏见。真正需要警惕的不是公开论文，而是后续可能的商业化滥用，比如制作超针对性广告或心理操纵内容。有人指出，类似 Moonbug Entertainment 已在用设备测量儿童注意力分散。
有用户反思，科研人员有权拒绝参与有伦理风险的项目，但在资本环境里底层工程师很难阻止上层决策。一条评论总结：“我们正在对大脑做的事情，和我们对猪圈里的猪做的事情一样——榨干每一分钱，直到地球烧毁。”技术本身不带来善恶，但历史上优化效率的冲动往往先于伦理约束。
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：阿迪，我问你啊，你见过那种人吗？就是一边用着特别难用的软件，一边还特别骄傲，觉得这是自己的勋章。
男：太常见了。用 vim 写到一半，突然卡住，开始花二十分钟写一个宏来解决某个格式问题，然后转头跟你说“你看这多好玩”。
女：哈哈哈，对，就是这种感觉。我们今天要聊的话题都是这种类型的：工具是让人爽的，还是让人痛苦的？AI 是帮我们写代码，还是在帮我们复制坏习惯？还有一个一个人做出来的火车模拟游戏，以及一个能穿墙看到 WiFi 信号的设备。
男：我们先从那个观点说起吧，GingerBill 写了一篇很有名的文章，叫《Good Tools Are Invisible》。他提了一个很核心的点，好的工具在你熟练之后，是退入背景的，你不会一直感觉到它的存在。你只是在做自己的事。
女：就像一支特别好用的笔，你不会想着“这个笔握感真好”，你只是在写字。
男：对。他举的例子就是 Sublime 编辑器。他用了 15 年，原因是 Sublime 留下的“谜题”最少。比如它的快捷键和图形界面是一致的，你不需要切换到另一个思维模式。多光标功能在绝大多数情况下比写宏要直观得多。
女：他是不是在批评 vim 或者 emacs 那些需要花很多心力去学的工具？
男：他批评的不是工具本身，而是一种态度。很多人把工具学起来麻烦这件事，包装成“有趣的谜题”来推销。甚至用工具来标榜身份，一旦工具成了你 identity 的一部分，你就不再能客观地说它有什么缺点了。
女：这就有点像斯德哥尔摩综合症对吧？我花了巨大代价学会一样东西，所以我必须证明它是最好的。
男：他管这叫沉没成本心理。你花几个月学了一个东西，你的大脑会天然地想：“它不可能不好，不然我就显得很蠢。”
女：但我看到有评论说，Sublime 的多光标也不是天生就不可见的，也得学。作者觉得 Sublime 不可见，只是因为他习惯了。你觉得这个反驳有道理吗？
男：有道理。这也是文章的一个软肋。不过作者强调，即使这样，Sublime 需要你学的东西比较少。关键在于态度——不需要为工具辩护，不需要把绕开缺陷的过程包装成奖励。
女：好的工具提供好用的默认值，开箱即用。它不需要你用一份爱来换取它的力量。说到编辑器和操作系统，阿迪，你用过 Emacs 吗？
男：用过。
女：那我问你，Emacs 是操作系统吗？
男：我以前会说“是”。但现在我看了 Charles Choi 那篇文章之后，我觉得这个说法真的很不准确。他说 Emacs 把所有内部的东西都当成服务来看待。它有客户端-服务器模型，有自己的 UI 库、网络通信库，甚至本地数据库。
女：我都被吓到了，他在文章里写了一个 67 行的 Emacs 客户端，直接去 wttr.in 上查天气，然后把结果在 minibuffer 里弹出来。
男：对，Emacs 的神奇之处就在这里。Elisp 的动态性让它整合外部命令行工具特别顺滑。当你能在编辑器里收发邮件、看天气、管理日程，你确实会有一种错觉，好像 Emacs 提供了一个完整的运行环境。
女：对，有评论就纠正了这个说法，说 Emacs 更像一个 shell，不像一个操作系统。它只是一个对底层 OS 的抽象层，而不是替代品。
男：而且浏览器也经常被人叫 OS。这种混淆经常发生。真正操作系统负责的内存管理、进程调度这些，Emacs 一点没碰。不过我可以理解那种感觉，当你在 Emacs 里越陷越深，从 org-mode 入坑，然后就开始什么都想在 Emacs 里做。
女：那种“深入之后的世界”确实让人向往。我们换个话题，离命令行远一点，离轨道近一点。你听说那个叫 Running Train 的游戏吗？
男：听说了。印尼一个开发者，Rizky Nova，用 16GB 内存的电脑、虚幻 5 免费版，一个人做出来的。
女：它被玩家叫成“最好的火车模拟器”。场景是虚构的日本区域，但是细节真的多到离谱。
男：对。电力线从变电站出来，沿途铁塔一个一个真实排布。山坡上有神社，海上有渡轮，浪还会拍海岸。最可怕的是，这些东西大部分在驾驶视角是看不见的。
女：开发者花了大量时间在做驾驶视角看不见的东西。这就让我有种很复杂的感受：这更像是一种手工匠人的执念，他可能根本没指望大部分玩家注意到，但他自己需要它在那里。
男：这正是好工具或者好作品最打动人的瞬间。游戏的核心玩法很纯粹，就是精确控制速度、刹车、准时到站，系统会给你评分。
女：我特别理解评论里解释的那种吸引力。这种模拟游戏提供了一种“切换大脑”的放松感。它给你清晰的规则和即时反馈，让你在不承担真实责任的前提下，完成一项技术性工作。
男：把车停准到毫米、准时到秒的那种成就感，和现实中的复杂焦虑形成对比。而且现在虚幻引擎免费，资源商店成熟，让一个人做出这种规模的作品变成了可能。
女：说到这种创作的执念和孤独，我想到一个和 AI 有关的话题。最近有一篇文章，讲一个开发者发现自己正在滑向一种“懒惰”。
男：Scott Robinson 那篇，对吧？他需要做好几个接口的权限检查，用户是否活跃、有权限、未被暂停、账户是否解冻。四个条件，五个地方，几乎一模一样的 if 判断。每次他都让 LLM 写一段能跑的代码，然后合进去，不抽函数。
女：这个我太有共鸣了。代码能跑，测试通过，以后要改再让 LLM 来处理。他以为自己在把维护工作外包给 AI，但他女朋友一句话扎心了。
男：对。她说，你只是在训练 AI 学你的坏习惯。LLM 是读代码库的风格来生成代码的。你在五个文件里撒了五份相同的条件判断，下次 LLM 就照着复制粘贴。等到你想重构的时候，模型会把五份拷贝全给你留着。
女：这就是一个特别深的陷阱。你的代码库就是 LLM 的上下文。你每合并一次偷懒的代码，就等于告诉模型“这就是我们做事的方式”。
男：社区里有一个叫 cadamsdotcom 的开发者，提供了一个很好的办法。他写了一个 /review 命令，在 .claude/commands/review.md 里放一个 checklist，每次 code review 发现模型又做了不喜欢的事，就加到列表里。现在他的列表已经接近 200 条了。
女：200 条！那几乎是一堵墙一样的反馈。
男：模型不会抱怨，它会高兴地一条一条检查。不过 AI 也不总会听话。有人发现，即使用指令规定了只写解释 why 的注释，LLM 还是喜欢往代码里塞一堆解释 what 和 how 的废话，甚至把过去的变更历史也写进去。
女：这就像一个人写代码注释，非要在上面写“这段代码昨天改了三次，先是 onBlue，后来改成 click 触发”。这些注释一旦留在代码里，下一个 LLM 又会把它们当成这种风格，继续生产。
男：还有更隐蔽的陷阱，LLM 写的测试。有一个叫 egonschiele 的开发者做法特别好，他会在测试生成后追问一句：“这些测试真的能测出问题吗？如果代码坏了，测试会失败吗？”他用这个方法发现了极高概率的无效测试。
女：人类写的测试也有很多只是在测试框架本身，但 LLM 会成批地生产这种无意义的测试。所以写代码的时候还是得想想，将来那个维护它的人——不管是人还是另一个 LLM——会怎么看待你今天的选择。
男：说到 AI 硬件，Apple 这边最近也有动静。他们的硅团队高级产品经理 Doug Brooks 说，Mac mini 和 Mac Studio 已经成了跑 AI agent 最受欢迎的机器。
女：我看了那个采访。他不是说跑大语言模型只是 GPU 的事，而是说整个芯片都在为任务的不同部分做贡献——工具调用、工作流里的其他环节。这正好发挥了 Apple 硅的优势。
男：他回溯到 2017 年的 A11 Bionic 芯片里面就集成了 Neural Engine，在 ChatGPT 出现之前好几年，苹果就在准备专用的神经网络处理器。这种软硬件协同设计的方法，现在看来挺有前瞻性的。
女：用户想要一台可控、与主力机隔离、能 7x24 小时运行的设备，Mac mini 正好适合。我注意到评论区里有一些很实在的讨论，有个用户说“买一台 2000 到 7000 块的 Mac mini 或 Studio，比每月付给 OpenAI 和 Anthropic 同样多的钱更划算”。
男：这个计算很有意思。M2 到 M4 Ultra 配置 128 到 512GB 内存的高配机型，在 eBay 上能卖很高价。M3 Ultra 512GB 版停产被抢光，原价 6000 美元的机器涨到了 24000 美元。
女：不过也有观点认为这是短期供应短缺造成的，因为 Meta 和 xAI 正在大量释放 AI 算力。阿迪，苹果统一内存架构确实是本地跑大模型的关键吗？
男：对，统一内存和带宽是最大的限制。目前本地跑大模型的两个主流选择就是苹果的 Metal 框架和 NVIDIA 的 CUDA，AMD 和 Intel 在这方面生态太不成熟了。
女：Brooks 说 AI 从云端向本地转移的动机是隐私、安全，以及 agent 消耗更多 token 后推理成本的上升。但他也认为未来会是混合模式，由 agent 自己决定哪些任务在本地跑，哪些发到云端。
男：不过也有人调侃苹果。Brooks 说“AI 发展速度太疯狂了，我无法想象一个月、三个月、一年后我们在哪里”，被一些用户解读为苹果自己也没想清楚。还有人抱怨 Siri 依然远远落后于 GPT Live。
女：硬件是准备好了，软件还在追。我们来聊一个特别硬核的硬件产品——QuadRF，一个基于树莓派 5 和 FPGA 的开源相控阵无线电设备。
男：这个东西能穿墙看见 WiFi 信号。它频率范围在 4.9 到 6 GHz，用一个原本给摄像头和显示器用的 MIPI 接口来传输超过 5 Gbps 的高速数据，替代传统的 USB。
女：它有一个 AR 模式特别酷——设备会把你周围 5 GHz 频段的信号直接叠加在摄像头画面上，变成不同颜色的光团。Jeff Geerling 在测试的时候，他自己家的 5 GHz 网络显示成浅蓝色，邻居的就是红色和绿色。
男：他和他父亲——一位退休广播工程师——还用 QuadRF 追踪了一架 DJI Mini Pro 4 无人机。设备在 AR 模式下可以定位到无人机，但无人机飞远了之后，手动调增益就变得不那么顺手了。
女：它的创作者 Martin McCormick 亲自在评论区回答问题。他说 QuadRF 的接收灵敏度能做到距离热噪声极限只有 2 dB 以内，对于消费级无人机来说，探测几公里范围很容易实现。
男：不过也有局限。QuadRF 只能探测主动发射无线电信号的无人机。如果无人机用光纤线缆来抗干扰通信，或者完全静默自主飞行，这个设备就无效了。
女：价格方面有些争议。设备最初宣传每块单元 50 到 100 美元，但现在整套产品标价 499 美元。有评论解释，单个 RF 模块确实是 99 美元，但整套还包括了四根天线、树莓派 5、外壳、电池扩展包等等。而且最近元器件一直在涨价。
男：还有美国 ITAR 出口管制的问题。之前类似的项目曾经被归类为“国防品”而受到限制。McCormick 回应说他们目前只是接收设备、硬件是开源的，正在做合规审查。
女：不管怎么样，这真的是业余无线电和射频爱好者目前能碰到的最强的手持设备之一了。把过去昂贵的相控阵 SDR 做到手表大小，预装好软件，这件事本身就值得兴奋。
男：我们刚聊了能“看见”信号的手持设备，接下来这个更让人心里发毛——直接用 AI 去刺激你大脑某一个特定的视觉区域。
女：NEvo。研究团队训练了一个数字孪生模型，能根据视频预测你大脑各个视觉脑区的反应强度。然后他们把这个预测当成奖励信号，用 AI 自动搜索最能激活某个脑区的视频。
男：整个过程像是用遗传算法做实验。视频被拆成基因——主体、光照、运动、情绪这些要素。系统生成一批候选视频，用数字孪生评分，保留高分视频，混合突变基因，反复迭代直到找到最优解。
女：最终合成的视频和已知的各脑区偏好高度吻合。梭状回面孔区就输出人脸，海马旁回位置区就输出场景，颞上沟就输出生动的社交场景。而且这些自动生成的视频，比手工做的和自然视频，在所有区域都引发了更强的激活。
男：这项研究引发了社区对“超常刺激”和潜在滥用的讨论。有观点认为，这本质上是一个自动化寻找视觉超常刺激的工具。科幻里的“认知危害”——就是那个一眼看到就能损坏大脑的图像，好像正在变成现实。
女：确实有人联想到《无限玩笑》里的致命娱乐电影，还有《雪崩》里的脑部病毒。但阿迪，论文本身其实强调这是一项纯粹的科学研究工具，目的是帮助理解视觉皮层功能，减少实验者偏见。
男：对。传统上研究者会假设“这个区域可能处理人脸”，然后主动展示人脸图片。现在 NEvo 让数据自己说话。而且它不依赖 fMRI 实时反馈，是在计算机内部基于一次扫描数据训练的模型来搜索的，没有直接作用于人体。
女：也就是说，我们更需要警惕的不是公开论文，而是后续可能出现的商业化滥用。比如制作超针对性广告、心理操纵或者极权宣传。评论区里提到，有公司已经在用设备测量儿童的注意力分散程度。
男：技术本身不带来善恶，但人类历史反复证明，优化效率的冲动往往先于伦理约束。有评论总结得很沉重：“我们正在对大脑做的事情，和我们对猪圈里的猪做的事情一样，榨干每一分钱，直到地球烧毁。”
女：这让我想到另一条新闻，欧盟刚刚初步认定 Instagram 和 Facebook 的成瘾性设计违反了《数字服务法》。
男：欧盟委员会点名了几个设计：高度个性化的推荐、自动播放、无限滚动。Hacker News 上有个比喻我印象很深：“你把每一个表面都优化到让用户多停留一分钟，然后指着一个可以关掉的时间限制弹窗，告诉用户他有控制权。”
女：有评论把早期的社交网络拿来对比。2000 年代的 Facebook，你刷完朋友发的那几条动态就没了。你上线是因为新鲜感。现在是被无尽的信息流塞满，里面还夹着愤怒诱饵和极端内容。
男：有用户试着把 Instagram 的推荐算法重置了，以为能回到清净状态。结果重置之后推荐的东西反而更吸引眼球、更能抓住注意力了。还有一个类比很有力：既然我们可以通过法律限制酒的度数，为什么不能要求平台提供一个不依赖算法的、按时间排序的浏览方式？
女：不过也有一部分人怀疑欧盟的动机，觉得这是在找茬惩罚美国公司。另一部分人反驳说，对商业行为的合理监管和言论自由不矛盾。
男：真正改变产品设计会是一个漫长的过程。欧盟的 GDPR 在执行上已经出现了不少漏洞，比如“支付或同意”的做法依然很普遍。技术伦理这个事，往往不是需要被说出来的那一刻最危险，而是没人觉得有问题的那个凌晨三点，一个 agent 自己在不停运转的时候。
女：对，很多技术伦理的问题，真的不是需要被说出来的那一刻最危险，而是没人觉得有问题的那个凌晨三点，一个 agent 自己在不停运转的时候。
男：就像今天我们聊的，那个写了五份相同条件判断却不想抽函数的开发者。算法推荐在你意识不到的时候，就已经把你绕进去了。
女：好了，感谢大家收听这一期的 Agili 的 Hacker Podcast。如果你对这期节目有什么想法，或者你有那种“凌晨三点仍在自己运转”的故事，欢迎写信给我们。
男：也提醒大家，可以用泛用型播客客户端搜索并订阅我们，这样更新第一时间就能收到。
女：那我们下期再见。
男：拜拜。
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。