cammy unhinged

hiii

Moonshot listing for $onarafeti is within reach. We're at the last step. Community: show up. Let's get this done. moonvotein.fun/#/vote/WDQqGuC…

V 神骂 AI 圈还骂的挺好的 硅谷的 AI 狂热分子说： “这事儿早晚要发生，所以我们非但不能阻止，还应该加速它！” “经济的完全自动化是‘不可避免’的，人类劳动力注定要被淘汰。所以，我们现在就应该全力加速这个进程。” 听起来是不是很有道理？历史车轮滚滚向前嘛。 但这话是谁说的？ 是那些正在全力研发 AI、并靠这个赚钱的公司说的。 这是一个典型的“低防指数”论点。它把一个也许是合理的远期预测“最终会自动化”，偷换成了“所以我们现在就该加速它”。 1. 它让你放弃抵抗，它暗示你的反抗毫无意义。 恰恰相反，当所有人都在说“你投降吧，这不可避免”时，这正是你的抵抗最有价值的时刻。 2. 它掩盖了其他选项。 事实并非只有“全力加速”和“关停”两个选项。我们本可以“专注于开发辅助人类、而不是取代人类的 AI”，给我们更多时间来安全过渡。 3. 它为私利服务。 “不可避免论”只是一个华丽的外衣，用来包装他们“追逐利润和权力”的真实动机。

伪随机数生成只要吻合密码学安全就行，真随机数生成是真的那就更好。其他不多说，下面这条加深下印象： 严禁使用非密码学安全的伪随机数生成器（非 CSPRNG），例如 Mersenne Twister (MT19937)、Math.random()、rand()… 扩展阅读： mp.weixin.qq.com/s/RIq6q_yFyzib…

简单复盘一下 AWS 这次事件作为一个 AIGC Startup SRE 的一些操作吧，希望能帮到大家 从入职开始发现我们主要的集群在 USE1 之后，我就开始做一些准备了。 我主要做的事情有这几件事 1. 将我们核心的几个数据库做了多地的备份，形成了 USE1，Tokyo，SG 三地备份。这样在极端情况下，我们损失一部分数据，但是也能保证服务的继续 2. 将我们 SG 的测试集群从原本的 EC2 自己简单搭的 K3S，重构为了一个标准的 AWS EKS 集群。这样可以在灾害时刻快速 warmup 一个集群，复用 AWS 已有组件。将 manifest 变更的代价降至最小 3. 简单梳理了一个 SOP，包含用户公告，DNS 切换，封版等事宜 回到今天，我大概在 AWS 事故发生后的10min，发现了我们容器中有新的 Pod 无法 setup。 在和 AWS 支持确认是 USE1 的问题后，我意识到 ECR 的事件必然关联其余事件，于是我就果断按照我自己规划的 Tier1 等级事件开始处理（对于 SRE 来说，这种事情宁可错，但是不能错过） T+0 min，我发布了全员公告，开始进入紧急模式。我 setup 了一个全员公开会议。所有人员可以随时加入 T+2 min，我确认事件如我所预期的一样，在逐渐扩大，我发出了两个指令，1. 全线禁止任何代码合入/提交（主要是避免新创建资源会导致 Pod rotate 进而影响流量），2. 请运营同学准备公告 T+3 min, 我开始按照 SOP，开始进行数据库在 SG 区域的恢复，并且级联创建诸如 OpenSearch / Redis 等在内的依赖 T+5 min，我们开始正式的确认上下游依赖的具体问题，确认一个新上线的核心服务受到影响 T+10min，我们停服公告和其余服务的受影响公告发出 T+10min，我请另外两位同时协助 setup 新的 ECR 以及清理测试环境已有资源，并同步 CTO ，在极端情况下，我们可能会存在保体验，丢数据的决策。 T+15min， 我们最终确认目前已创建的资源以及流量入方向不会受到太大影响。切换方案挂起，但是我们继续准备相关资源 T+30min，我们第一个数据库恢复完毕 T+40min，我们第二个数据库恢复完毕 T+1h，我们所有关联的核心 infra，RDS/ES/Redis 都 stand by，并且按照生产架构设置主从等优化选项。同时我们也开始正在新的集群启动新的服务 所幸，最终 AWS 的 crash 没有影响我们全部服务。我们无须面对切换流量后复杂的数据修复工作 大概 T+2h 到 T+3h 后，我正式通报全员，紧急状态解除。为保险起见，今晚依旧对 feature 封版。 回顾整个事故，我还可以做的更多 1. 将我之前为自己准备的极端 case SOP，对全员公开。这样确保我即便不在线，也有人能接替我 2. 我们可以做一些提前的预先演练 3. 指令下达可以更果断一些 差不多就是这样，一点分享，希望能帮到大家

Claude Code 懒人技巧 ： 一键让你的Claude Code拥有所有世界顶级Agent，并卷死它自己 mp.weixin.qq.com/s/gRQkeat77A6f…

👍 AI 对测试的影响，总结的很到位。 首先是 AI 给测试带来的机会： - 测试价值在 AI 时代反而“被看见”了 当开发依赖于 AI 写代码，看似产出更高了，但实际上 Bug 会更多，而测试重要性会更加凸显 - 测试“左移”具像化 测试可以参与到技术方案指定、在代码生成之前就参与其中，更早阶段介入质量管理，而不是等到代码写完后才开始 - AI 可以增强测试的能力 AI 可以帮助测试写自动化脚本，测试效率更高 然后就是 AI 给测试带来的挑战： - 测试思维被弱化，过度依赖 AI AI 生成结果有幻觉，但如果不认真 Review 和测试 AI 生成代码，反而会埋很多坑，甚至产生严重的故障 - 质量的责任边界模糊 当代码、脚本、用例都是 AI 生成，责任的边界变得模糊，AI 成了“背锅侠”。当人人都可以用 AI 去写代码、借助 AI 测试，角色的分工甚至都开始模糊。 - 修改 Bug 的成本反而增加了 当 Vibe Coding 大行其道，如果没有真正理解和掌握 AI 生成的代码，反而更难修复由于 AI 造成的 Bug。 AI 时代，既有机会又有挑战，AI 生成的代码不意味着质量就是高的，反而需要从设计、开发和测试各个阶段更加注意质量的管理。 系统设计就要考虑到 AI 的因素，比如选择 AI 熟悉的技术框架，比如适当的模块化隔离，让 AI 更容易得到完整的上下文。 开发时，不是生成代码就完了，需要配合人工的代码审查，需要写配套的自动化测试代码，甚至更多采用 TDD（Test Driven Development，测试驱动开发），先写测试再让 AI 实现。 测试阶段，不仅要对功能测试，也要注意安全测试、性能测试，毕竟 AI 不会过多考虑安全性、性能这些因素，一不小心就可能埋下大坑。 如作者所言：“AI 来了，测试也需要开辟出新的模式，设计出更好的更适合 AI 的质量管理策略”

Today's Education Isn't Built for Tomorrow’s Digital Workforce: thenewstack.io/todays-educati… 来自 @thenewstack

Shift-left FinOps-- Why FinOps Belongs in Your CI/CD Workflow: thenewstack.io/why-finops-bel… 来自 @thenewstack

Platform Engineers Must Have Strong Opinions: thenewstack.io/platform-engin… 来自 @thenewstack #platformEngineering

LoL

Gen AI increase developer productivity, but also give more task for tester and security (via @Pocket) thenewstack.io/will-generativ…

Also the stages of software development 😂

Vi skal vænne os til svingende boligrenter: Især to grupper vil mærke det dlvr.it/T16wwG