lucloner

@seanwei001 关键问题不是飞起来。而是飞的过程中如何避免风险。这种设施只能正晴天微风情况下起飞，一旦变天就只能祈祷好命了。飞的关键好处是可以无视地形，风险恰恰就是地形造成的空气流动很难预计。玩具而已。

日本学生发明家酒井风莎设计的飞行自行车实现了脚踏驱动飞行。

@Nancyshanghai 假文。什么也没说。现在这个时代还有【不明病原体】。仓鼠寿命就1-2年，女方还要十月怀胎，那这种瘫痪算是【急冻症】了。这种研究一下大概可以得不少奖。

新婚两年双双瘫痪，足月宝宝夭折，源头竟是家里常养的仓鼠，看完一定要警醒 2024年婚礼上的两个人，郎才女貌，满眼都是往后平淡度日、相守一生的憧憬。谁也想不到，短短两年时间，人生骤然跌入谷底，年轻夫妻双双瘫痪在床，生活彻底不能自理，满心期盼的孩子，最后也没能留住 小两口婚后生活安静简单，便在家里养了一只仓鼠作陪伴。平日里亲手喂食、清理笼舍，喜欢贴身把玩，还把仓鼠笼子长期放在卧室近距离相伴，从来没往安全隐患上多想，总觉得小小的宠物温顺干净，不会有什么问题 变故来得毫无征兆 一开始只是丈夫身体出现异常，走路发飘、脚下无根，手脚使不上力气，手里的碗筷常常莫名滑落，说话渐渐含糊迟钝，连正常吞咽都变得吃力。起初只当是工作劳累、身体透支，想着休养一阵就能好转，没想到症状一天天加重，完全不受控制 没过多久，妻子也出现了一模一样的身体反应 两人辗转多家三甲医院，做了一轮又一轮深度检查，最终被确诊为罕见自身免疫性神经系统疾病 这种病症十分棘手，会慢慢侵蚀人体中枢与周围神经，造成不可逆的运动神经损伤。慢慢发展成肢体僵硬麻木、肌肉不断萎缩，最终彻底瘫痪，目前医学上没有根治方案，只能终身依靠药物控制、康复理疗来维持基本状态 医疗团队仔细复盘两人生活轨迹、逐一排查诱因后高度判断： 长期和仓鼠近距离密切接触，它身上的毛发、皮屑、排泄物当中，携带隐匿的人畜共患病微生物与不明病原体，长期吸入、贴身接触，诱发了人体免疫系统严重紊乱，最终触发了这场罕见的同步发病 很多人总以为瘫痪只是不能走路，真正深陷其中才懂，每一个日常细节都是无声的煎熬 四肢早已不受大脑支配，想抬手、转头、侧身翻身，都拼尽全身力气也做不到；整日困在病床或轮椅上，腰背和四肢长期受压，酸痛麻木无时无刻不在，却没办法自己挪动分毫 最遭罪的是日常吃饭。吞咽神经严重受损，只能进食软烂流食，还要旁人一小口一小口小心翼翼喂入，只要节奏稍快，立刻剧烈呛咳，胸口憋得发闷，满脸通红，眼泪止不住往下淌，一顿饭下来，身心都是折磨 每天的康复训练更是钻心刺骨。僵硬萎缩的肢体被专业器械强行拉伸舒缓，每一次发力都牵动全身神经，只能死死攥紧床单，咬着牙强忍剧痛，浑身冒汗，却连一句完整的疼都无力说出口。曾经随手就能散步、拥抱、做饭的普通日常，如今成了遥不可及的奢望 压垮这个普通小家的，还有看不到尽头的医疗开销 专科深度检查、长期对症药物、住院理疗、24小时护工照料，每一笔开支都不是小数目。两人刚组建家庭，本就没有多少积蓄，双方老人掏空一辈子养老钱，四处奔走拼凑，也填不上医疗开销的无底洞，普通工薪家庭根本扛不住这样长期消耗 命运的重击还没有停下 生病期间，妻子意外怀上了孩子。医生再三严肃叮嘱，以她当下的身体状态，怀孕风险极高，大人和胎儿都随时面临危险。可身处绝境的夫妻俩，早已把这个未出世的孩子，当成了灰暗生活里唯一的盼头，还是执意想拼尽全力留住这份希望 整个孕期，妻子几乎全程卧床保胎，天天打针吃药、定时监测胎心，拖着残破虚弱的身体苦苦硬撑，好不容易熬到足月。满心期盼奇迹降临，最终还是没能留住这个小生命 小小的生命匆匆来过，又匆匆离去。妻子连伸手抱一抱自己孩子的力气都没有，只能静静躺在床上，眼神空洞落寞，丧子之痛叠加重病瘫痪的绝望，成了心底永远跨不过的伤痛 这件事抛开悲情故事本身，其实给所有人都上了一堂值得深思的健康科普课 很多人偏爱仓鼠、龙猫、小兔这类小众小宠，觉得体型小、性格温顺、干净无虞，实则这类小动物，都有可能携带肉眼看不见的隐匿微生物、寄生虫和人畜共患病原体，外表看不出任何异常，隐患却一直存在 不要把宠物笼子长期放在卧室，不要频繁贴身把玩、徒手直接清理排泄物；打理完笼舍、接触过宠物之后，一定要认真洗手、做好卫生隔离，千万不能凭直觉大意疏忽 同时也要提醒所有人：很多罕见神经系统疾病、免疫类疾病，初期症状很容易和疲劳、亚健康混淆，容易被人忽略 一旦出现不明原因肢体无力、走路飘忽、反应迟钝、吞咽不畅等异常，一定要尽早做系统检查，避免拖成不可逆的身体损伤 平时多积累一点基础健康常识、多了解常见病例的早期信号、多掌握人畜共患病的基础科普，从来不是杞人忧天，而是给自己、给家人筑牢一道安全防线 世间最大的幸福，从来不是大富大贵，而是无病无灾、身心安稳。很多悲剧都不是突然降临，都是日常一次次不起眼的疏忽，慢慢埋下的隐患 喜欢养宠物无可厚非，但一定要守住科学饲养、卫生防护的底线 好好爱惜自己的身体，重视身体发出的每一次小信号，懂得敬畏健康、敬畏未知风险，才能守住平凡日子里最珍贵的安稳

@manateelazycat 过得了。patchwright，如果还不行就不使用headless模式。

做操作系统我是专业的...看到网上的AI方案，其实最大痛点都没解决😅 玩 Agent 的最大痛点就是过不了 Cloudflare... 很多好用的资源网站，都给你套上这层防护，Agent碰不到，资源就获取不到 网上有额外花钱的方案，但是！没必要啊，20年老程序员，完全可以自己搞定的😎 小龙猫接下来开发的核心就是：把浏览器搜索彻底搞定（无限制全自动浏览器代理，能过Cloudflare验证） 无论是 Skill 还是 MCP，这是所有 Agent 能力的基础，这个没搞定，其他都是花活.. 有了这个，Agent 才能去网上检索信息、获取资源、解决问题。真正帮你干活，真实帮你去网上找资料，总结，提升效率，获得信息差，再配合上私有云生态，直达到私有云盘，这才叫AI OS好吗？ 我们已经做到了，只差发布。安装两分钟，立刻开始工作 想免费体验小龙猫 + 各种场景 Skill/MCP吗？只需 Deepseek V4，就能流畅运行。 评论区打1，我免费分享给你，私信别漏了

@Blind___Gamer 假的 电瓶车应该不够驱动地感线圈

带你们看看送外卖碰见没有门卫的小区该怎么办？

@baibaida @servasyy_ai Dijkstra这东西哪有实时计算的，起点目标会缓存，录入时就会增加路径信息，修改时也会触发更新。剩下就是实时交通信息为每个节点增加修正，每次导航大约3选1吧，不会搞得太复杂。毕竟算力这东西前几年比存储贵多了，搞几个硬盘的事而已。

@servasyy_ai 我们组上个月还在为地图导航的路径搜索调Dijkstra 用户卡半秒就投诉 真能商用我们就能少改三版PRD了

41 年了，Dijkstra 一直没被真正打破。 直到现在。 清华大学团队刚发布了一种新算法，目标就是路径搜索。 这套技术背后，和 Google 地图、航班调度、互联网路由有关。 过去大家都卡在一个问题上： 想更快，就绕不开“排序”。 而排序本身，就是瓶颈。 但这次，研究者换了思路。 他们没有把所有点都排序完， 而是先找出更可能的路径，再逐步精炼。 最后，他们把复杂度做到 O(mlog⁡2/3n)O(mlog2/3n)。 这意味着什么？ 在超大规模网络里，理论上的速度上限，被往前推了一步。 它还不会立刻改变你手机里的导航。 但算法界的规则，已经开始被重写了。

@imwsl90 不复杂。不过git是对电脑更友好而不是人类。确切地说对gnu/linux友好。期待以后的ai吧。

有没有觉得git其实非常复杂？

@birdhk3 @imwsl90 找的麻烦多了，麻烦也只能看到你绕开走。柿子都挑软的捏呀。

@lucloner @imwsl90 我觉得你可能不了解我们这种开发的潜在风险，没人用wsl，也不是docker部署，使用不一致的环境开发纯粹是自找麻烦。

刚帮一位老铁远程，极不情愿的进入到了Windows 准备在Linux下面安装个虚拟机Windows，有什么推荐的嘛？

@birdhk3 @imwsl90 wsl也是容器而已，出问题删了重建也可以，挂载镜像编辑也可以。发布的话得打包成商店应用。额，我觉得，你需要搞清楚需求，虚拟机在Windows下是不如wsl效率的，如果自己用推荐wsl。发布给别人推荐docker。就是一个子系统和windows重挨不着

@lucloner @imwsl90 你这复杂度……完全没必要冒着环境不一致的风险折腾这么一大堆啊，而且，虚拟机一个人弄好别人拷过去就能用了，出了问题重做一个也是全新可控的，wsl怎么搞？把Windows都重做了？

@birdhk3 @imwsl90 centos有的，什么linux都可以有。wsl就是一个微软定制的linux核心，这个不能改，然后系统就是rootfs.tgz，导入一下就好了。如果要商店版本需要下载VS自签名搞张商店开发证书，再打包就可以变成商店版。具体去读下文档呗。

@lucloner @imwsl90 尝试过wsl，发现不如虚拟机好，文件格式不一样，不能最大化利用Windows，而且目标主机是centos，wsl没有的。

@birdhk3 @imwsl90 wsl就好了。wsl2还有wslg支持图形界面。wayland不知道，x11肯定是可以的。

@lucloner @imwsl90 这明摆着应该windows上装linux虚拟机的。

@ihtw2003 @lidangzzz 我还是喜欢那种从天而降一击即中的证明方法。这类一吨计算的方法不但浪费生命，而且很可能以后被人优化了。而且这一吨的计算过程也可能被人挖出什么东西。太不爽了。

@lucloner @lidangzzz 完全可以用self-consistency给生成的DAG打分选择最好的，不是穷举。

有一点我必须要告诉你们，这是我去年6月份的想法，我估计Tony Feng他们很快也要抢着做出来了，我这里必须提前在推特上讲一句。 每个数学证明问题，可以拆分成多个lemma，多个lemma相互依赖，最终形成一个DAG（有方向且不成环的图）， 这个DAG的最终节点，就是这个数学题的最终证明。 这样你就可以把一道难度100分的问题，拆分成5~20个难度80分的问题，这样我就可以让5~20个subagent来并行解决。 既降低了难度，还稍微提高了那么一些并行度。 当然你也知道，这种拆分99%是错的，为了暴力破解，减少错误尝试的概率， 同时我会一次性直接生成100个DAG，这样可以让类似100组subagent去证明这些lemma，每组有5~20个subagent，去证明自己被分配的本组DAG里的某个lemma vertex。 最终由本组的agent去完成构成整个DAG，完成验证。 以上都用lean来完成。 同时为了保证整个问题能够准确解决，让至少两个subagent去给这个lemma的证明写review，如果完全没有证明，或者存在任何sorry，则要求subagent去重新解决这个问题。

@biantaifeiwu @pinfan1 会啊，device=himem.sys，device=mem386.exe noems，多64k给umb。

@pinfan1 80后没经历过dos时代，那时他们顶天在上小学，经历什么dos时代？你让他们优化下内存，他们会么？

80后真的很恐怖，他们经历了算盘，计算机DOS，window95，98，2000，XP，7，8，10，11，手摇式电话，拨号电话，大哥大，BP机，蓝屏手机，智能手机···

@manateelazycat 本来以为他们要大战3年，早早就付了年费。好嘛，半年没到就开始缩水。坐等崩盘买二手设备，哈哈哈。

@lucloner 看来鸡蛋不能放在一个篮子里啊

国内大模型厂商除了限购，甚至开始“背信弃义”啦？🤔 算力紧缺到这个地步了吗？

@rwayne 我觉得LLM概率说的人，们，先要搞清楚什么是概率、期望、置信区间，什么是真阴性、假阳性，以及他们的区别。LLM的逻辑能力非常强，甚至比大多数人敏锐。至于【下一层】，确实，它只是一个辅助工具，而且，粒度还比较粗，属于大体可用的程度。

LLM 是更高一层抽象？这说法被一篇博客锤碎了。 博主 Lelanthran 专门反驳满网都在传的那个比喻，从二进制到汇编到 C 到 Python，下一层就是 LLM。这次他不靠观点，直接上函数。 之前每一层抽象都满足公式 f(x) → y，同样的输入跑出同样的二进制产物，汇编 C Python 都这样。 到了 LLM，公式变成 f(x) → P(y | z1 | z2 | ... | zN)，你拿到的是 y 的概率，外加一堆你没要的 z 的概率混着进来。 你让它写个 TODO 应用，它给你 TODO 应用，顺手可能把密钥泄露出去、把服务器开成公开 FTP，你只测 TODO 能跑就放过了。 抽象的本质是确定性，LLM 给的是概率，那它根本不算抽象。

@xxxyyzabbccc @lidangzzz 是啊 现在的llm模型就是向量空间。线性代数学好后知道各种变换还是很有意义的。

@lidangzzz 咋了 我觉得这个课程设置挺好 有人就是对数学感兴趣 而且很多人学完都很开心

广东以色列理工大学，最近开了个“math+cs”专业，中文叫“数学与计算机”， 你点进去一看degree plan，一个“系统编程导论”，一个“数字系统与计算机架构”，一个“计算机组织与编程”，一个“操作系统”，还有几个“数学或计算机科学选修课”， 剩下的全是数学和物理课。 这就是典型的李鬼专业， 招了一堆数学phd当教职当教授，开课全是数学课，计算机的课只有四五门，一大半都是模糊不清的导论。 不得不说，这个学校有一点好，就是纯数学的专业开得非常全，哪怕一个“cs+math”的李鬼计算机专业，数学课居然比绝大多数百年名校数学专业的数学课开得还全面、还完整。 但是如果你奔着学计算机专业的兴趣，选这个专业，那就吃大亏了。

@bkingfilm 这只是【不开挂】的人鄙视【挂】的人而已，和国家没有关系。

说的对，中国人就是喜欢用外挂，没什么好否认的，但很少有人讨论我们为什么会这样？

@lidangzzz 才想起来呀。前年看中6246R，大约8000一块吧，9800x3D才4000。现在3000不到可以买了，可是又落伍了，考虑带hbm的版本……专业货怎么可能比游戏佬便宜。

洋垃圾多核CPU都是从服务器上拆下来的， 虽然CPU便宜，组成一套服务器的成本不低的，包括主板和ECC RAM的成本，而且ECC RAM想买到同容量的是非常、非常、非常贵的。 而且超级多核的总性能也没有太高，因为每个核的性能太低了，虽然不用反复切换process导致不用考虑过高的cache missing。 而且关键是 ，如果你只是在一个server上部署一大堆agent疯狂跑，疯狂消耗LLM API，主要成本压根就在人家OpenAI或者Anthropic的服务器上，本地CPU仨瓜俩枣其实省不省没关系。