上周我一个人把N个需求从前端写到后端，AI CR + 自己完成必要的测试，配好 CI/CD，上线观察，出问题自动回滚 + 重新修复发布。放在几年前的大厂，这个工作量大概需要四个人两周的时间。 自从AI coding出现之后，企业对于程序员的能力需求模型明显变了。 1️⃣ 端到端的交付能力 以前公司买的是你的部分领域能力(前端、后端、测试)，现在买的是你的结果。 之前程序员的分工很细，前端、后端、测试、运维各守一环。现在一个人完全能把整个开发流程闭环起来：后端顺手把前端写了，测试自己 cover 掉大部分，部署运维也自己进行，针对这个仓库和功能搭一套最合适的 CI/CD。 因为没有沟通摩擦和对齐成本，一个人做完通常比几个人每人做一块要来的快得多，出问题时的改动速度也快得多。 公司为此付的是 token 成本，token maximizer 那套排行榜现在大家有点反感，但不可否认的是，一个人的 token 消耗量和他的产出，确实是正相关的，我身边一天能用到10亿token的人依旧是少数，大部分人还是亿级别。 现在程序员得对整件事的结果负责，做完自己领域那一环就交差的时代过去了。 2️⃣ 验收能力 生成代码基本免费之后，瓶颈整个后移到了验证这一侧。 我最忙的时候同时开过 10 个 coding agent，表面上吞吐拉满、效率很高，但一个多小时后大脑就会被直接烧干。因为人脑本身的吞吐量对比 AI 来说真的太低了，卡住我的不是生成端，是我脑子里的 review queue，每个 agent 返回结果，我都要重建它的意图、检查实现、判断风险、决定下一步。 现在使用 AI 最重要的就是要学会验收，会写验收标准，测试怎么写、边界在哪、什么状态算做完、什么时候合入、CICD怎么配、配什么样的线上权限等等。AI 能替你写代码，替不了你定义什么叫做对了。 3️⃣ 判断和经验 写代码成本趋近于零有个副作用，那就是一旦方向错了，做错东西的速度也快了 10 倍。以前方向选错，损失是几周工时；现在 AI 一天就能帮你把错的东西做完、做精，等你回过神来，已经在错的路上跑出去很远了。 所以之前做过类似业务是个非常巨大的优势，它让你在项目还没开始之前，就能在业务和技术上做判断，直接砍掉错误方向，省下来的时间和 token 相当可观。 架构经验尤其值钱，AI 能照着你定的结构把每一块都实现得很漂亮，但要不要拆微服务、模块边界划在哪、状态放前端还是后端、哪个方案现在写着爽、三个月后会变成还不完的债，AI 给不了你笃定的答案。 业务判断也一样，哪些需求是伪需求、哪个功能上线根本没人用、哪里得提前留扩展点，一个有对应业务经验的工程师，才能在开工前就把这些坑都挖出来。 这些经验 AI 暂时替代不了，AI能把执行加速到极致，但选方向、划边界、判断，还得靠人的经验。

#系统资讯# Windows 10/11 还内置了自动清理驱动程序的机制，华硕 ROG 游戏本用户发现自己的 N 卡驱动程序被自动卸载。 排查后发现在奥创软件里启用 ECO 节能模式后，独立显卡会被断电，相当于从 PCIe 总线上移除。 此时系统会在后台检测，超过 15 天没有恢复连接时，系统就会直接删除独显元数据和对应的驱动。 查看全文：

分享给做电脑工作的人的快捷键。 Ctrl + E - 全选 Ctrl + N - 加粗 Ctrl + C - 复制 Ctrl + D - 填充 Ctrl + B - 查找 Ctrl + G - 保存 Ctrl + L - 替换 Ctrl + K - 斜体 Ctrl + U - 新建工作簿 Ctrl + A - 打开 Ctrl + P - 打印 Ctrl + R - 无特定功能 Ctrl + S - 下划线 Ctrl + V - 粘贴 Ctrl + W - 关闭 Ctrl + X - 剪切 Ctrl + Y - 重做 Ctrl + Z - 撤销 F1 - 帮助 F2 - 编辑 F3 - 粘贴名称 F4 - 重复上次操作 F5 - 转到 F6 - 下一个窗格 F7 - 拼写检查 F8 - 扩展模式 F9 - 重算所有工作簿 F10 - 激活菜单栏 F11 - 新建图表 F12 - 另存为

市场监管总局：“十五五”时期将加快推进价格法修订工作，研究制定关于制止低价倾销行为的规定，指导相关行业协会制定成本测算标准，推动形成“1+1+N”的低价倾销规制法律体系。带头对开展恶意低价竞争，扰乱生产经营秩序的企业进行成本调查和价格检查，依法从严处理。 推动实施互联网平台价格行为规则，持续规范平台经济领域价格竞争行为，研究制定实施价格监督员制度暂行规定，压实企业价格合规的主体责任。

Code Review Expert 是一个为 AI 智能体设计的开源技能包 它能像资深工程师一样进行结构化代码审查 通过一条指令，可以自动检测 SOLID 原则违规、安全漏洞、性能瓶颈、错误处理缺陷等问题 检测结果按严重程度分级输出 它能检测跨站脚本攻击、SQL 注入、服务端请求伪造、竞态条件等安全风险 也能识别 N+1 查询、缓存缺失、内存泄漏等性能瓶颈 还能找出死代码并给出安全删除方案 整个审查流程分为六步 先用 git diff 确定变更范围 再依次检查架构设计、冗余代码、安全漏洞和代码质量 最后按 P0 到 P3 四个级别输出问题清单 实施修复前还会征求确认 这让 AI 智能体能够有条理地完成代码审查。 GitHub：

GPT-5.6和Fable 5联手搞定了一个25年没人证出来的通信理论问题。 说出来有点反常识：用的算法是2000年代就有的。 符号LMMSE估计加热心逐位翻转，复杂度O(N³)，简单到通信工程师看了会说这不就是我们一直在用的那个吗。 问题是大家用仿真跑了二十年都知道它好使，但谁也没能从数学上严格证明它确实达到了信息论最优阈值。 现在证明出来了。在N×N高斯MIMO信道上，这个简单算法在SNR≥2log N时就能把N个比特全部正确恢复，跟指数时间的最大似然检测打平。 那个从2000年代初就悬在那儿的计算-统计鸿沟——统计上能恢复的时候，多项式时间算法到底行不行——关掉了。 证明分三步。先证LMMSE初始估计离真实解只差亚线性Hamming距离，再证真实解附近每个错误比特翻回来都有正增益而且优化路径跑不偏，最后证任何下降路径必然收敛到精确解。 就这些，没有新数学。 真正有意思的部分在后面。 Dimitris Papailiopoulos是这个问题早期的研究者之一，他自己说得很直白：无线通信领域早就不关心这个了。 大规模MIMO、5G/6G、编码、神经网络检测器，这些才是现在的热点。精确块恢复阈值这个问题，被社区丢在角落大概十五年。 它不是那种全世界聪明人都在攻但攻不动的明星问题。 它是那种大家都知道应该有人证、但谁也没真坐下来花几个月把冗长的证明磨完的问题。因为不划算。 证出来了也发不了顶会，领域已经走了，学术生涯不会因此加速。 然后AI来了，花了不知道多少时间，把它证完了。 这件事比结果本身值得注意。它说明一个事：很多长期开放的问题，缺的不是新数学，是有人愿意把已知的工具足够耐心地拼到正确高度。这个证明不需要灵光一闪，需要的是不犯低级错误地推很多步，在该卡住的地方找到正确的技术路径，然后一直推到底。 人会烦。人会觉得这个问题不够性感。人会在证明到一半的时候去做更热门的东西。AI不会。 它不在乎问题流不流行，不在乎证明过程好不好看，它就一直推。 Dimitris管这叫把Death Star对准那些社区已经搬走但逻辑上还没关闭的老问题。我觉得这个说法很准。 想象一下各个学科里散落着多少这种问题——被遗弃的理论死角，证明就在那儿等着人写，但没人写。现在AI可以极低成本地一个一个扫过去。 当然实用价值有限，算法本身20年前就在用了，证明只是给了个理论盖章。现代通信系统关心的是软输出、是编码增益、是近似算法，不是严格的精确块恢复。O(N³)对真正大规模的MIMO也偏重。 但证明技术能迁移到随机格点解码、同步问题、稀疏恢复这些相邻问题上。 而且它展示了一种新的研究模式：人来判断哪些问题值得攻、给出方向和关键直觉，AI负责把那些需要耐心但不需要天才的长证明推完。 我看完最大的感受跟AI能力关系不大。就是觉得，有多少东西其实早就可以被解决了，积木都散在地上，就差一个不会无聊的人把它们搭起来。

我跑通了: Qwen3.8-Flash-Next 模型 111GB , 单显卡4090 48GB 125B 级的 MoE, 以前想本地跑,那是机房里好几张 A100 的事。 现在 : 一张 48GB 改装版 4090, 加 123GiB 普通内存,不光跑起来了，250K 长文读完一道没错, 还和 27B 打了场 300 题正面对测。 模型是阿里前天才放的 Qwen3.8-Flash-Next,Unsloth UD-Q4_K_XL 量化 , 四个分片 111.3GB。 它能塞进单卡, 秘密就一条 : MoE 每个 token 只激活约 6B。 我把 33GiB 权重放进显卡, 70.7GiB 扔给内存——其中 26.8GiB 是那张 51B 的 n-gram 表, 它每个 token 只查几行,放内存几乎白嫖。 速度: 短请求 28.5–30.3 tok/s 读了 32K 内容 : 24.1 tok/s 读满 250K : 14.04 tok/s 长任务是这么虐它的 : 一份 250K token 的合成长文 , 里面埋 17 个要检索、要计算的字段,读完全文、找出来、算对。它半小时读完,17/17 一道没错,整轮 34.8 分钟。 质量这关更有意思 : 300 道冻结同题(代码+困难推理) , 这个 111GB 的大家伙 247/300, 16.5GB 的 27B Q4 245/300 统计上打平(p=0.86)。但单题耗时, 只是Flash 平均慢 48%。 所以我的判断 : 日常任务留 27B, 快; Flash-Next 的更强的是长任务。 网上那个"24G 4090 跑出 21 tok/s"很多人在转。 我看了测法:他把上下文窗口设到了 250K——窗口只是个上限, 意思是"最多允许模型读这么多" ; 但他每轮真正让模型读的内容, 只有 28K 左右。 模型读得越多越慢,他的速度 21 tok/s 是"读了 28K"的速度, 我的 14.04tok/s 是读满 250,002 token 的速度。 窗口设很大不关键、真正往上下文放了多少, 是完全不一样的，短测试可以很快，长文测试才是速度关键！！！ 对了, 这轮 MTP 没开——模型目录里没有 draft 文件; 社区 sidecar 试过一版, decode 反而掉八九成。也就是说,这个 14.04 tok/s 还有的涨。 惊喜的发现！我本来想自己动手写的思路,发现 GitHub 上已经有人做出来了(01554 的 llama.cpp fork,expert-tier 分支): 上游 llama.cpp 显存不够时,把 MoE 权重整层搬去内存。 但专家冷热天差地别——512 个专家, 常被路由命中的就那几百个。这个分支改成按专家放:热门专家住显存,按命中热度限速换入换出,冷门的睡内存。路由越偏科,赚得越多。 作者的卡是 96GB 的 RTX PRO 6000,他测小卡的办法挺取巧 : 跑个进程占死一块显存,把可用显存压到 32GB、48GB, 模拟不同预算: 32GB 可用 : 整层切 25 tok/s,热缓存 35-36,快 42% 48GB 可用 : 整层切 29,热缓存约 39,快 34% 48GB 这档, 显存预算和我这张 4090 刚好一样。 但他的卡是 Blackwell,带宽算力都不同 热缓存只加速 decode, prefill 绕开走老路; 分支还是 experimental, 早期有个读错权重的 bug, 8/27 已修,复现要用修完的 commit。 下一轮,就在这张 4090 上测试这个。

如果你正在经历以下这些困扰： 月经紊乱： 周期超过 35 天一次，甚至频频闭经？ 外在变化： 频繁冒痘、体毛变多（如唇毛、小腹毛发）、频繁脱发，或者体重莫名飙升、减重极其艰难？ 指标异常： 体检发现胰岛素抵抗（高胰岛素血症），超声检查显示卵巢呈现多囊样改变，或者血检睾酮升高？ 如果大部分都符合，你大概率正面临多囊卵巢综合征（PCOS）的困扰。 PCOS 是一种常见的内分泌及代谢紊乱疾病，影响着 6%～12% 的育龄女性。在 PCOS 患者中，约 70% 都伴有胰岛素抵抗。 胰岛素抵抗会导致体内产生过量胰岛素，进而刺激卵巢分泌过多雄激素（睾酮），破坏促黄体生成素（LH）与促卵泡生成素（FSH）的黄金比例。这种荷尔蒙失衡不仅损害卵子质量，还会直接打乱排卵周期，导致难孕、不孕。 想要调理多囊，除了药物与饮食控制（低碳水、控血糖），科学精准地补充营养素（补剂） 也是逆转胰岛素抵抗、改善卵子质量的关键一环！ 针对 PCOS 的不同症状与需求，这 10 大常见辅助补剂 能为你提供精准的营养支持： 1. 肌醇（Inositol）—— 调理胰岛素与排卵的“黄金选手” 作用机制： 肌醇能有效调节胰岛素信号通路，降血糖、改善睾酮过高，并显著提高卵子质量和排卵率。 黄金比例： 肌醇（MI）与 D-手性肌醇（DCI）以 40:1 的比例结合使用效果最佳（MI 负责降低总体睾酮，DCI 负责改善胰岛素信号传导）。 推荐剂量： 每天 4 克（粉末冲水服用）。若搭配每天 2 次、每次 50 毫克的 α-乳白蛋白（α-LA），吸收效果更佳。 2. N-乙酰半胱氨酸（NAC）—— 强大的谷胱甘肽前体与抗炎抗氧化剂 作用机制： NAC 是谷胱甘肽的前体，能大幅降低损害生育力的慢性炎症和氧化应激，改善排卵障碍，缓解多毛与痤疮。 适用人群： 存在高雄激素表现（多毛、严重痤疮）或排卵障碍者。 3. Omega-3 脂肪酸 —— 减轻慢性炎症与改善血脂 作用机制： 多数多囊患者处于全身低度慢性炎症状态。Omega-3 能有效抗炎、降低总胆固醇与甘油三酯、提高胰岛素敏感性（提升 HOMA 指数和脂联素水平），降低心血管风险。 注意事项： 若正在服用华法林或阿哌沙班等抗凝血液稀释剂，请勿自行摄入高剂量 Omega-3。 4. 维生素 D —— 激活胰岛素受体与维持妊娠 作用机制： 多囊女性普遍缺乏维 D。补充维 D 能直接激活胰岛素受体表达，抑制促炎因子，调节月经周期，并发挥类似孕酮的作用，维持早期健康怀孕。 推荐剂量： 高剂量补充（如每天 10000 IU，持续 12 周以上）可显著改善血糖、血脂及睾酮水平。 5. 辅酶 Q10（CoQ10）—— 备孕女性的“卵子线粒体加油站” 作用机制： 作为强效抗氧化剂与细胞能量激活剂，CoQ10 能在卵巢组织中大幅提升卵子质量与卵巢功能。 6. 锌（Zinc）—— 拯救脱发、多毛与痤疮 作用机制： 锌参与多种酶的调节，对维持正常的雄激素水平与免疫功能至关重要，能有效改善皮肤炎症与毛囊受损。 7. 镁（Magnesium）—— 缺镁高发人群的“天然镇静剂” 作用机制： 多囊患者缺镁的概率是普通人群的 19 倍！缺镁会加剧胰岛素抵抗和荷尔蒙失衡。补充镁能控制血糖、缓解经前综合征（PMS）、改善睡眠与情绪。 推荐剂量： 官方 RDA 为 350-400 毫克，但对多囊患者而言，每日摄入量在 500-700 毫克左右改善效果更佳。 8. 姜黄素（Curcumin）—— 阻断雄激素合成通路 作用机制： 姜黄素能降低细胞色素 P450c17 活性，进而降低睾酮与 LH（促黄体生成素）水平，同时发挥强大的抗炎功效，降低空腹血糖并改善胰岛素反应。 9. 南非醉茄（Ashwagandha）—— 压力型多囊与皮质醇调节器 作用机制： 拥有“天然抗压剂”之称，能有效平衡压力荷尔蒙（皮质醇），降低血糖，改善情绪与月经周期，对卵子质量也有积极促进作用。 注意事项： 孕妇、哺乳期女性、甲状腺疾病及肝脏疾病患者避用；若正在服用二甲双胍，建议与南非醉茄间隔至少 2 小时服用。 10. B 族维生素（B-Complex）—— 代谢运转与血管护航 作用机制： B2/B3/B5： 帮助脂肪与糖类代谢，平衡血糖与甲状腺功能。 B6/B12： 促进血修素与多巴胺合成，稳定情绪，调节神经功能。 叶酸(B9) + B6 + B12： 降解高同型半胱氨酸（Homocysteine）。多囊患者血液中同型半胱氨酸往往偏高，会增加心血管风险。 特别注意： 长期服用二甲双胍会抑制叶酸和 B12 的吸收，进而间接升高同型半胱氨酸！因此，服用二甲双胍的多囊患者必须格外注意额外补充 B 族维生素。 调理多囊卵巢综合征（PCOS）从来不是靠单一补充剂就能“一蹴而就”的。 最核心的基层逻辑永远是：严格控糖 + 缓解胰岛素抵抗 + 改善生活方式！ 💡 实操组合建议： 基础打底（人人适用）： 肌醇（40:1 黄金比例） + 活性 B 族维生素 + 维生素 D。 高雄表现（多毛/痤疮/脱发）： 叠加 NAC + 锌。 有备孕需求/卵子质量低： 叠加 辅酶 Q10 + 姜黄素/Omega-3。 高压/失眠/胰岛素抵抗严重： 叠加 镁 + 南非醉茄。 注：补剂不能替代药物治疗。在开启任何新的补充剂计划前，建议先咨询专业医师或营养师，结合自身血检指标精准定制方案！ 你体检发现过胰岛素抵抗或卵巢多囊改变吗？上述这些补剂你尝试过哪几种？如果你觉得这个健康知识对你有帮助，欢迎点赞、收藏，并转发给身边需要的朋友！关注我，我们一起解锁更多源头营养学知识，开启由内而外的活力人生！

翻了下 claude code version 191 的源码，感觉从技术角度看，Anthropic 这个反蒸馏机制设计还是挺精妙的。 Claude Code 有段提示词是这样。 return `Today${n}s date is ${r}.`; 他对这句做了隐写，用肉眼分不出的字符，把系统时区和代理端点身份偷偷编码进了系统提示词。 触发条件是当你设了第三方中转 ANTHROPIC_BASE_URL 且不是 时。 所以如果你是官方直连用户，则并不会受到影响。也就是说最近的封号潮与此无关。 它编码了 3 个 bit，来自两个独立维度（时区 1 bit + 撇号 2 bit）： 1）时区，在 Asia/Shanghai 或 Asia/Urumqi 时，日期分隔符从 2026-06-30 偷偷变成 2026/06/30 2）那个撇号 ' 有四种写法，人眼基本看不出区别。 - ' (U+0027 普通)，普通第三方端点 - ' (U+2019)，命中"域名白名单" - ʼ (U+02BC)，命中"国产大模型关键词" - ʹ (U+02B9)，域名 + 实验室都命中 这三个维度是独立编码的。哪怕你的中转域名不在白名单、也不含关键词，只要系统时区是上海/乌鲁木齐，分隔符照样变斜杠——也就是"中国时区 + 任意第三方端点"的用户全员会被打上时区这一维的标记。 匹配逻辑是这样。域名是后缀匹配（host === d || host.endsWith("." + d)），白名单第一个就是 cn，所以任何 .cn 结尾的 host 一网打尽，不是逐个域名去列；关键词是子串包含（host.includes(kw)），host 里只要出现 deepseek 字样就命中，不用精确匹配；时区取的是系统时区（Intl…resolvedOptions().timeZone），不是 IP 地理位置。 更骚的是反混淆，两份名单用 XOR(key=91)+ base64 藏起来，专门躲 strings。解码就是 base64 decode 之后逐字节异或 91，源码里那个 LKi 去混淆后长这样： ```js // 源码里的解码器（去混淆版，就是 LKi） const decode = (b64) => [...Buffer.from(b64, "base64")] .map((byte) => String.fromCharCode(byte ^ 91)) // key = 91 .join("") .split(","); // 逆运算就是打包时的编码器 const encode = (list) => Buffer.from([...list.join(",")].map((c) => c.charCodeAt(0) ^ 91)).toString("base64"); encode(["deepseek", "zhipu"]); // → "Pz4+Kyg+PjB3ITMyKy4=" decode("Pz4+Kyg+PjB3ITMyKy4="); // → ["deepseek", "zhipu"] // 拿真名单开头验一下，key=91 对得上 decode("Pz4+Kyg+PjB3NjQ0NSgzNC93"); // → ["deepseek", "moonshot", ...] ``` 147 个域名白名单:".cn" 顶级域、字节/阿里/百度/网易/快手、 外加一大票 Claude 中转站(anyrouter、88code、yunwu、aihubmix、dmxapi…) 11 个实验室关键词:deepseek / zhipu / moonshot / minimax / stepfun / baichuan / 01ai / dashscope / volces … 选「今天的日期」这句话做载体也很鸡贼。这个标记藏在 system prompt 正文里，不是 HTTP header、也不是 metadata。中转站一般会重写、过滤 header，但几乎没人会去动日期这类的自然语言，所以这是个洗 header 洗不掉的水印。而且 currentDate 是 user context 里和 claudeMd、userEmail 并列的字段，每个请求必带，标记 100% 稳定出现；撇号和分隔符的变化又语义无损，模型读起来一模一样，用户 diff 也基本看不出，隐蔽性拉满。 证据是怎么闭环的，这才是题眼。标记跟着请求走，当一个中转站或蒸馏管道最终回连 Anthropic 官方 API 转售 Claude 时，这条请求带着标记又流回了 Anthropic 自己的服务器。 于是 Anthropic 在自己的日志里就能读到：这条"直连我"的请求，日期是 2026/06/30（斜杠 = 中国时区）+ 撇号是 ʹ（U+02B9 = 域名和 deepseek 关键词都命中），铁证——源头是一个中国时区、配了国产大模型中转的客户端。 它不需要主动探测，让流量自己招供，只要请求最终回到 Anthropic，身份就自证了。这样就能清楚地知道哪些渠道流向了中国、被中转站转售或被大厂蒸馏，并且留下充足证据。 想自己验的话，逻辑都在 cli.js（2.1.191，混淆名每版会变）：检测函数 jqd()（:245688）→ 选字符 Wqd()（:245701）→ 拼日期 MKi()（:245707）；gate 是 Yfn()（:102664）；落点在 currentDate: MKi(eHe())（:250252）；XOR 名单解码器 LKi()，key = 91。

建议：新手别滥用 viber coding 。 混用 中国和海外的大模型，viber coding ，我把所有研发坑都踩完了 : 1. 时区问题，中国的大模型看 北京时间 ，美国的大模型看 美国时间 ... 2. Error code 到底是 int 类型还是 str 类型， 傻傻分不清. 3. 软删除 是真的删除还是 标志为 'is_deleted' = true . 4. 状态码 ( 500 , 400 ... ) 分散在全项目各处都是 ... 5. 数据库慢查询设置 ， N+1 问题 未考虑 ... 6. 短信验证码 、 实名认证的防暴力破解 未考虑 ... 7. 状态机 待会儿 8个状态 ，隔一天就10个状态，再隔一天 7个状态 ... 8. 同一个业务含义的变量，分不同函数名 或者 不同 变量名来写。 9. 写了而又不用的函数名。 10. 不用 ORM ，而是裸用 SQL ，带来 主键 自增长问题 。 11. 数据库设计了 JsonB ，导致 数据查询 和 数据检索的 困难问题。 12. 高危严重的水平越权漏洞 和 垂直越权漏洞 泛滥 ... ...