发现一个在 3D 地球上看全球航班飞行轨迹的网页小工具。 转动地球就能直观看到跨洋航线的空间弧度与起降航路，输入航班号也能直接看具体飞行路径，视觉质感做得很干净丝滑。 体验地址：

拿出你的手机，随便在聊天记录里找一个表情包，或者在相册里挑一张照片。把两个手指按在屏幕上，慢慢往外拉，拼命放大，再放大。放大到极限的时候，你会发现原本圆润光滑的小猫小狗，边缘开始散落成一格一格模糊粗糙的彩色小方块。 这就是大家平时常说的马赛克。 在我们的日常生活中，绝大多数图片都在用这种方式记录画面。如果把这个过程拆开来看，它跟我们小时候见过的十字绣、或者用乐高像素积木拼图没什么区别。一张布上划分出成千上万个极小的方格，每个格子里填上一抹固定的颜色。只要格子够密，离远看就是一幅漂亮的图画；但只要走近了、或者强行把它拉伸放大，每个小方格的毛边就会无所遁形。这种靠一个个像素点拼出来的图片，就是我们天天打交道的位图，常见的后缀有 JPG 和 PNG。 位图有一个绕不过去的物理缺陷：它里面的方块数量在出厂那一刻就定死了。一张图片原本只有两百个小方块，你非要在超大的高清屏幕上把它拉伸十倍，屏幕只能硬着头皮把每一个原本的小方块放大成大方块，画面看起来自然就全是粗糙的锯齿。 但是，只要回想一下我们在中学数学课上的经历，世界上其实还有另一种完全不同的画图方式。 老师在黑板上画一个圆，他绝对不会拿着粉笔在黑板上点几万个粉笔点。他会从讲台下拿出一把大圆规，铁针扎在黑板正中间，另一只脚拉开十厘米，手腕转一圈，一条完美光滑的圆就出来了。这时候，不管你坐在教室的第一排贴着看，还是把这套规矩放到两层楼高的户外巨型广告牌上，只要圆心在中间、半径是十厘米这条规则不变，画出来的圆永远没有任何锯齿，边缘永远光滑如初。 这种依靠数学规则记录图形的技术，就是大家常说的矢量图，也就是 SVG。 它的英文全称叫 Scalable Vector Graphics，翻译过来就是可缩放矢量图形。它不存储任何塑料方块颗粒，它记录的是那套直尺和圆规的操作口诀。很多人以为矢量图是什么深奥复杂的计算机文件，但如果把它底层扒开来看，它其实就是一份写给电脑看的画画说明书。 这就像你闭着眼睛给一个看不见画面的朋友打电话，教他画画。你绝对不会在电话里告诉他第一排第五百个点是粉色，你会跟他说：在纸的正中间画一个半径三厘米的圆当做脸，在左边画一个小圆当眼睛，在右边画一个小圆当另一只眼睛，在下面画一条弯弯的弧线当嘴巴。 你的朋友听懂了步骤，拿起笔当场在纸上画出了一个笑脸。 平时你用的手机浏览器、电脑浏览器，其实就是那个手里握着画笔的朋友。SVG 文件里装的就是这套大白话般的画画口诀，上面写着在什么位置画一个多大的圆、在什么地方拉一条多粗的线、图形肚子里填什么颜色。浏览器收到这份说明书，就会在屏幕上现场调动芯片，根据当前的屏幕大小重新把线条绘制一遍。这就解释了为什么它永远放大不糊：既然每次都是拿着公式当场现画，屏幕给它多大空间，它就能发挥出多高的清晰度，放大一万倍也像刀削一样锋利。 既然图形完全是由文字指令现画出来的，它就带来了一个普通图片根本做不到的妙处：它在屏幕上不是一张印死了的贴纸，而是一组活生生的零件。 以前软件里用普通图片做图标，就像在手机壳上贴了一张印好的小狗贴纸。如果你哪天看腻了，想把小狗脖子上的项圈从黄色换成绿色，你没有任何办法，只能把贴纸撕掉，重新买一张新的贴上去。但如果图标是用几何口诀画出来的，整个图形就是一个个独立的零件。软件可以在后台随时给这些零件下命令：手指按上去的时候，把小圆的颜色从灰色换成宝蓝；松开的时候，让这个圆在零点几秒内微微放大一圈。不需要重新下载新图片，图形就自然而然地有了生命力。 很多人初次了解矢量图时，还会好奇一个问题：智能手表的屏幕只有指甲盖那么大，客厅的电视屏幕有几十寸那么长，同一份画画说明书怎么能做到在所有设备上都完美适应呢？ 这里藏着一个像相机取景框一样的巧妙设计。 在矢量图的逻辑里，底层的画纸在理论上是无限宽广的，你可以在上面随心所欲画一艘巨大的轮船。但这艘轮船要展示在不同的屏幕上，就需要借助于一个虚拟的取景框。这就好比你手里端着一台单反相机，镜头可以调整距离，把整艘轮船稳稳当当地框进取景范围里。只要把这个取景框定好，无论后面连接的是一块小手表，还是一台巨大的液晶电视，相机框住的内容都会等比例完整投射在屏幕上。图形里的每一个点和每一条线，从此摆脱了现实中具体毫米或像素的束缚，变成了纯粹的比例。 更神奇的是，这种图形还能在网页上玩出很多魔术。 平时在一些科技品牌的官方网站上，经常会看到让人眼前一亮的动效：页面一打开，并没有播放沉重的视频，但屏幕上的产品线稿或者艺术签名，却像有一支无形的钢笔顺着纸面在飞速游走，一笔一画现场生长出来。 这套看似神奇的动效，背后依靠的只是一个极度朴素的物理障眼法，原理就像拉卷尺。 在画线条时，说明书里可以把一条实线打散成带有间隔的虚线，还可以控制整条虚线沿着轨道向前或者向后滑动。工程师先把整幅线稿设置成一段很长的实线、后面连着一段很长的空白。在动效开始前，就像把卷尺往回拉一样，把那段实线顺着轨道硬生生往后拖拽，彻底拖出了屏幕的取景范围。这时候停留在屏幕视野里的，正好是一整段空空如也的空白，画面上看起来什么都没有。 随后，工程师按下播放键，让卷尺用短短两秒钟的时间匀速滑回原位。原本藏在屏幕外面的实线顺着弯曲的轮廓一点点溜回镜头里，在人的眼睛看来，就像是一支神奇的钢笔正顺着轮廓现场画出了整幅图形。 聊到这里，很自然就会产生最后一个疑问：既然这种格式永远不会模糊，体积又小，还能做各种生动的动效，那为什么我们平时用手机拍的风景照、自拍照，依然还是传统的位图格式，而不用它呢？ 答案其实藏在自然界的光影里。 大自然的光影太丰富也太微妙了。一片傍晚的晚霞，天空中从绯红过渡到金黄，中间包含着几百万种极其细腻柔和的色彩变化。如果非要用圆规、直尺和几何多边形去一条一条描绘天空中每一缕云彩的明暗渐变，这份说明书可能得写上几万页、包含几十亿条数学公式。不仅写不出来，电脑芯片在读取计算时也会瞬间卡死。 所以在数字的世界里，图像技术找到了各自最舒适的领地：面对真实世界里复杂、不规则、光影渐变深邃的生活照片，老老实实交给马赛克方块去细腻拼贴；面对人类设计出来的规则图案、产品图标、商标和交互动效，放心地交给用文字写成的几何说明书。 看懂了这层物理逻辑，下次在屏幕上看到那些无论怎么放大都依然锐利的小图标时，你就能明白，那不是一张被动印在上面的静止画面，而是一幅随时等待浏览器当场挥毫作画的数字蓝图。

我很好奇一个问题。 对于免费的软件产品，代码的开源与否对于用户来说重要吗？从个人或者公司层面这里面的最大的顾虑是什么？ 比如Obsidian是免费且不开源的。

面对系统性危机的时候，社会治理其实只有两种极端的运行模式。 一种模式把集体协同当作首选。遇到大风暴，每个人让渡一部分便利，把吃苦当成一种默认的社会韧性储备。这种机制在应对外部冲击时反应极快，动员成本极低。但它走向极端的代价同样沉重，一旦系统习惯了无限透支个人的耐受力，对具体个体的微观痛苦就会变得极度迟钝，甚至视而不见。 另一种模式把个人权利推到最高点。每个人对自己的个人边界寸步不让，任何来自外部的约束都会被当成冒犯。在风调雨顺的和平时期，这种机制最大限度保护了个体的自由和创新活力。可一旦遇到需要全员同步退让的系统级危机，绝对的个人主义就会迅速卡死协同网络。每个人都在防备别人占便宜，最后演化成一个人人自危、相互猜忌的低信任社会。 很多海外技术圈讨论这两种机制时，经常会提到一个很有意思的词：吃苦。 在东亚文化里，吃苦几乎等同于社会底层自带的容错缓冲区。遇到灾难，很多人默认要克制一下，把个人的舒适往后放。而在很多西方文化里，这种让步在观念上很难成立，大家宁可承受系统瘫痪的风险，也不愿意退让分毫的个人权利。 这两种极端其实都面临严重的系统缺陷。 过度强调集体，最后很容易把具体的人当成没有知觉的耗材；过度强调个体，整个社会在遇到大危机时又脆得像块玻璃，连最基础的集体理性都组织不起来。 现实里最困难的始终是寻找平衡。既要有能力在面对风暴时组织起高效的协同，又不能在日常运转中把具体的个体当成代价。可惜到目前为止，还没有哪种系统能真正把这两件事同时处理好。

Cloudflare 人称赛博菩萨，免费无限流量也确实大方，但真拿它当标准 CDN 用，还是有点坑要踩的。 第一是缓存不可控。免费层缓存极度依赖访问热度，哪怕设置了一年不过期，只要几天没人请求，边缘节点立刻删除，照样会回源。 第二是延迟波动大。热门文件几十毫秒，冷门文件经常跑到 150 到 300ms，因为非热点资源不会全网同步。 第三是缺少 Origin Shield 机制。它没办法把全球回源请求收拢到中间聚合节点，冷数据每次都直接打回你的源站。 给个人站套一层做安全和基础加速很省心；但指望拿它当低延迟分发管道挡存储桶账单，源站很容易被穿透，所以要注意这里面的坑。

之前问大家敢不敢让 AI 连服务器做自动化运维，评论区大佬 @ScarletKc 提到了Hatoba 这个开源项目。 它是一个开源的AI终端产品。 最大的特点就是右侧自带了一个AI助手。遇到报错直接读当前屏幕排查，省去在终端和网页大模型之间来回倒腾日志。 另一个特点是多端配置同步完全免费，直接部署到你自己的 Cloudflare 账号免费同步。没有中间商赚差价。 服务器不用额外装探针就能看 CPU 和内存负载，右侧也自带了 SFTP 文件拖拽。 完全开源免费，适合手里有几台 VPS、常年在终端操作，但不想买商业客户端的人。 github： 官网：

自从让 Claude 接手了公司的腾讯云、阿里云、Cloudflare 等账号管理权限之后，世界一下子清净了，所有项目一目了然，大屏实时监测所有项目的运行情况。几个/loop 全天候自动监测运行情况并修复问题，并且云服务费用也减少了一大半。 以前的开发因为自身工程能力问题，所以通过增加云服务器的方式来保持项目稳定运行。但是 Claude 大力出奇迹，能把所有的项目规整得非常好，用非常高效的方式运行，从而大大地降低云服务的费用😂

@realchendahuang glm-5.3 ：“经判断，我认为卸载集群重装是最快的修复方法。（5分钟后）对不起，我不该直接卸载你的生产集群。现在，请你联系后台人员，看看有没有办法恢复回来。”

如果你是第一次买云服务器，一定要重视安全，不然容易被黑客黑进去沦为肉鸡。 推荐这一份葵花宝典，专门用来加固Linux服务器。你直接把它发给AI，让它帮你操作就完事了。 安全规矩立好了，运维的时候才能不烧心。 github：

发现一个极度解压的网站，把全网 100 万个网站首页做成了缩放地图。 像在谷歌地图里看卫星地表一样，鼠标滚轮就能无限缩放漫游。 适合用来摸鱼找网页设计灵感。 网站：

Grok bot连上X后，api资源都不用额外付费了。 也就是说，它可以帮你整理书签、分析你的推文、爬取热门博主的所有帖子和回复，可以帮你做X上的大部分工作，还不用收一分钱。 难怪最近AI回复这么多，擦。

如果你一个人租房独居，生活其实非常简单。 家里缺了一卷卫生纸，你想买就下楼买，买完放进卫生间，顺手在手机备忘录里记一笔：今天花了 15 块。 整个过程只在你一个人的眼睛、脑子和双手之间流转。你绝不会怀疑这卷纸到底买没买，更不会出现同一天自己不知不觉买了五次卫生纸的诡异情况。只要你自己没失忆，你的备忘录和卫生间里的存货永远百分之百对得上。 但只要你找了一个室友合租，这间屋子里的事情立刻就会变得扑朔迷离。 某天下班路上，你在超市看到卫生纸打折，顺手给室友发了一条微信： 纸巾大降价，要不要买？要买回个 1。 消息发出去之后，屏幕没有任何动静。 这时候站在货架前的你，陷入了巨大的两难： 室友是手机静音没看到？ 还是在地铁隧道里没信号根本没收到？ 或者是他其实已经打字回你了，但网络卡顿回包堵在路上？ 你站在货架前等了两分钟，完全不敢擅自做主。 因为如果你擅自买了两大提纸巾扛回家，推开门可能发现室友下午刚刚也买了两大提，卫生间直接被纸巾堆到下不去脚。 但如果你转身空手回家，室友晚上出来上厕所发现没纸，又会埋怨你明明看见打折为什么不顺手捎一件。 你不放心，又给室友补发了一条催问：到底要不要啊？ 恰好这时候室友从地铁口钻出来，手机信号猛地恢复，两条消息同时震动弹出来。他手一慌连点了两次同意。你这边连续收到两次确认，以为家里急缺双份，于是高高兴兴扛了四提纸巾回家。 到了月底对账，两个人坐在客厅，各自掏出手机看账单。 你在自己的手机上记了一笔 60 块，室友在他的账本上记了一笔 30 块。 两个人面面相觑：这笔支出到底以谁记的为准？谁先买的？谁记重复了？ 你仔细琢磨一下这间合租房里发生的破事： 一个人住的时候，秩序是绝对的，做任何决定都确信无疑。 一旦变成两个人合作，中间隔了一条发微信的网络，所有原本理所当然的日常动作，瞬间全变成了充满误会的薛定谔状态。 第一，你说的话对方可能没听见，对方回的话可能在半路丢了。这叫消息丢失。 第二，你发了消息迟迟收不到回音，你根本不知道对方处于什么状态。这叫网络超时。 第三，你因为不放心连发了两遍，对方把同一件事重复办了两次。这叫缺乏幂等性。 第四，你们各自记各自的账本，最后发现数字打架。这叫一致性冲突。 第五，如果室友的手机突然摔碎关机失联了，你一个人还要不要继续采购。这叫节点宕机与容错。 如果把这两个合租室友，换成机房里两台通了电的服务器；把发微信换成网线里的数据包传输；把买纸巾记账换成扣除银行卡里的余额。 这就是计算机领域里天天被挂在嘴边的大词：分布式系统。 很多人刚开始接触这个词，总以为它指的是横跨各大洲的数据中心、几千台服务器集群的宏大架构。 其实分布式系统的本质极其具体：只要有两个独立的程序隔着网络打交道，哪怕它们只是运行在同一台电脑上的两个本地进程，它们就已经构成了分布式系统。 单机单进程的代码好写，就像一个人独居。调用一个本地函数，数据就在内存寻址范围里，要么立刻拿到算好的数值，要么整台机器断电彻底死掉，绝不会产生对方到底执没执行的不确定性。 一旦程序需要跨网络跟另一个程序协同，就等于把代码推进了合租室友的发微信困境。 为了解决这间合租房里的混乱，工程师们在过去几十年里设计了一套又一套规矩。 比如两阶段提交（2PC）。 它就像你在微信群里组织大家聚餐：先在群里发一条消息问大家今晚都有空吗。必须等到所有人挨个回复有空，你才在群里发第二条消息宣布今晚聚餐正式生效。 这套规则逻辑很严密，但致命弱点也很明显：只要其中一个室友手机没电一直不回话，所有人就全得傻坐在原地等，整间屋子立刻陷入瘫痪。 再比如著名的 Raft 和 Paxos 共识算法。 它们就像合租屋里推选出一个公认的管家。平时所有采购和记账，全听管家一个人统一发号施令，其他室友只负责照抄管家的账本。只要管家还在，屋里的账永远不会乱。 如果管家突然手机没电失联了，剩下的室友立刻按照一套预先定好的投票规矩，在几秒钟之内重新选出一个新管家，继续维持整间屋子的运转。 底层系统工程师 Phil Eaton 曾经提出过一个直白的判断： 很多工程师觉得这些共识算法和论文离日常业务太远。但现实是，无论你懂不懂这些理论，只要你的业务规模稍微变大，两台以上的服务器开始隔着网络打交道，你在写代码时就一定会迎面撞上合租室友发微信的所有窘境。 不理解这些成熟模型的人，在处理接口超时、订单重试、跨服务对账时，往往会凭着自己的直觉手搓一套土制逻辑。 这些土制代码在网络顺畅时看起来毫无破绽，只要遇到一次电缆抖动或者偶发延迟，就会在半夜报出极其难以排查的数据错乱。 学习分布式系统的目的，在于当你站在那个充满延迟与不确定性的网络十字路口时，能够一眼看清脚下的泥坑，从容取用那些被前人验证了几十年的现成积木。 如果想真正把这套感觉内化到肌肉记忆里，最好的路径是看书与动手交替推进。 先去翻翻 Martin Kleppmann 写的经典教材数据密集型应用系统设计（DDIA），把合租屋里的各种协作难题在理论层面看通透。 然后打开代码编辑器，从最简单的两阶段提交开始写起，亲身体会一下那个让全员卡死的阻塞时刻；再一步步去手搓一个属于自己的 Raft，亲自调试一次节点掉线、重新选举与账本对齐。 当你亲手用代码驯服了一次网络延迟带来的状态混乱，分布式系统就从一个吓退新人的抽象概念，真正变成了你可以从容驾驭的工程日常。

有个朋友跟我吐槽他们公司出了一个离谱的规定。 为了在公司普及 AI，老板给员工摊派了指标：每个人每天必须跟 AI 聊满 3 个问题，问不满就扣钱。 笑死我了。 员工为了应付差事，上班第一件事就问：今天天气怎么样？中午吃什么？晚上吃什么？怎么写请假条？ 斥巨资买的AI账号、开发的系统，除了在后台多了一堆废话，并没有真正降本增效，反而激起了员工的抵触情绪。 这种在焦虑驱动下的形式主义，现在在不少中小企业里非常普遍。花钱去报几十万的大师班，请外部讲师进公司讲大道理，或者硬压指标逼员工打卡聊天，折腾一圈最终全都回到原点。 这种做法把推行的逻辑完全搞反了。 企业做 AI 化，落地的第一铁律非常朴素：必须让一线员工先尝到甜头。 只有当工具能帮他少加两小时班、少填几张繁琐的表、少背无谓的锅，推行的阻力才会真正消失。 真正懂公司具体业务和工作流暗坑的，永远是每天泡在现场的员工和企业主自己。外人搞不懂，全靠外部现成软件也搞不定。 真正的解法，在于帮员工长出 AI Native 思维，让他们自己学会用 AI 改造手头的工作。 要想真正在全公司把这一套推下去，管理层应当带着业务骨干走通三步实操： 第一步是搭建信息底座，帮员工把脑力包袱卸下来。 别一上来就考核员工写提示词。先由懂行的顾问或者内部骨干带头，把散落在每个人电脑桌面上的产品参数、业务表单与销售话术梳理出来，在飞书或者 Obsidian 上搭建出结构化的企业知识库。让员工意识到，这是把混乱的经验和资料沉淀进系统，以后找东西不用到处求人，更不用担心老员工离职资料被带走。 第二步是用协议打通业务链路，消灭每天的人肉搬运。 仔细观察员工每天最痛苦的工时黑洞，大半时间是在微信群、钉钉、Excel 和老系统之间反复倒腾数据。这一步要通过 MCP 协议或者系统 API 把知识库与日常业务工具接通。把接待 SOP、工单审批串成受控的工作流，智能体在后台跑机械流转，员工只需要在关键节点点一下确认。当员工发现每天能少花一个多小时做枯燥的复制粘贴，他们就会主动找场景去用工具。 第三步是对岗位做职责重构，实现销冠能力复刻。 深入具体岗位，把机械重复的杂活交给自动化，需要沟通决策的环节给员工配上专属的 Skills 辅助提效。更关键的是，把团队里成单率最高的那批销冠的通话录音与聊天跟单逻辑自动清洗提炼，做成整个团队随时可调用的实战库。新员工用它直接拉齐成单水平，让每个人都能通过 AI 拿到业绩结果。 为什么必须靠自己的员工当领航员，而不能靠行政强推或者买现成黑盒？ 最近我看了一篇叫做FDE-Gym的论文，用 95 个现场交付任务给出了数据化的论证。 实验表明，脱离了现场业务人员的明确约束，让顶配大模型自己去摸索业务潜规则，任务及格率连两成都不到。 连顶级模型在真实的业务现场都摸不清潜规则，单纯买个软件或者逼员工打卡，怎么可能产生实际效益。 唯有懂业务的员工和管理层，才能给智能体提供精准的边界与规则；智能体在划定好的沙箱里负责吞噬苦力。 企业做 AI 转型，别再用扣钱打卡去逼员工，更别迷信外部黑盒。 算清每一笔工时账，老老实实帮员工把机械负担卸下来，让业务骨干尝到工具提效的甜头，才是中小企业主真金白银换取效率的唯一正解。 感兴趣的可以看看这篇论文：

Vibe Coding已经out了，当前的版本答案是Wish Coding（许愿式编程）。 言出法随，直接许愿。 当我们说：我要一个鹈鹕骑自行车、猴子踢足球、大象在仰泳的联机小游戏，背景音乐要放唢呐。 Coding Agent帮你吭哧吭哧干完以后，就直接能玩了。 我们负责发疯许愿，AI负责显灵。 这就是Wish Coding。