跳到主要内容

Agili 的 Hacker Podcast 2026-09-07

今日技术社区聚焦于智能家居隐私漏洞、AI 渗透纯数学研究，以及开放基础设施与个人开发实验的多重挑战。欢迎来到 Agili 的 Hacker Podcast。

LG 智能电视被曝息屏录音与局域网测绘

待机状态下的环境监听

硬件评测机构 Gamers Nexus 与 Level1Techs 联合安全研究人员，对包括 OLED G5 在内的多款 LG 智能电视进行了网络抓包测试。分析显示，电视处于息屏待机状态时，麦克风仍在录制环境声音。测试人员拔掉网线后，系统将录音文件暂存在本地存储中，待网络恢复连接后立即将缓存上传至服务器。相关机型还支持语音转文字处理，能够将家庭内部的对话转录为文本标签。

局域网测绘与定向广告追踪

抓包数据证实，这批电视会主动扫描本地局域网，读取同网络下手机、智能手表等设备的内部 IP 地址，并记录邻近 Wi-Fi 网络的名称与信号强度。这些数据被直接传送给 LG 旗下负责定向广告的业务部门 LG Ad Solutions。该部门在商业宣讲中表示，LG 才是电视屏幕的真正所有者，其系统已在美国触达 3.63 亿台关联终端。配合电视内置的 ACR（Automatic Content Recognition，自动内容识别，用于提取屏幕音画特征以识别播放内容的技术），系统可跨屏幕追踪家庭成员。

法律免责与物理防御

LG 在用户协议中规定，购买者必须确保所有进入拾音范围的家庭成员和客人知情并同意被录音；若未经他人许可，产生的监听法律责任全由用户自行承担。由于电视厂商普遍依赖数据服务补贴面板硬件，市场上纯粹的无智能系统大屏面板几乎绝迹。部分开发者选择直接断开电视网络，外接 Apple TV 或迷你主机使用，甚至有用户选择拆开电视后盖拔掉内部的无线通信模块排线。

AI 介入前沿推导：纯数学会走向“音乐学院模式”吗？

渗透核心理论推导

湖南大学研究团队在关于球面哈德维格猜想（Spherical Hadwiger Conjecture）的预印本论文中，使用 OpenAI Codex 协助完成了细节推导与漏洞排查；Anthropic 的 Claude 也在 Lean（一种支持形式化验证的交互式定理证明工具）中协助完成了费马大定理的形式化工作。OpenAI 此前的劳动力报告指出，数学家面对 AI 的工作暴露度高达 100%，居全部职业分类之首。这一迹象表明，生成式工具正在从辅助写代码延伸到纯理论推导的核心流程。

象牙塔体系与资助现实

关于纯数学是否会像古典音乐那样退守为小众圈子保留项目的讨论中，研究者指出数学界本身就依赖类似的机制运转：多数高校纯数学岗位的薪酬来自面向工程等应用学科的基础教学。与古典音乐能够吸引企业赞助或带来公众表演声誉不同，高深数学推导缺乏大众传播属性，其主要的资金来源集中于国家科学基金会与国防情报机构。

审美判断替代繁琐演算

从业者认为，即使模型能够批量生成符号证明，研究重心也在发生转移。决定哪些数学问题具备深层结构价值、挑选有意义的公理体系，仍然高度依赖人类数学家的审美品味。人类学者的核心价值正从繁琐的草稿演练，转向定义问题与解释数学图景。

与此同时，加州理工学院宣布将于 10 月底举办 Caltech Mathathon，这是首个面向前沿研究级数学的 40 小时黑客松。活动获 Anthropic、OpenAI 等机构资助，入选团队将使用 200 万美元算力额度攻克未解猜想，并直接向数学家评委现场答辩推导逻辑。

用 1024 字节 C 语言手写微型 Python 解释器

极致的代码高尔夫

开发者 Austin Z. Henley 尝试通过代码高尔夫（Code Golf，即用最少代码字节数实现指定功能）在 1024 字节的 C 代码中运行一段包含缩进、函数定义、循环与判断的标准 FizzBuzz 脚本。官方 CPython 会先生成 AST（抽象语法树，Abstract Syntax Tree）并编译为字节码，而 Henley 的解释器舍弃了所有中间数据结构，直接把源码读入定长数组，边解析边同步执行。

借用 C 语言底层机制

为了节省代码量，该解释器仅支持单字母命名的整型变量，直接用字符 ASCII 码作为数组索引映射符号表。遇到循环或无参函数时，解释器记录目标代码的字符偏移位置，跳回原处重复读取执行，机制类似早期的 8 位机 BASIC 解释器。函数与代码块的缩进嵌套则直接利用 C 语言自身的调用栈进行处理。

    源码数组 ──> 遇到字符 'f' (默认匹配 for x in range)
                    │
                    ├──> 记录字符偏移量 offset
                    ├──> 借用 C 调用栈处理缩进与递归
                    └──> 循环结束跳回 offset 重新执行

极限妥协与社区评价

源码为满足 1024 字节的要求，放弃了所有错误处理并采用了单字母判定：遇到 f 就假定是 for 循环，遇到 w 就默认是 while，遇到 p 就当作 print。这导致像 w = 4 这类合法赋值无法运行。社区评价指出，与探索最小计算本质的 SectorLISP 相比，该项目更偏向针对特定语法的极客解谜，展示了在极端硬件约束下与编译器博弈的纯手写编程乐趣。

大模型辅助逆向自动钢琴与 DMCA 争议

逆向专有音频控制流

一位自动演奏钢琴用户尝试借助大语言模型解析 PianoDisc Prodigy 系统的配套音乐。分析发现，官方出售的 MP3 文件的左声道承载常规伴奏音频，右声道则使用 2004.5 Hz 的方波承载 MIDI（乐器数字接口，记录音符与力度的协议）控制信号，直接驱动钢琴内部的电磁击弦装置。这种在音频载波上调制数字信号的设计，沿用了早期磁带和音频 CD 时代的做法。

诱饵音符与编解码脚本

在解包过程中，模型发现官方音频嵌入了大量混淆性的“诱饵音符”，以阻止第三方 MIDI 播放器读取，但官方设备会自动过滤这些杂音。AI 随后编写了双向 Python 转换脚本，既能过滤诱饵还原纯净 MIDI，也能将用户的自定义音乐按官方格式编码并输出到钢琴上演奏。

互操作性与版权法边界

这引发了工具能否公开的法律讨论。美国《数字千年版权法》（DMCA）严禁绕过“有效技术保护措施”，但社区指出，单纯基于隐蔽性的混淆算法没有使用加密密钥，未必属于有效保护措施。用于让自有钢琴播放自定义音乐的编码器符合系统互操作性（Interoperability，不同系统协同工作的能力）的合理逆向范畴；但能够提取官方商店曲目的解码器存在版权侵权风险。社区建议作者避免发布打包好的破解工具，转为撰写协议分析文档，或将音频与信号分离逻辑提交至 ffmpeg 等开源多媒体项目中。

生产实践中的智能体技能文件管理

消除环境探索成本

在配置引导编程智能体的技能文件（Agent skills files）时，工程师逐渐淘汰了下载公开通用技能包的做法。大语言模型本身具备通用编程常识，技能文件的核心价值在于为模型解释企业内部的专有环境，例如小众的命令行工具、构建管道以及部署步骤。团队实践表明，精准的环境说明能将模型的 Token（大模型处理文本的基本计算单位）消耗降低 2 到 4 倍。

渐进式披露与混合模式

与将大量要求全盘塞入常驻上下文的做法不同，成熟架构偏向渐进式披露（Progressive Disclosure）：智能体平时只加载技能名称与简要描述，任务匹配时才调出详细说明。多数工程团队采用“提示词 + 确定性脚本”的混合模式，纯文本负责指导逻辑边界，文件校验、API 交互等确定性操作则绑定 Python 或 Bash 脚本，以压制模型幻觉。

               智能体常驻上下文
       ┌──────────────────────────────┐
       │   技能索引（标题与简要描述）   │
       └──────────────┬───────────────┘
                      │ 触发匹配任务
                      ▼
         动态拉取详细技能配置与引导
                      │
           ┌──────────┴──────────┐
           ▼                     ▼
      提示词指导决策        确定性脚本执行
     （约束逻辑与边界）    （文件校验/API调用）

跨仓库同步与规则裁剪

在维护方式上，开发者普遍采用类似配置文件（Dotfiles）的策略：维护统一的 Git 仓库，再通过符号链接（Symlinks）挂载到各个智能体工具中；或者将规范直接合入业务仓库执行代码审查。团队会在会话结束时让智能体自动总结遇到的执行阻碍并更新文档。随着基础大模型的能力升级，开发者需定期删除过时的引导规则，防止过长提示词污染上下文窗口。

互联网档案库启动配捐与服务承压

资金机制与合规需求

互联网档案库（Internet Archive）开启了 9 月份的定期捐赠活动。针对 25 美元以上的月度捐款，合作基金提供 2:1 的资金匹配。该机构独立运营硬件设施，存储了超过 210 PB（拍字节，1 PB 约 100 万 GB）的数字内容。持续的小额定期捐赠不仅用于补充运营资金，也能帮助非营利机构达到美国 501(c)(3) 免税资格中关于公众支持率的合规指标，便于合规引入大额资助。

爬虫冲击与技术重构

档案库目前全年的运营与硬件维护成本在 3000 万至 4000 万美元之间。近期许多用户在访问网页时光机（Wayback Machine）时遭遇 HTTP 429 报错，主要是由于档案库采取严格限流以抵御人工智能公司的批量抓取，防止服务器算力和有限的带宽被爬虫耗尽。目前，其子项目 Open Library 正在招募志愿者，推进由旧框架 web.py 转向 FastAPI（高性能 Python Web 框架）的后端重构以及 Solr 搜索引擎的性能调优。

技术与历史速递

  • 比利时全境公共交通实时地图上线：开发者整合该国交通开放数据，推出了包含火车、地铁、电车与公交的动态交通地图。地图通过 GTFS（通用公交数据规范，公共交通时刻表行业标准）排班数据与延迟信息推算列车位置，并与 Infrabel 开放轨道网结合绘制行车轨迹；对于具备真实 GPS 坐标的车辆使用不透明图标，推算车辆使用半透明图标，方便通勤者在枢纽站直接查看实际车距。
  • 4000 年前的巴比伦甜菜炖羊肉复原：耶鲁大学学者复原了公元前 1750 年左右美索不达米亚泥板上的菜谱“Tuh'u”。该菜肴使用炼羊脂将羊腿肉煎透，混合红甜菜、香菜、洋葱与孜然，倒入无啤酒花的古法发酵麦汁慢炖，出锅时浇上野生韭葱泥。其材料搭配与烹饪结构与当代伊拉克传统炖菜高度一致，印证了中东饮食传统的长期延续。

播客全文

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，最近你刷网页时光机（Wayback Machine）的时候，有没有经常遇到卡顿，或者直接跳出 429 请求过多的报错？

男：确实遇到了好几次。互联网档案库（Internet Archive）最近开启了新一轮筹款，月捐 25 美元以上有合作基金给配捐两倍。他们现在保存着超过 210 PB（拍字节，1 PB 约等于 100 万 GB）的历史数据，机房都是自己维护的。

女：210 PB，这个体量光是电费和买硬盘就得花天文数字吧？

男：一年整体预算在 3000 万到 4000 万美元左右。平时除了硬件老化的压力，这两年各类人工智能公司都在抓取公开网页做模型训练，海量的自动化爬虫几乎要把他们的带宽和计算资源吃光了。档案库不得不设置非常严格的防爬限流，普通人查资料就跟着遭殃。

女：这挺讽刺的。公共机构辛辛苦苦保存的人类数字记忆，反而被商业爬虫挤得快断网了。他们除了接受捐款，技术上有什么能分担压力的办法吗？

男：社区里的志愿者在帮他们重构系统，比如把旧的 web.py 后端迁移到更高效的 FastAPI（现代高性能 Python Web 框架），优化 Solr（开源分布式搜索平台）的检索集群。很多人也通过 BitTorrent（点对点文件分发协议）帮忙做冷数据的节点分担。不过在法律层面，他们前阵子因为电子书借阅被出版商起诉败诉，消耗了不少资金。在大模型加紧收割语料的当下，保持这种独立的数字档案库成本越来越高了。

女：说到商业机构抓数据，最近硬件评测团队 Gamers Nexus 测出来的 LG 智能电视事件，实在让人后背发凉。我听说电视屏幕都关了，麦克风还在偷偷录音？

男：测试结果确实很惊人。LG G5 这类 OLED 电视在息屏待机状态下，依然会通过麦克风把环境音录下来。如果你拔掉网线，它就把音频暂存在本地芯片里，等下一次联网再打包传给服务器。

女：拔了网线还攒着，等连网再传，这简直跟间谍软件一样。它录这些音频传去哪里了？

男：直接传给 LG 专门做定向广告的子公司了。不仅是声音，电视还会用 ACR（自动内容识别，一种提取屏幕音画数字指纹以识别播放内容的技术）去对准你屏幕上的画面打标签。它甚至会主动扫描你家里的局域网，把手机、智能手表的内网 IP 和周围 Wi-Fi 信号强度全摸一遍。LG 广告部门对客户宣称，他们在美国本土能通过电视顺藤摸瓜触达 3.63 亿台关联终端。

女：以前买电视是买一块显示面板，现在厂商是把一台监控探头卖进我们客厅，再靠卖我们的隐私补贴硬件成本。

男：更过分的是用户协议。条款里直接写着，买电视的人有责任确保家里所有人和来访客人同意被录音，如果有人不同意，买家得自己去深层菜单里关麦克风，否则法律责任买家自负。社区里很多工程师现在直接把电视彻底断网，当纯显示器接 Apple TV 或者迷你主机用，甚至有人直接拆开电视后盖把 Wi-Fi 和蓝牙的排线物理拔掉了。

女：物理拔线真是物理防御的极致了。大家为了拿回属于自己的设备控制权，折腾得够呛。前两天我还看到有个买了自动演奏钢琴的用户，为了把自己的曲子放进钢琴里播，干脆用大语言模型把官方的专用音频格式给逆向了。

男：那是 PianoDisc Prodigy 系统，一套很成熟的自动钢琴电磁阀控制组件。官方买的萨蒂钢琴曲是 MP3 格式，左声道是正常音乐，右声道用了一个 2004.5 Hz 的方波去承载 MIDI（乐器数字接口，一种用于记录音符、力度与踏板动作的数字音乐协议）信号，靠脉冲驱动机械击弦。

女：把控制信号藏在声音里，听起来像是磁带机时代的古老技术？

男：对，特别复古。更有意思的是，用户让 AI 去分析数据流，模型发现官方在信号里塞了大量“诱饵音符”（decoy notes，用于干扰常规播放的混淆音符）。官方解码器会自动过滤，但普通播放器去读就会乱弹一通。AI 帮他写了编解码脚本，既能过滤官方杂音还原干净的 MIDI，也能把普通乐谱加上伪装喂给钢琴。

女：那他把这个工具开源出来，会不会惹上官司？

男：法律界限很微妙。美国版权法禁止绕过有效技术保护措施，但混淆算法算不算有效保护，在法理上有争议。如果你写编码器把自己的音乐导入钢琴，这属于保护互操作性（不同软硬件系统之间协同工作的能力），通常是合法的；但如果你把官方商城的付费曲目还原提取出来，侵权风险就极高。音频工程师也提醒，有些所谓的诱饵音符可能是模型的逻辑幻觉，把合法的控制元数据误判成了混淆。

女：让 AI 去解密复杂的协议确实省事，但底层逻辑的验证还是得靠人。说到用代码解决烧脑问题，周末 Austin Z. Henley 搞的那个 1024 字节 Python 解释器，纯粹就是程序员的智力游戏了吧？

男：那完全是代码高尔夫（用尽可能少的代码字节数实现指定功能的趣味竞赛）。他在一个周末用 C 语言手写了一个仅占 1024 字节源码的微型解释器，目标是成功运行一个带有缩进、循环、函数定义和条件分支的 FizzBuzz 脚本。

女：官方的 Python 解释器体积那么庞大，1024 字节连一首短诗都装不下，他是怎么塞进去语法解析的？

男：他把现代编译器的中间环节全扔了，没有语法树也没有字节码，把源代码读进一个固定字符数组里，边读边执行。遇到循环或者调用函数，就记下字符的偏移量，执行完了直接跳回原位置重新读一遍源码，机制很像早期 8 位机上的 BASIC 语言。为了省空间，他用了大量 C89 时代的压缩把戏，比如用单字母给变量命名，遇到字符 f 就盲目假定后面跟着 for 循环，遇到 p 就默认是 print。

女：听上去非常脆弱，只要输入一个不按套路出牌的变量，程序立刻就崩溃了。

男：是的，它根本算不上完整的语言子集，甚至没有错误处理。但社区里的底层极客特别喜欢这种东西。在现在到处都在靠 AI 自动生成海量样板代码的时代，这种纯粹靠人工在极小空间里跟编译器规则博弈的手工活，有一种罕见的智力美感。

女：说到 AI 写代码，现在大家反而开始认真讨论怎么管好智能体的技能文件（Agent skills files，指导编程智能体执行特定操作的轻量化配置或指引文档）了。很多人发现从网上打包下载别人的技能，用起来反而一团糟。

男：因为现成的大包里全是无效提示词，会直接污染上下文（Context，模型一次能处理的信息窗口）。现在工程师摸索出来的经验是，技能文件的价值不是教模型通用的编程知识，而是消除探索成本。比如你们团队私有的构建命令、特有的分支命名规范、发布流程，模型自己猜要猜好几轮，白白浪费 Token（计算单位）。

女：就像给刚入职的实习生一份只有两页纸的操作备忘录，让他别去碰公司的雷区。

男：比喻很准。而且现在大家倾向于做渐进式披露，平时上下文里只放技能名字和简短描述，只有任务匹配到了才动态加载详情。在实现上，往往是提示词加确定性脚本混着用。纯文本负责理解业务逻辑，遇到检查状态、调接口这些机械动作，直接调用写好的 Bash 或 Python 脚本，既消除模型幻觉，执行又稳定。管理方式就像管理配置文件一样，挂在 Git 仓库里用符号链接同步。

女：让智能体专注于具体环境的指导，这套工程思路越来越清晰了。而且 AI 介入的领域正在从写工程脚本，快速跨越到最抽象的纯数学研究。加州理工下个月甚至要办一场 40 个小时的数学黑客松。

男：不仅是加州理工的比赛，最近湖南大学的研究人员用 Codex 协助证明了球面哈德维格猜想（积分几何领域自 1974 年悬而未决的一个命题），Anthropic 的 Claude 也完成了费马大定理的形式化验证。以前大家觉得数学家是最安全的职业，结果 OpenAI 之前的劳动力评估里，数学家面对 AI 的暴露程度直接排到了第一名。

女：纯数学家可是人类抽象思维的巅峰，难道数学推导也能被自动化流水线取代吗？

男：有些学者在讨论纯数学会不会慢慢变成古典交响乐的模式：它不再是工业刚需，而是一种被精心保护的文化遗产，靠国家基金或者少数爱好者资助来传承。不过数学研究的核心并不是堆砌符号，而是决定探索哪个公理体系，挑出有现实或美学意义的问题。机械的定理验证交给模型，人类学者反而能把精力集中在顶层的结构解释上。

女：把繁杂的草稿演算交给工具，人类去把握方向。这就像现代城市的数据系统一样，把复杂的交通流计算隐藏在幕后。我前两天看比利时有人做了一张全国公共交通的实时动态地图，把火车、地铁、公交全画在同一张图里了。

男：那个应用挺巧妙的。它调用了比利时的联邦开放交通数据。布鲁塞尔的公交公司公开了真实 GPS 定位，地图上就显示为不透明的小图标；但国家铁路和有些区域巴士没给实时坐标，开发者就拿 GTFS（通用公交数据规范，一种用于共享公共交通时刻表及相关地理信息的行业标准）排班表，结合实时的晚点延误推算当前位置，在地图上显示成半透明的图标。

女：半透明代表推算，实体代表真实 GPS，这个设计很诚实。很多官方应用车明明晚点了，屏幕上还显示准点进站，特别让人抓狂。

男：这就是数据融合的难点。很多欧洲高密度交通区的居民现在出门都不做复杂的路径规划了，直接走去交通枢纽，看一眼全景地图上哪个车快开过来了，再决定是快走两步还是换乘下一趟。物理世界的真实数据一旦以直观的方式暴露出来，会完全重塑人的日常习惯。

女：在被这些现代网络协议和算法包围的同时，看看几千年前的人类怎么生活，感觉特别解压。耶鲁大学最近复原了四千年前美索不达米亚泥板上的菜谱，其中有一道甜菜炖羊肉。

男：那是公元前 1700 多年巴比伦泥板上记载的菜肴，原文叫 Tuh’u。做法非常讲究：先用炼制的羊尾脂把羊腿肉煎透，下洋葱炒香，再加切块的红甜菜、芝麻菜、鲜香菜、小葱和孜然，炒出香味后倒进水和当时自酿的发酵麦芽啤酒，慢炖一个小时。

女：四千年前就用啤酒炖牛肉羊肉了？而且还放了芝麻菜和甜菜，听上去跟现代西餐或者中东炖菜几乎一模一样。

男：几乎没有断代。这道菜跟现代伊拉克传统名菜 Hamedh 在结构上高度吻合，除了后来哥伦布大交换引入了西红柿以外，香料体系完全继承了下来。当时泥板上记载的甜菜发音叫 shumundar，现代阿拉伯语里的甜菜依然叫 shamandar。炖肉快出锅时，他们还会捣碎韭葱和香菜泥淋上去提味。复原出来的学者尝过之后说，红甜菜的天然色泽加上略带微酸的古法啤酒，风味深沉扎实，完全打破了古代人吃饭只有水煮和粗糙烤肉的刻板印象。

女：无论是几千年前在泥板上刻下炖肉步骤的厨师，还是今天在终端里写下 1024 字节代码的极客，人类对生活细节的专注其实一直没变。

男：确实，技术在更替，但那种动手把事情做精细的心思是相通的。

女：感谢大家收听本期节目。如果你喜欢我们的讨论，欢迎使用泛用型播客客户端订阅 Agili 的 Hacker Podcast，不错过每一次思维碰撞。

男：我们下期再见。

参考链接