跳到主要内容

Agili 的 Hacker Podcast 2026-10-25

今天的 Agili 的 Hacker Podcast 先看一门新语言：它想用编译期的证明替代垃圾回收和生命周期标注。接着看 AI 与创意行业之间那笔难以量化的账，以及 Cerebras 怎么把 3 万亿参数铺到 59 片晶圆上。

Goose：不用垃圾回收和生命周期标注的系统级语言

内存只有栈

Wouter van Oortmerssen（网名 Aardappel，做过 Amiga E、Sauerbraten、Lobster）发布的 Goose 是一门系统级语言。程序的内存只有原生调用栈、静态数据，加上编译器算出的 N 个数据栈。数据栈是一大块预留地址空间加一个 bump 指针（指针只向前移动的分配方式），每个栈上同时只有一个可增长值，且永远在栈顶。增长就是指针前进，离开作用域时释放就是往栈顶写一次，嵌套一百万层的结构也一样。这些在编译期被证明，运行时只维护指针。

内存从不移动，所以指向正在增长数组的引用一直有效。push 返回新元素的引用，可以在构建数组的同时把元素互相链接起来。引用的安全不需要标注：每个引用和切片有一个静态的 root，也就是界定它目标生命周期的变量，编译器推断 root 并为它特化函数。语言里没有别名规则、没有独占规则、没有 unsafe。

嵌套数据保持内联。文档举的例子是一张含两件商品的订单：Goose 里 29 字节、0 次分配；C++ 的 std::string 加 std::vector<Item> 是 160 字节、1 次分配；Rust 的 String 加 Vec<Item> 是 153 字节、4 次分配。

基准数字与代价

仓库给的数字来自自带的 16 项基准，取几何平均：MSVC 后端下比惯用 C++ 快 3.51 倍，比手工优化的 C++ 快 1.24 倍，比最好的 safe Rust 快 1.13 倍。作者补充，这是平均值，也有个别算法更慢。有评论者指出仓库里的 C++、Rust 源码看着不像优化过，作者回了一句“真正手工优化的版本是私有的，仓库里那些是诱饵”。

限制也写得很直接：得想清楚数据住在哪、生命周期多长；递归函数不能跨递归调用保留可增长数据；变长元素的数组只能顺序迭代、不能索引；没有逃逸闭包、没有函数指针；只支持整程序编译。并发模型不共享内存，值经类型化队列以 memcpy 传递，必须是 flat 结构、任意深度都不含引用。

AI 写下的编译器与文档

仓库自述写明代码几乎全部由 AI 完成，“Claude Fable” 列在作者栏：编译器实现、基准、示例与文档写作。一位评论者要求把文档整个扔掉、用作者自己的话重写，因为他需要知道哪些设计属于人、哪些是模型的意外。另一位认为想法可以脱离来源判断。

作者在 AMA 里说，他几年前设计过 Goose 也动过手，但经营游戏公司没时间写完。这次让 Fable 通读 Lobster 的代码库，提炼出一份详细的代码风格指南，再按 pass 逐个写新编译器。他的经验是 AI 写出好代码的第一方法是让它待在已有的好代码上下文里。

有人翻教程第一页就找到错误：示例说 C++ 的 vector<string> 会为每个字符串各分配一次，但 “word0” 这类短串落在小字符串优化（SSO）范围内，主流标准库实现不会单独分配。顺着这个话题，另一个人问：它对训练数据充足的 C++ 都能说错，对没有训练数据的 Goose 又会错多少。

一位把它当工具用的读者把商业 Rust 代码库里的几个算法移植到 Goose，结果明显更快，但更大的收获是 Goose 把 LLM 引向了更高效的数据结构，把这些结构移植回 Rust，大部分收益仍然保留。作者自己的说法很朴素：“在某种奇怪的意义上，现在是造新语言的好时机，因为说服人去学它的成本消失了。”

AI 与美国创意行业的 20 万岗位流失

损失集中在哪里

Apricitas Economics 的作者 Joseph Politano 统计，美国创意行业在四年里少了 20 多万个岗位，最近一年就减少约 5 万。损失强度和持续时间只有 2001 年、2008 年两次衰退可以相比。电影与录音行业三年裁掉超过 10 万个岗位，接近该行业总就业的三分之一；2026 年夏天的最低点低于 2008 年金融危机时期。出版业同期减少 7 万多个岗位。

数字艺术的所有子行业都在缩水，现场娱乐的就业却保持健康增长，这是作者眼中 AI 影响最清晰的证据。四年里近一半的媒体岗位流失发生在包含好莱坞的电影与录音部门。

把账算到 AI 头上很难

媒体公司不愿谈自己怎么用 AI，既怕公众反弹，也要维护版权主张。好莱坞的整合、内容制作外迁、社交媒体创作者挤占传统媒体，都在同时发生。一位住在亚特兰大的评论者说，当地曾是洛杉矶重要的拍摄外包地，如今工作流向了欧洲，因为那里更便宜；2023 年的编剧和演员罢工也是一颗钉子，制作方把项目搬到了没有罢工的地方。税收优惠同样在推动剧组离开加州。

调查显示，艺术、娱乐和休闲行业约 32% 的劳动者在某种程度上使用生成式 AI，低于全行业 62% 的平均水平；一位读者指出，只看工作用途约为 42%。无论取哪个数，几乎每个大型媒体项目的工作流里都可能藏着 AI，而制片厂很难阻止编剧室里的某个人去问 ChatGPT 要一个笑话。

音乐和报纸的两次先例

音乐行业在 2000 年前后经历过一次相似冲击。文件分享把单曲价格压到接近零，Spotify 和 Apple Music 用极低的月费打包了几乎全部人类音乐。音乐人转向现场：巡演更长、场馆更大、票价更高，收入越来越依赖演唱会、周边和个人品牌。电影走的是另一条路，流媒体改变了收入结构，去年票房比 2019 年峰值低 25%，有线电视收入从峰值下降 18%，流媒体收入补不上缺口。好莱坞没有“现场演唱会”这样的退路。

报纸展示了最坏情况。美国报纸曾经雇用约 50 万人，比整个石油行业还多；如今工资单缩水近 85%。杂志出版商自 1990 年代以来裁掉 66% 的员工，图书出版商少了 40%。也有反向的例子：过去六年美国图书销量增长 70%，推高纸质书的是 TikTok 上的“BookTok”社区，重度读者通过短视频找到书评和同好。

社区：效率为谁服务

评论区对“效率到底为谁服务”分歧很大。一位读者说，把制作搬出洛杉矶会慢慢掏空本地生态，依赖剧组的本地生意先关门，熟练工流失，最后在洛杉矶拍片整体变得不划算；他追问效率省下的钱去了谁手里，普通人并没有因此多出钱或时间。另一位认为效率短期让在位者受益，长期让所有人受益，举了《Valheim》的例子：这款游戏最初主要由一个人开发，放在过去需要数百人、数百万美元。怀疑者引用斯坦福 SIEPR 的政策简报说，经济学家反复测算后认为 AI 迄今对经济的冲击很小。

注意力上限是另一种解释。一位读者说，AI 让游戏生产更快并不会创造更多可玩的时间，市场消化不了，总得有别的东西让位。商业插画可能是被忽略的重灾区：广告插图现在几乎必然由 AI 完成，服装广告不再需要真人模特为每种颜色摆姿势，下滑的起点大致对应 Stable Diffusion 兴起。

Cerebras 怎么把 3 万亿参数模型铺到 59 片晶圆上

算账：59 片怎么来的

Cerebras 在博客里拿 Kimi K3 做例子，讲怎么把一个 3 万亿参数的模型铺到 59 片 WSE-3T 晶圆上，跑到 1000 到 2000 以上的 token 每秒。3 万亿参数按 4-bit 量化，原始权重约 1.5 TB，摊到 93 层，每层约 16 GB；一片 WSE-3T 的片上 SRAM（静态随机存取存储器）是 44 GB。

69 个线性注意力层不存每个 token 的 key/value，一个请求只占固定大小的状态，所以一片晶圆能放两层，共 32 GB。24 个稠密层要为每个活跃请求的每个 token 保存 KV 缓存，一片晶圆只能放一层，剩下 28 GB 留给缓存。69 除以 2 向上取整得 35，加上 24，总共 59 片。

流水线不是排队

晶圆之间用 RDMA over Ethernet（远程直接内存访问，跑在以太网上）连成流水线，每跳约 2 微秒，只有激活值在走，权重留在原地。常见误解是 token 要按顺序穿过每片晶圆，每片都在干等。实际上整条流水线同时装着不同请求，第 3 片在处理请求 A 时，第 2 片在处理请求 B，每个阶段还可以一次吃进一个微批次。并发上限由稠密层晶圆的 KV 缓存空间决定，评论里有人按文章给的参数推算出约 190 个并发请求、整机 1.18 MW、约 4.1 J/token。

评论区：能买到什么、值不值

讨论的关注点落在另一头：普通人能拿到什么。一位用户说，Cerebras 上能用的只有 GPT OSS 120B 和 Qwen 3.8 27B，前者“飞快，但基本都是错的”。另一位曾是编程套餐的订户，说 1000 TPS 在当时独一份，如今 Qwen 3.8 在相近速度下被 Mercury 3 在成本和性能上双双超过。有人追问芯片为什么都用方形网格、不用六边形，回答是光学邻近校正（OPC，光刻时修正图案畸变的技术）让对角走线在 90nm 之后就不现实了。

44 GB 这个数字让一些人觉得偏小。解释是那是 SRAM，相当于 44 GB 的 CPU 缓存，所以它才这么快，也这么贵。速度本身值不值，评论分成两派：有人认为只要快到工具调用不再是瓶颈，就会是一种特殊的“超级智能”；也有人认为瓶颈根本不是速度，是审查负担，航空电子这类软件不能靠“跑得快、错了重写”来对付。

在三星电视上拿到 root shell 之后

发现与反驳

2025 款 Samsung TV 的用户 @log4j 一直收到奇怪的定向广告。他逆向固件，发现固件用 AES 加密，转而找零日漏洞，在新 Samsung TV 上拿到了 root shell。root 之后他看到常开的热麦克风、自动内容识别（ACR，通过识别屏幕内容投放广告）、地理位置、4 个不同的 DRM 服务、用户画像和大量遥测数据。他晒出一个 security-policy.xml 文件，写道：“只有你、上帝、一台 3000 美元的电视，以及 Samsung 和它的 400 个合作伙伴。”

HN 的讨论对“隐私恐怖”这个说法有不少保留。有人指出，狗叫和婴儿哭声检测是 SmartThings 集成里公开宣传的功能，属于用户主动开启、在本地芯片上运行的模式匹配，不是把音频传出去。有人批评这是用 AI 逆向、又被自己的 AI 带偏的发现：做逆向工程的第一步应该是读公开文档、FCC 备案和专利，他找到的东西大多在这些材料里就有。

隐私与价格

广告追踪压低了电视售价，设备在使用期间持续产生收入，厂商因此有动力把“智能”塞进每一台机器。近期的测试里，拒绝授权后 Samsung 是少数真正停止发送数据的品牌；LG 反而在德州诉讼和解后加了强制仲裁条款，继续收集数据，即使被 opt-out。

想要好价格又不想被追踪，最干脆的办法是根本不联网，接一个 Apple TV 或 Chromecast。有人提醒，不联网不代表绝对安全：电视可能借邻居的公共热点回传数据，不过目前没有证据。更彻底的做法是拔掉 Wi-Fi 模块或给天线接地。

一个逆向工程的边界

评论里提到，这位研究者用 AI 解密固件，随后 OpenAI 账号因“Cyber Abuse”被封。有人觉得这很蠢：不能放心用 LLM 做逆向工程，会大幅降低它的价值。也有人提到防御性安全项目可以申请，只限防御性用途；措辞很重要，说明是在自己的设备上做防御性分析、不描述攻击步骤，能减少误判。一位用户做了个小型基准，让各家模型逆向一个简单的 crackme（专门用于练习破解的小程序），DeepSeek Flash、MiMo v2.6 Flash、ChatGPT Luna 都解出来了，Gemini Flash 直接拒绝。

SpeedCrunch 1.1 与“软件真的已经完成了吗”

老用户回退到 0.12

SpeedCrunch 1.1 发布。这款免费开源的高精度科学计算器面向 STEM（科学、技术、工程、数学）领域，支持 Windows、macOS 和 Linux，提供最高 50 位精度和复数支持，内置 140 多个函数。长期用户 Gormo 说，他用了 SpeedCrunch 多年，看到十年后出现新版本很意外。安装 1.1 后，最明显的变化是输入框被放大了一倍，外面套了不必要的边框，周围多出空白区域，还出现了 0.12 从未有过的输入延迟。他回退到了 0.12，说过去十年每天用 0.12，没遇到 bug，也没缺功能。

运算顺序与 14 位

1.1 修复了一个长期存在的运算顺序 bug：1/2(-9.8) 现在等于 -4.9，而不是 -0.05102040816326530612，表达式还会渲染成 1 / 2 × (−9.8)。有人觉得这个公式本身太有歧义，认为这种输入应该直接报错；也有人指出运算顺序很清楚，除法和乘法同级，从左到右算，数学正确性不是世界上唯一重要的标准，对这个确定性工具来说应该按用户说的执行。

还有用户提到自己一个长期的小毛病：SpeedCrunch 硬编码（把数值直接写进代码）了 5 位数字的限制，超过就转成科学计数法，对 shell 脚本和编程不太有用。1.1 把这个限制提高到了 14 位。

软件是否已经完成

争论的核心是：软件是否已经完成。一位读者认为任何消费级应用的 UI 都有几乎无限的改进空间；如果旧版本已经够用，不升级就行。Gormo 反问：如果 UI 可以无限改进，怎么解释很多消费应用在某个点之后 UI 功能和一致性反而退化？另一位读者的解释是，多数消费软件在开发时假设功能只在构建时产生成本，维护成本和新功能带来的组合复杂度很少被考虑，团队增加复杂度的速度快过团队规模和可处理工作量的增长。也有人说得更简单：东西越好，越容易把它改坏。

社区里不少人已经转向别的工具，Qalculate、numbat 和 Soulver 都被提到。有人遗憾 SpeedCrunch 缺少处理质数的函数，也有人关心它在 Homebrew 上的 formula（软件包配方）最近被禁用，想知道新版本是否意味着可以重新启用。

为什么一小段代码会让人着迷

小得离谱的程序

作者在为 RetroV 研究 DOM diffing 库时，发现 Luke Jackson 的 ijk 整个库只有 25 行。Philippe Brochard 贡献了一个 46 字节的 Forth；Roger K.W. Hui 在《An Implementation of J》的附录里记录了 Arthur Whitney 在一个下午内、只用一页纸写出数组语言解释器：122 行极其晦涩的 C。Geo Carncross 讲的 kOS 把 k 语言、kdb 数据库、GUI 和窗口管理器全部装进 90 KB 的可启动镜像。作者说，200 行的东西他几乎一定会点开，2000 行或 20000 行就要犹豫。

这些除了好玩还有什么用？Kolmogorov 复杂性衡量的是“生成某个对象的最短程序长度”，代码高尔夫选手实际上是在为全人类标定程序复杂度的下界。Justine Tunney 的带垃圾回收 Lisp 可以小到 436 字节；Frank Force 的 3D 浏览器游戏压缩后只有 2 KB JavaScript。微型版本证明概念可以放进一张名片、也可以放进你的脑子，剩下的去找可读的版本学就行。

小语言的几种气质

一般来说，语言越小，表达力越弱。汇编是极端例子：语法和概念都简单，真正的难点在于理解特定 CPU 的指令集架构。真正小的高层语言里，Forth 只把空格当成语法构造；Lisp 特别是 Scheme，核心小、语法简单、表达力巨大；Tcl 一切以字符串存在，可以像 Forth 和 Lisp 那样在语言内部构造自己的语言。这三者只需要理解几个核心观念，就能换来几乎无限的能力，语法核心能写在一张索引卡上，代价是习惯过程式语言的人需要一次很大的思维转变。

作者把 Lua 当作又小又简单、不需要“血祭”的例子：5.1 版参考手册的语言部分只有 27 页。Zig 像 C，但实际很大，要有效使用得掌握很多内容。David Ungar 在回顾 Self 语言的演讲里说，宁可让系统稍微简单一点，让使用者多写一些东西，也不要让系统行为古怪而没人能理解。

为什么小东西让人愉悦

作者一直痴迷微缩模型和透视箱。Stephanie M. Langin-Hooper 在《Tiny Things and Why We Love Them》里写，把实物缩小会产生影响：更可爱、更容易接近、更脆弱，也更无害、更可控。Simon Garfield 在《In Miniature》里给出的答案是对掌控和启明的渴望，把缩小的秩序和光亮带进一个混乱的世界。

评论区有人想写一个直接编译到机器码的简单脚本语言，做了个叫 mortar 的起点，能编译并运行斐波那契生成器，比几乎相同的 Python 程序快 380 倍。有人回应说字节码的价值在可移植，用 C 写一个字节码解释器就有了完整的跨平台工具链。还有人提到 Binary Lambda Calculus，这门语言的设计目标就是把 Kolmogorov 复杂性具体化，自解释器只有 168 位，也就是 21 字节。

2026 年，为什么还在用 Gopher

关掉噪音

Wayne 在 2026 年 5 月 22 日写下 phlog（Gopher 上的博客）第一篇，聊为什么这一年还在用 Gopher 这种早期的互联网信息检索协议。他说读到这里的人大概不满足于只用工具，还想知道工具怎么运转。他注意到 17 岁的孩子和那些有 ADHD（注意缺陷多动障碍）的朋友们有一种趋势，想关掉世界的噪音回到更简单的时代。

vi 时代没有语法高亮，现在 vim 有；他不仅知道有，还能上网搜怎么配置一堆以前不知道、看手册也弄不明白的功能。过去得找到一个人，先听懂你在说什么，再比你懂得多。他觉得技术处在一个奇怪的位置，既超级有用又超级没用：什么都要订阅，服务一直在变，利润驱动一切方向。找到一个像 sdf.org 这样按旧方式运作的地方很好。

工具链现状

HN 讨论里，prologic 说 Gopher 协议今天依然相关，美在简单，他多年前写的 go-gopher 库还在被使用。anthk 补充了具体工具：Gemini 在旧机器上表现不错，有些客户端只是 awk 加 less。Gopher 方面可以用 lynx、sacc，加上 i2pd（I2P 匿名网络客户端）获得一些安全和匿名。Lagrange 客户端同时覆盖 Gemini 和 Gopher，还能设 HTTPS 代理来读新闻网站和博客。终端用户可以用 Telescope。

在 11175 kHz 上收听核力量的紧急行动信息

能听到什么

前导弹发射官 Daniel Frenkel 做了一个叫 missileer.watch 的网站，把美国核力量在高频全球通信系统（HFGCS）上播发的紧急行动信息（EAM）录下来、逐字符抄收。主频 11175 kHz 上边带，一台短波收音机就能收到。EAM 是预先格式化好的加密短消息，能听到的部分是它的固定结构：先呼叫网络，六字符前导码连读三遍，中间夹“standby”，然后“message follows”，接着是完整字符串；之后“I say again”，再整个读一遍。消息只用 32 个字符：A–Z 加数字 2–7，没有 0、1、8、9。

网站首页注明开头展示的是开发用固定数据，不是实时流量。过去七天记录 27 条 EAM，还有 71 条只听到一部分。评论区有人用 SDR（软件定义无线电）自己听过，说这条频段并不像网站写的“mostly static”，消息来得相当稳定。

胶囊里怎么验证

文章花了不少篇幅讲 EAM 落地的地方：发射控制中心在约 60 英尺地下，8 吨防爆门，两名军官 24 小时值班，房间有校车大小。指挥官坐左，副手坐右，中间是发射控制台、打印机、电话和一堆程序手册。消息进来，两人必须都确认它真实有效才能往下走。系统设计成没有单个人能发射：两名军官各有一把钥匙，冷战时期保存下来的胶囊里，两个钥匙开关相隔 12 英尺。一个胶囊的钥匙也不够，通常还需要另一个发射控制中心投赞成票。

今天部队是 400 枚 Minuteman III，分属怀俄明的 F.E. Warren、蒙大拿的 Malmstrom、北达科他的 Minot 三个联队。Frenkel 2012 到 2016 年是导弹兵，在 F.E. Warren 值班。他写自己讨厌这份工作，但也为它自豪：常年疲倦、无聊或紧张，二十几岁就在胶囊里穿着运动裤等，训练多年只为什么都不做。他服役四年从没听过 EAM 被读出来，退伍后才知道同样的信号一直向所有带收音机的人播发。

评论区：演习、加密与 13 分钟

有人说消息本身什么都不意味着，活动量涨了也不意味着什么，眼下正赶上一次大型演习的尾声，消息变多大概和演习有关。加密方式上，评论普遍认为是一次性密码本，没有密钥挖不出内容，最多做点元数据。一位前海军说，HF 抗干扰，所以被用来传这类关键通信；他在一次末日演习里整天守着 HF 接收机，听到消息就抄下字符，从不回应，而是用自己的 HF 发射机把同样的内容转发出去。有人提到“13 分钟”这个数字：潜射导弹从发射到在美国目标上空爆炸大约这么久。

评论区很多人的第一反应是指出文章的文风是 AI 写的，给出“Claudenglish”“LLMese”这类叫法，有人建议换成更新的模型。也有人提醒，能一眼认出的是默认文风，微调过的模型未必看得出来。

世界上最硬的食物怎么做

半年做一块木头

kottke.org 的 Jason Kottke 分享了一段视频，记录日本西伊豆 Kanesa Katsuobushi Shoten 工坊制作鲣鱼干（katsuobushi，即日本木鱼或鲣节，常被称作“世界最硬的食物”）的全过程。工坊 1882 年创立，第五代匠人 Yasuhisa Serizawa 仍在用有 200 年历史的“手火山式”手工烟熏干燥法，日本只有少数几家工坊保留这门技艺。

流程从新鲜鲣鱼开始：切片，煮 90 分钟，在手工照看的木火上烟熏十多次，用鲣鱼酱修补裂缝，用曲霉（koji mold，一种用于发酵的霉菌）发酵，再日晒数月。前后超过半年，鱼肉最终硬得像木头，表面光亮如宝石。工坊网站介绍，手火山式在伊豆西部的田子地区已用了约 300 年，可追溯到江户时代。做法是挖一个约 2 米深的竖坑，从坑底烧伊豆本地的橡木、麻栎、樱木，用明火高温烟熏干燥，一次性处理鱼的表面，把鲜味锁住。

从筑地到拉面店

HN 上的讨论有不少来自感官记忆。ggm 描述旧筑地市场：木箱装着的鲣鱼薄片在微风里轻轻飘动，人们用绿色搪瓷的电动工业台式刨床刨片，燃气驱动的市场推车穿梭。澳洲买到的袋装鲣鱼片在运输和包装中碎成小块，放进三文鱼米饭的蒸汽里，依然轻轻飘动。他觉得刨鲣鱼片像木工车床周围的碎屑：同样形状的东西，在那里是废料，在这里却是目的。鲣鱼片撒在关东煮上会“跳舞”。halflife 在东京一家鱼汤拉面店见过一块鲣鱼和手动刨刀，看起来像巨大的卷笔刀；拉面旁边会把鲣鱼片装在小网里，建议泡 10 秒，不要超过 30 秒，否则味道太浓。

过敏与年份的小争论

spike021 对流程好奇，因为他对鱼过敏，吃不了金枪鱼和三文鱼，但几乎任何鲣鱼高汤做的食物都能吃。rprwhite 推测这是蛋白质过敏，蛋白质变性后（高温、低 pH 或氧化）就不再引发反应；tux3 补充说抗体不一定只结合蛋白质，脂质、碳水化合物、任何足够大的分子都可能成为过敏原。mrlonglong 问他们怎么想到这个方法的，layer8 认为几乎肯定是渐进过程：先为其他用途烹饪或熏金枪鱼，再通过发酵和日晒延长保质期，发现用酱抹平外表有助于延长保存，然后解决长时间干燥导致过硬的问题，切成薄片。

avadodin 指出江户时代 1868 年结束，那家 1882 年创立的店并不比 2017 年创立的店更“按江户时代的方式”制作。Walf 纠正年份后反问：同一产品做了 144 年，保留了仅 14 年前那个时代的技术，本身就是成就。也有人提到烟熏过程的焦油可能让鲣鱼干含致癌物苯并芘，读到这一步有点被劝退。

中世纪峰区的铅污染留下了牙齿里的证据

牙齿是童年的记录

德比郡峰区在中世纪欧洲属于最大的产铅地区之一，但它的早期生产史一直模糊。诺丁汉大学、英国地质调查局、谢菲尔德大学等机构的研究者在《Antiquity》发表论文，用三处墓地人骨牙齿釉质中的铅浓度，配合放射性碳定年，重建了公元 600–1500 年间这一地区的铅生产节奏。牙齿釉质在形成后不再重塑，因此其中的铅浓度是一份封闭的记录，对应个体大约 4 到 12 岁的童年时期。

研究采样 17 人：卡斯尔顿的 Joule Yard 与 Spital Field 各 5 人，Wigber Low 5 人，另有 2 名 nearby Eldon Hole 的铁器时代个体作为大规模开采前的对照。结果显示，后罗马时代的铅冶炼在 7 世纪中叶已经重启；到 8 世纪中叶，卡斯尔顿等关键矿区周边出现大规模生产和环境污染。当前文献以 0.6–0.7 ppm（百万分之一）作为人为活动指示值，0.5 ppm 以下为自然背景。中世纪样本中除一人外全部超过 10 ppm，4 人（27%）超过 40 ppm。

Wigber Low 的分化

Wigber Low 墓地（约 625–685 年）的差异最明显。随葬剑的两名本地男性铅暴露最低，WIG-01 为 10.9 ppm，WIG-03 仅 2 ppm，他们可能不直接参与生产，而是从控制生产中获益。无随葬品的男性 WIG-05 为 29.5 ppm，锶氧同位素指向不列颠西部，可能是外来者。两名女性的数值高于本地男性，WIG-04 达 69.1 ppm，WIG-06 为 13.2 ppm；随葬品较多的 WIG-06 反而低得多。

作者推测，高值个体来自为庄园主生产铅的低身份家庭。两名女性分别死于 17 岁和 17–25 岁，且都葬在约两岁和五岁的幼儿附近。怀孕会把沉积在骨骼中的铅重新动员出来（世界卫生组织 2010 年报告），母亲与胎儿因此更易受害。年代稍晚的 Joule Yard 样本全部在 25 ppm 以上，作者认为这指向一个专门的采矿冶炼家族社区。

文献、冰芯和同位素对上了

历史文献提供了对照。《末日审判书》记载马特洛克、威克斯沃思、贝克韦尔和阿什福德有矿井，1066 年阿什福德、贝克韦尔、Hope 三处庄园各以五车铅（一车约 2100 磅）缴纳盾税；1086 年 Darley、马特洛克、威克斯沃思、阿什伯恩和 Parwich 缴纳 40 磅“纯银”，这是全书唯一使用该词之处。Spital Field 铅浓度最高的两人碳十四年代几乎相同，落在 1175–1270 年；与此同时，《Pipe Rolls》记录的峰区产量高峰在 1180–1215 年，阿尔卑斯 Colle Gnifetti 冰芯与瑞典纹层湖底沉积也在此期达到峰值。

锶与氧同位素显示，中世纪峰区人口移入很少，铅生产在这里更像世代相传的地方传统。瑞典 Sala 十六世纪银铅矿的墓地则呈现另一种面貌：部分矿工由囚犯充任，童年在他处度过，釉质铅浓度明显偏低。研究者把峰区人群的铅水平作为基准，用于识别其他地区和其他时期有悠久生产史的银铅社区。

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：今天这期跨度挺大，从一门叫 Goose 的新语言聊到一个核指挥频道，中间会经过创意行业的就业数字、一块鲣鱼干，还有计算器。 男：那就从 Goose 开始。

女：Goose 是 Wouter van Oortmerssen 发的一门系统级语言，作者网名 Aardappel，以前做过 Amiga E、Sauerbraten、Lobster。它的卖点是内存安全，但没有堆分配器、没有垃圾回收、也没有生命周期标注。这三样都不要，怎么做到的？ 男：靠数据栈。程序的内存只有原生调用栈、静态数据，加上编译器算出来的 N 个数据栈。每个栈上同时只有一个可增长值，永远在栈顶，增长就是 bump 指针前进，离开作用域释放就是往栈顶写一次。这些在编译期证明，运行时只维护指针。 女：等于把内存管理推给编译器了。基准数字挺漂亮，MSVC 后端下比惯用 C++ 快 3.51 倍，比手工优化的 C++ 快 1.24 倍。评论区对基准有疑问？ 男：有人指出仓库里的 C++ 和 Rust 源码看着不像优化过，很少 reserve。作者半开玩笑说真正手工优化的版本是私有的。还有人搬出 LangArena 独立基准，被另一位反驳说那测的是 AI 写代码的能力，不是语言快慢。 女：还有个更根本的争议，仓库自述写明代码几乎全部由 AI 完成，编译器、基准、示例和文档都是。有评论者要求把文档整个扔掉、用作者自己的话重写，他想知道哪些设计属于人、哪些是模型的意外。 男：作者回应说文档改过不少，但更希望人们直接上手玩。然后有人翻教程第一页就找到错误，说 C++ 的 vector<string> 会为每个字符串各分配一次，但短串落在小字符串优化范围内，不会单独分配。顺着这个，有人问它对训练数据充足的 C++ 都能说错，对没有训练数据的 Goose 又会错多少。 女：这个追问挺尖锐。不过作者在 AMA 里讲 AI 工作流很具体，让 Fable 通读以前 Lobster 的代码库，提炼风格指南，再按 pass 逐个写编译器。所以代码结构像他以前的编译器。 男：他的经验是 AI 写好代码的第一方法是让它待在已有的好代码上下文里。编译器用 C++ 也务实，Fable 在哪种语言里表现都差不多，而编译器输出 C，机器上本来就得有 C 工具链。 女：从语言跳到劳动力市场。

女：美国创意行业四年少了 20 多万个岗位，最近一年就减少约 5 万。Apricitas Economics 的作者 Joseph Politano 把这轮下滑放在现代美国媒体就业史里看，损失强度和持续时间只有 2001 年、2008 年两次衰退可以相比。但这次没有全面衰退。 男：时间上重叠的是 AI 系统开始以极低成本进入内容生产。损失集中在几个行业，电影与录音行业三年裁掉超过 10 万个岗位，接近该行业总就业的三分之一，2026 年夏天最低点低于 2008 年金融危机时期。出版业同期减少 7 万多个岗位。 女：把账算到 AI 头上不容易吧？媒体公司不愿谈自己怎么用 AI，既怕公众反弹，也要维护版权主张。 男：还有好莱坞整合、制作外迁、社交媒体创作者挤占传统媒体。一位住在亚特兰大的评论者说，当地曾是洛杉矶重要的拍摄外包地，如今工作流向欧洲，因为那里更便宜。2023 年的编剧和演员罢工也是一颗钉子，制作方把项目搬到了没有罢工的地方。 女：历史对照挺清楚。音乐行业被文件分享冲击后转向现场，巡演更长、场馆更大、票价更高。电影没有这样的退路，去年票房比 2019 年峰值低 25%，流媒体收入补不上缺口。 男：报纸展示了最坏情况，美国报纸曾雇用约 50 万人，比整个石油行业还多，如今工资单缩水近 85%。杂志出版商自 1990 年代以来裁掉 66% 的员工，图书出版商少了 40%。 女：也有反向的例子，过去六年美国图书销量增长 70%，拯救纸质书的是 TikTok 上的 BookTok 社区。 男：作者对 AI 的判断比较克制，说创意行业就业正被多种力量同时挤压，AI 是较新、较难量化的一股。评论区对效率为谁服务分歧很大，有人说省下的钱没到普通人手里，要解决得靠反垄断；也有人说长期价格下降会带来更激烈竞争，举了 Valheim 最初主要由一个人开发的例子。还有怀疑者引用斯坦福 SIEPR 的政策简报，说经济学家反复测算认为 AI 迄今对经济的冲击很小。 女：下面换到硬件。

女：Cerebras 在博客里拿 Kimi K3 做例子，讲怎么把一个 3 万亿参数的模型铺到 59 片 WSE-3T 晶圆上，跑到 1000 到 2000 以上的 token 每秒。 男：3 万亿参数按 4-bit 量化，原始权重约 1.5 TB，摊到 93 层，每层约 16 GB。一片 WSE-3T 的片上 SRAM（静态随机存取存储器）是 44 GB。 女：那 59 片怎么算出来的？ 男：模型有两种层。69 个线性注意力层不存每个 token 的 key/value，一个请求只占固定状态，一片晶圆能放两层，共 32 GB。24 个稠密层要为每个活跃请求的每个 token 保存 KV 缓存（key/value 缓存），一片只能放一层。69 除以 2 向上取整得 35，加 24 就是 59 片。 女：晶圆之间怎么连？ 男：用 RDMA over Ethernet 连成流水线，每跳约 2 微秒，只有激活值在走，权重留在原地。整条流水线同时装着不同请求，第 3 片处理请求 A 时，第 2 片处理 B，第 1 片处理 C。并发上限由稠密层的 KV 缓存决定，评论里有人推算出约 190 个并发请求、整机 1.18 兆瓦、约 4.1 J/token。 女：评论区更关心普通人能拿到什么。有人说 Cerebras 上能用的只有 GPT OSS 120B 和 Qwen 3.8 27B，前者飞快但基本都是错的。还有前订户说 1000 TPS 当时独一份，如今被 Mercury 3 在成本和性能上双双超过。 男：还有人抱怨这类高速模型版本太旧，而 Anthropic 和 OpenAI 每隔几周就发新的 SOTA（最先进水平），却把精力放在订餐厅之类的功能上。有人回了一句，对写代码有用的东西，对 99% 的人可能完全没用。 女：OpenAI 到底用没用 Cerebras 硬件，评论里也吵了一场。有人说是 Nvidia 硬件，有人说 Jane Street 买断了算力。 男：44 GB SRAM 让一些人觉得小，有人解释那是 SRAM，相当于 44 GB 的 CPU 缓存，所以它才这么快也这么贵。速度值不值分成两派，有人想象同样的智力快上 100 倍，有人觉得瓶颈根本不是速度，是审查负担。 女：从算力回到桌面。

女：SpeedCrunch 1.1 发布了，免费开源高精度科学计算器，最高 50 位精度，内置 140 多个函数。一位长期用户说，他用 0.12 十年，每天用，没遇到 bug，看到新版很意外。安装后输入框放大一倍，外面套了不必要的边框，周围多出空白，还出现输入延迟。他回退到了 0.12。 男：也有人喜欢新界面，说可以切回经典视图。有评论者不同意“软件已完成”的说法，认为任何消费级应用 UI 都有几乎无限的改进空间。另一位解释得更细，多数消费软件假设功能只在构建时产生成本，维护成本和新功能带来的组合复杂度很少被考虑，团队增加复杂度快过可处理工作量，最后质量下降。 女：1.1 修了一个长期存在的运算顺序 bug，1/2(-9.8) 现在等于 -4.9，以前是 -0.05102040816326530612。表达式还会渲染成 1 / 2 × (−9.8)，用乘号把含义写清楚。 男：有人觉得这个公式本身太有歧义，该直接报错；也有人指出除法和乘法同级，从左到右算，-4.9 明确正确。还有位用户提到硬编码了 5 位数字的限制，超过就转科学计数法，1.1 提高到了 14 位。他多年来自己编译改代码，把 if (expd > 5) 改成 25。 女：社区不少人已经转向别的工具，有人换到 Qalculate，说 UI 不算出色但很强大，还能和 KDE 的 krunner 集成，按 Alt+Space 就能用计算器和单位转换器。也有人提 numbat，主要优势是能随手定义自己的单位。 男：还有人遗憾缺少质数函数，有人关心 Homebrew formula 被禁用。一位用户分享自己用 Claude 写了个科学计算器，先问会放哪些函数，然后让 Claude 写代码，一次就看起来很完美。有人提醒科学计算器出奇地难做对，SpeedCrunch 自己刚修了一些计算错误。 女：从计算器转到很小很小的程序。

女：有个作者聊 Forth 实现，收到反馈后列了自己见过的最小实现。Philippe Brochard 贡献了一个 46 字节的 Forth，小到作者直接把十六进制转储贴进了正文。 男：还有 Arthur Whitney 在一个下午内、只用一页纸写出数组语言解释器，122 行极其晦涩的 C。Geo Carncross 讲的 kOS 把 k 语言、kdb 数据库、GUI 和窗口管理器全装进 90 KB 可启动镜像。William Byrd 那场“有史以来最美丽的程序”演讲里，Lisp 解释器只有十来行。 女：作者说 200 行的东西他几乎一定点开，2000 行就要犹豫。46 字节的机器码看起来吓人，但正因为这么小，读的人会觉得自己总有一天能弄懂。 男：他问这些除了好玩还有什么用，回答是有用。Kolmogorov 复杂性衡量生成某个对象的最短程序长度，代码高尔夫选手实际上是在为全人类标定程序复杂度的下界。Justine Tunney 带垃圾回收的 Lisp 可以小到 436 字节，Frank Force 的 3D 浏览器游戏压缩后只有 2 KB JavaScript。 女：评论里有人列了自己用 uxn 写的实用小程序，39 字节的十六进制解码器、125 字节的 JSON 转 NDJSON、1024 字节的 BLAKE2s，还有一个带图形、音效、字体和计分的卡牌游戏，1853 字节。他说这些程序省略了错误检查，这是短小的原因之一。 男：文章后半段解释为什么小东西本身让人愉悦。Stephanie Langin-Hooper 在《Tiny Things and Why We Love Them》里写，把实物缩小会更可爱、更容易接近、更脆弱，也更无害更可控。Simon Garfield 在《In Miniature》里说答案是对掌控和启明的渴望，把缩小的秩序和光亮带进一个混乱的世界。 女：这个感受挺具体的。下面换个吃的。

女：kottke.org 的 Jason Kottke 分享了一段视频，记录日本西伊豆一家叫 Kanesa Katsuobushi Shoten 的工坊制作鲣鱼干的全过程。鲣鱼干常被称作“世界最硬的食物”。工坊 1882 年创立，第五代匠人还在用有 200 年历史的手火山式手工烟熏干燥法。 男：流程从新鲜鲣鱼开始，切片、煮 90 分钟、在手工照看的木火上烟熏十多次、用鲣鱼酱修补裂缝、用曲霉发酵、再日晒数月。前后超过半年，鱼肉最终硬得像木头，表面光亮如宝石。手火山式在伊豆西部田子地区用了约 300 年，挖一个约 2 米深的竖坑，从坑底烧伊豆本地的原木，用明火高温一次性处理鱼的表面。 女：HN 上的讨论有不少来自感官记忆。有人描述旧筑地市场，木箱装着的鲣鱼薄片在微风里轻轻飘动，人们用绿色搪瓷的电动工业台式刨床刨片。他说鲣鱼片撒在关东煮上会跳舞。 男：还有个对鱼过敏的人说，他吃不了金枪鱼和三文鱼，但几乎任何鲣鱼高汤做的食物都能吃。有人推测这是蛋白质过敏，蛋白质变性后就不再引发反应。也有人补充过敏原可能是不溶性蛋白质，高汤里含量很少。 女：有人读到烟熏过程的焦油可能让鲣鱼干含致癌物苯并芘，有点被劝退。也有人说几乎所有烟熏食物都这样。 男：还有个小争论，江户时代 1868 年结束，1882 年创立的店并不比 2017 年创立的店更“按江户时代的方式”制作。有人反驳说，同一产品做了 144 年，保留了那个时代的技术，本身就是成就。 女：从吃的转到互联网的老角落。

女：Wayne 在 2026 年 5 月写下 phlog 第一篇，phlog 就是 Gopher 上的博客。他聊为什么这一年还在用 Gopher 这种早期的互联网信息检索协议。他说读到这里的人大概不满足于只用工具，还想知道工具怎么运转。 男：他注意到 17 岁的孩子和有 ADHD（注意缺陷多动障碍）的朋友有一种趋势，想关掉世界的噪音回到更简单的时代。他自己有点“别踩我的草坪”的心态，回不去了，无论好坏都得弄明白现在的位置。翻盖手机对孩子们是简单低科技，对他那代人是最新技术。 女：他提到 vi 时代没有语法高亮，现在 vim 有。他不仅知道有，还能上网搜怎么配置一堆以前看手册也弄不明白的功能。过去得找到一个人，先听懂你在说什么，再比你懂得多。 男：评论区有人推荐具体工具，Gemini 在旧机器上表现不错，有些客户端只是 awk 加 less。Gopher 可以用 lynx、sacc，加上 i2pd 获得一些安全和匿名。Lagrange 客户端同时覆盖 Gemini 和 Gopher，还能设 HTTPS 代理来读新闻网站和博客。 女：下面聊一个关于电视的隐私故事。

女：一位 2025 款 Samsung TV 的用户一直收到奇怪的定向广告。他想逆向固件查原因，发现固件用 AES 加密，没有密钥，除非拆机做 UART 或 JTAG（串口与调试接口）才能拿到。他转而找零日漏洞，在新 Samsung TV 上拿到了 root shell。 男：root 之后他看到的东西被他称为“隐私恐怖”：常开的热麦克风、自动内容识别（ACR，通过识别屏幕内容投放广告）、地理位置、网络映射、定向广告服务、4 个不同的 DRM（数字版权管理）服务。还有用户画像和大量遥测数据。他晒出一个叫 security-policy.xml 的文件，写道：“只有你、上帝、一台 3000 美元的电视，以及 Samsung 和它的 400 个合作伙伴。” 女：HN 的讨论对这个说法有不少保留。有人指出，狗叫和婴儿哭声检测是 SmartThings 集成里公开宣传的功能，属于用户主动开启、在本地芯片上运行的模式匹配，不是把音频传出去。 男：也有人批评这是用 AI 逆向、又被自己的 AI 带偏的发现。做逆向工程的第一步应该是读公开文档、FCC 备案和专利，OP 找到的东西大多在这些材料里就有。还有人翻出近期的测试，在拒绝授权后，Samsung 是少数真正停止发送数据的品牌，LG 反而在德州诉讼和解后加了强制仲裁条款。 女：另一条线是 OpenAI。这位研究者用 AI 解密固件，随后 OpenAI 账号因“Cyber Abuse”被封。有人觉得这很蠢，不能放心用 LLM 做逆向工程，会大幅降低它的价值。 男：也有人提到 daybreak blue 项目，个人可以申请，只限防御性用途，措辞很重要，说明是在自己的设备上做防御性分析，能减少误判。回到电视本身，广告追踪压低了电视售价，设备在使用期间持续产生收入。不想被追踪，最干脆的办法是根本不联网，接一个 Apple TV 或 Chromecast。有人提醒，不联网不代表绝对安全，电视可能借邻居的公共热点回传数据，不过目前没有证据。 女：从消费电子跳到核指挥。

女：前导弹发射官 Daniel Frenkel 做了一个叫 missileer.watch 的网站，把美国核力量在高频全球通信系统（HFGCS）上播发的紧急行动信息（EAM）录下来、逐字符抄收，供任何人收听和阅读。主频 11175 kHz 上边带，一台短波收音机就能收到。 男：EAM 是预先格式化好的加密短消息，能听到的部分是它的固定结构：先呼叫网络，六字符前导码连读三遍，中间夹 standby，然后 message follows，接着是完整字符串，之后 I say again，再整个读一遍。网站用加州的 KPH 和冰岛两个接收站抄收，机器转录后再由人工校对。消息只用 32 个字符，A 到 Z 加数字 2 到 7，没有 0、1、8、9。 女：首页注明开头展示的是开发用固定数据，不是实时流量。过去七天记录 27 条 EAM，还有 71 条只听到一部分。评论区有人用 SDR 自己听过，说这条频段并不像网站写的 mostly static，消息来得相当稳定。 男：文章花了不少篇幅讲 EAM 落地的地方，发射控制中心在地下 60 英尺，8 吨防爆门，两名军官 24 小时值班。系统设计成没有单个人能发射，两名军官各有一把钥匙，两个钥匙开关相隔 12 英尺。一个胶囊的钥匙也不够，通常还需要另一个发射控制中心投赞成票。 女：Frenkel 2012 到 2016 年是导弹兵，在 F.E. Warren 值班。他写自己讨厌这份工作，但也为它自豪，二十几岁就在胶囊里穿着运动裤等，训练多年只为什么都不做。他服役四年从没听过 EAM 被读出来，退伍后才知道同样的信号一直向所有带收音机的人播发。 男：评论区很多人的第一反应是指出文章文风是 AI 写的，给出 Claudenglish、LLMese 这类叫法。关于该不该盯着这条频率，有人说消息本身什么都不意味着，消息变多大概和演习有关。加密方式上，评论普遍认为是一次性密码本。 女：最后回到地面，聊聊考古。

女：德比郡峰区在中世纪欧洲是最大的产铅地区之一，但早期生产史一直模糊。诺丁汉大学等机构在《Antiquity》发表论文，用三处墓地人骨牙齿釉质中的铅浓度，配合碳定年，重建了公元 600 到 1500 年的生产节奏。 男：牙齿釉质形成后不再重塑，铅浓度是封闭记录，对应个体大约 4 到 12 岁。研究采样 17 人，包括卡斯尔顿的 Joule Yard 与 Spital Field 各 5 人，Wigber Low 5 人，另有 2 名铁器时代个体作对照。结果显示后罗马时代的铅冶炼在 7 世纪中叶已经重启，到 8 世纪中叶卡斯尔顿周边出现大规模生产。 女：铅浓度具体到什么水平？ 男：当前文献以 0.6 到 0.7 ppm（百万分之一）作为人为活动指示值，中世纪样本中除一人外全部超过 10 ppm，4 人超过 40 ppm。Wigber Low 墓地里，随葬剑的两名本地男性铅暴露最低，一人 10.9 ppm，另一人只有 2 ppm，他们可能不直接参与生产，而是从控制生产中获益。无随葬品的男性是 29.5 ppm，可能是外来者。 女：那两名女性的数值好像更高？ 男：对，一人达 69.1 ppm，分别死于 17 岁和 17 到 25 岁，都葬在幼儿附近。怀孕会把沉积在骨骼中的铅重新动员出来，世界卫生组织 2010 年报告提到这一点。作者推测高值个体来自为庄园主生产铅的低身份家庭。年代稍晚的 Joule Yard 样本全部在 25 ppm 以上，指向一个专门的采矿冶炼家族社区。 女：历史文献能对上吗？ 男：《末日审判书》记载几处有矿井，1066 年三处庄园各以五车铅缴纳盾税。锶与氧同位素显示中世纪峰区人口移入很少，铅生产更像世代相传的地方传统。研究者把峰区人群的铅水平作为基准，用于识别其他地区有悠久生产史的银铅社区。 女：好，今天就聊到这儿。

女：今天从语言设计聊到牙齿里的铅，跨度是有点大。 男：下次可以再挑几个小的。 女：感谢大家收听。记得用泛用型播客客户端订阅我们，下期见。 男：下期见。

参考链接