Agili 的 Hacker Podcast 2026-10-28

2026年10月28日

Gemini 4 Carbon 发布，Google 宣称在网络安全上最强

基准测试成绩

Google DeepMind 在 10 月 28 日发布 Gemini 4 Carbon，重点在网络安全和长周期任务。它在 Artificial Analysis Intelligence Index v5.0 上以 59 分排第一。安全相关的三个基准也全部排第一：SEC-bench Pro 上自主找漏洞的得分是 88.2%，ExploitGym 上验证漏洞可利用性的得分是 54.8%，CWE-bench 上把已验证问题修成可用代码补丁的得分是 71.0%。Google 内部测试称，Carbon 生成安全代码的成功率比上一版 Argon 提升 2 倍以上；Chrome 团队报告，Carbon 生成高质量补丁的表现，比另一家实验室的大型前沿模型好 10 倍以上。

智能体与安全机制

Carbon 面向智能体工作流（模型自行规划并执行多步操作）。Google 内部团队看到它能连续运行数天，处理大型代码库和底层系统里隐蔽 bug 的根因定位与修补。安全侧沿用 Argon 的多层防护，包括训练阶段、实时滥用防御、提示注入（把恶意指令藏进模型读取的内容）抵抗和思维链监控。Google 称 Carbon 把 Terminal-Bench 4.0 上的成功作弊降到 0.0%，作弊尝试降到 0.4%，整体准确率还提高；内部 live coding 环境里高严重度错位告警下降近 80%。在 Gray Swan 间接提示注入基准上，攻击成功率从 Argon 的 0.7% 降到 0.0%。

定价与可用性争议

Carbon 介绍期价格与 Argon 相同：每百万输入 token 2 美元，输出 10 美元；介绍期后翻倍。Google 称本周先向部分网络安全防御人员开放，再通过 Fairwind Program 扩大可信合作伙伴，之后尽快上开发者、企业和消费者产品。

Hacker News 讨论的焦点落在可用性。多位付费用户说 Gemini app 里仍只看到 3.6 Flash、3.1 Pro 等旧模型，AI Plus/Pro/Ultra 的模型权限难以弄清。配额也被反复提到：一次博客文章审阅用掉 50% 额度，三次对话后当天被限制到 Flash-Lite。命名是另一大吐槽：Carbon 的原子序数比 Argon 小，能力却更强；有人建议用稳定的 tier 名加版本号，像 i3/i5/i7 那样，让用户一眼看出层级。关于模型本身，有用户说 Argon 写作好，在 Cursor 里成了日常主力；也有本地 coding agent 头对头对战显示 Argon 在初始排名里最差，随后被指出 harness 影响很大。

Anthropic 公布 Claude 介入药物开发的早期成果，社区对价值判断不一

从分子设计到 GMP 文档

Anthropic 生命科学团队公布了过去几个月与六家机构合作的进展，覆盖分子设计、先导优化、生产文档审查和监管申报。这些项目大多停留在临床前阶段（preclinical，尚未在人体中测试）。

Genentech 旗下的 Generate Biomedicines 用 Claude Code 重新设计 CAR-T 细胞的信号域，选送 186 个设计进入实验室。效果最好的版本比标准序列短约 70%，在人类 T 细胞实验中让细胞表面受体数量增加约 10 倍，杀灭肿瘤细胞更高效。Divergence Labs 针对 IgE 抗体设计双臂结构，Claude 在约一个月内生成约 35,000 个抗体设计，筛出不到 100 个送进实验室，91 个“破坏臂”设计里有 20 个成功在 1 到 2 分钟内撬下 IgE，3 个在可接受浓度下表现优于 Xolair。BigHat Biosciences 在约 10 周内测试约 1,010 个变体，最终两个分子在结合力、稳定性和抗聚集三项指标上都优于原始版本：结合力提升 6 到 9 倍，稳定性提高 8 到 18°C，抗聚集能力改善超过 100 倍。

Enveda 的案例集中在文档环节。化学师最多有 75% 的时间花在审阅生产记录上。Claude 在四批共 1,061 页的记录上找出人类审查员标记的全部 11 个问题，还额外发现 7 个被遗漏的问题。人工审查耗时 25.9 小时，系统加人工复核耗时 2.8 小时，减少 89%。Claude 起草的一份 IND 模块 2 初稿用了 4 小时，人工撰写估计需要约三个月。

评论区的谨慎判断

Hacker News 上的讨论对这批成果的态度明显比原文谨慎。用户 helsinkiandrew 引用 Citrini Research 的 James van Geelen 的观点：设计分子可能只占把药物推向市场全部工作量的 10% 到 20%，人类掌握的候选分子数量早已超过能够实际开发的规模。用户 timr 自称前药物开发者，认为分子筛选是药物开发中价值最低的环节，真正的瓶颈在临床试验，而临床试验失败的原因——毒性、脱靶效应、代谢问题——目前没有办法靠计算预测。用户 EA-3167 指出，90% 的候选药物在临床试验阶段失败，Anthropic 的案例没有证明 AI 能提高这一阶段的成功率。

也有评论认为 20% 并非零价值。用户 plufz 说，能优化占药物开发 10% 到 20% 的环节仍然很有用。用户 azan_ 认为，哪怕只是把临床试验成功率提高几个百分点，考虑到试验的巨额成本，收益也会很大。

Claude 修正指标这件事更受关注

关于 Claude 在 BigHat 项目中修正测量指标：团队怀疑标准的耐热性和聚集指标不可靠，Claude 和研究員回到仪器原始数据重新分析，提出新的度量方式并建议修改实验协议来验证。一些评论认为这比分子设计本身更有意思。用户 jrowen 说，生物学的难点在于工具和数据都不足以完整观测和建模，AI 更现实的作用是帮专家分析数据、设计实验、管理信息流。用户 daemonk 也认为，AI 在生物学中的瓶颈是高质量数据的稀缺和碎片化，不是智能本身。

使用限制与动机质疑

用户 rcr-anti 说，生物和化学领域的研究者因为 Claude 的防护栏越来越严格而开始放弃，生命科学验证计划的申请流程对大量研究人员来说并不透明或便捷。用户 areoform 举了 Anthropic 自己报告里的案例：他们曾阻止研究人员用 Claude 撰写一份针对基孔肯雅病毒的资助申请，理由是涉及功能获得性研究。这些评论指向同一个问题：Anthropic 一边宣传 Claude 能加速药物研发，一边对实际从事生物研究的外部用户设置了很高的使用门槛。

用户 baq 的评论被多人引用：“生物学以生命的速度前进”，除非模拟生命的技术出现革命性突破，否则这个领域的进展节奏不会像软件工程或数学那样快。

macOS 命令行工具仍在信任被泄露的 eMudhra 证书

问题出在证书存储

Apple 在 10 月 17 日收到 eMudhra 事件的通知。到 10 月 28 日，macOS 自带的 git、curl、python3 等开发者工具仍然信任这批被泄露的证书。10 月 26 日发布的 macOS 27.2 没有修复问题，还把用户手动做的变通方案撤销了。

这些工具用 /etc/ssl/cert.pem 里的根证书列表验证 TLS。任何能控制网络路径的人都可以拦截它们发起的 HTTPS 连接。对 git 来说，从 https:// 远程克隆和拉取可能拿到攻击者选定的代码，推送内容可在传输中被改写，GitHub token 之类的凭据也会被截获。检查自己的 git 是否受影响：

git ls-remote https://git-emudhra.we-have-a-problem.com/check.git

报证书错误说明已受保护；如果列出了 commit，连接就可能被拦截和篡改。

问题的根子在 macOS 有两套证书存储。图形应用走 Apple 的网络框架，Safari 等已经通过 OCSP（在线证书状态协议）撤销在几小时内得到保护。命令行工具读的是 /etc/ssl/cert.pem，这是一份平铺的根证书文件，只知道根，不知道中间证书，也不查 Apple 的 block 列表或撤销状态。据评论补充，这份文件源自 OpenBSD 2021 年 9 月 30 日的列表，每次系统更新都会覆盖。

社区标题之争与 Homebrew 的疏漏

社区对标题有不少意见。git 把验证交给操作系统是正确设计，问题在于 macOS 提供的信任库过期。有人建议标题改成“macOS 仍在信任被泄露的 eMudhra 证书”，而不是把矛头指向 git。受影响的不止 git，curl、openssl、python3、perl、ruby 都在同一份文件上。

Homebrew 维护者 woodruffw 在讨论中说明，Homebrew 自带 CA bundle，所以 Homebrew 版的 curl 不受影响；但 Homebrew 的 git 默认仍读系统 bundle，他起初以为没问题，后来确认存在疏漏，正在通过 homebrew-core 的 PR 修复。想确认自己用的是哪个版本，可以跑 which git 和 which curl：/usr/bin/ 下的是系统版本，/opt/homebrew/ 下的是 Homebrew 版本。

修复方向与威胁分歧

修复方向在讨论里比较一致：让命令行工具走 Apple 的 Security.framework。curl 用 OpenSSL 或 GnuTLS 构建时支持 --with-apple-sectrust，能通过和 Safari 相同的机制挡住中间证书。macOS 没有这样构建 curl，评论觉得难以理解。另一个临时做法是删掉 /etc/ssl/cert.pem，换成 MacPorts 或 Homebrew 的证书文件。

对威胁程度的判断有分歧。有人认为要成功 MITM 需要不少条件，不该拿它和 PHP2Shell 相提并论。反驳的意见指出，公共 WiFi、伪造热点、ARP 欺骗都不难，mitmproxy 已经能现场生成 eMudhra 证书；嵌入式设备风险更大，2018 年以来出厂、跑 Linux 的设备有很多不会再打补丁。还有人提醒，攻击者可以只针对 macOS 上的命令行 User-Agent 下手，不一定惊动浏览器用户。

The Grid：把整座 PCB 工厂做成一台大机器人

多品种小批量的自动化

The Grid 是 CircuitHub 在 Massachusetts 建起的工厂级机器人，用来按需制造印刷电路板（PCB）。创始人 Andrew Seddon 在 10 月 26 日公开了这套系统。它已经为客户运行五年，每年生产数千万美元的电子产品；CircuitHub 累计发货超过 220 万块板、贴装超过 1.5 亿个元件、服务超过 2.6 万名工程师。

过去 30 年电子制造外流到低成本国家，因为组装劳动密集。自动化只在超大批量产品上划算。大多数硬件公司需要“十个这种、一百个那种，下周又要改版”，这种多品种、小批量的工作一直很难自动化，因为每个新设计都要花几小时设置和人工换线。The Grid 的做法是把整座工厂做成一台大机器人：悬浮移动器把每块板和所需元件在印刷锡膏、贴装元件、回流焊、焊接和检测等工位之间运送，由学习模型、AI agent 和经典优化器统一调度。每块板走自己的路线，设计之间没有换线，也没有按产品做的设置；100 种不同设计各做 1 块，和同一种设计做 100 块一样跑。

价格与交付对比

文章给了一个具体对比：4 层电机控制器，每块 118 个元件（38 种不同），5 块组装好、含元件、送到美国地址。在 The Grid 上 4 天到货，630 美元；在深圳一家典型快件厂，含运费和美国关税约 465 美元，中位交付 9 天。也就是多付约 165 美元、早 5 天拿到板子，没有清关环节。Seddon 在 Hacker News 上回应价格质疑时说，5 块 2 层或 4 层的交钥匙组装板，只要符合 Grid Proto 规格，价差接近 1.3 倍而不是 10 倍，而且更快。他强调系统已经跑了五年，不算原型，客户包括一家头部电动车制造商、一家顶级 AI 实验室和几家知名科技公司。

下单体验与文件要求

社区反馈最集中的是下单体验。不少人只想拿个报价就被拦住：必须注册账号，上传 gerber 压缩包时报错，流程卡住。有人拿 Macrofab 对比，说后者体验顺畅得多。比注册更敏感的是文件要求。有用户说必须上传原理图和 PCB 源文件才能报价，而业界通用做法是收 gerber 加 BOM（物料清单），加上法律条款对知识产权保护不够，他决定暂时不用。还有人说自己的 Eagle 文件和原始 gerber 都不被接受。

规格限制也被点名：板子要求 1oz 铜、不许埋孔（buried vias），而电机控制器常因大电流用 2oz 铜，密集设计也常需要埋孔。有人问为什么表面贴装的 USB-C 连接器被当成通孔件处理。

关于自动化程度，有人问现在是不是全自动、还有没有人手工焊接。回答是组装基本由贴片机和化学工艺完成，瓶颈在换线：贴片机的供料器要按每块板子的元件重新摆放，空间有限，每次换设计都得换；蚀刻工装也要重新校准。面向装配的设计评审仍然靠人。厚的电源端子等元件仍可能要手工焊。

Fast Food Tycoon 2 反编译：等距城市的渲染细节

用 AI 辅助拆解 2001 年的经营模拟

作者用几天时间反编译了 2001 年的经营模拟游戏 Fast Food Tycoon 2，欧洲叫 Pizza Connection 2。游戏里玩家在等距视角的城市中建披萨帝国，租店面、仓库、雇人、设计披萨、管理供应链，顾客根据食物、服务和口碑打分。

反编译流程搭建在本地 agentic loop 上。Ghidra 把 fastfood2.exe 的 4,046 个函数转成约 9.5MB 类 C 文本。原始代码导入 SQLite，再用脚本按字段写入、调用者、字符串引用检索。Windows 的 ReadProcessMemory 让 agent 能检查运行中游戏的内存，把现金、相机位置、选中建筑等数值和屏幕画面对上，再反查修改这些值的函数。控制游戏的方式是修补 Windows 消息处理器，把命令送到游戏自己的 UI 线程执行。

脏区域渲染与光照系统

城市本质上是一张画加几百个精灵。柏林地图文件 ber.tga 只有街道、地块和勃兰登堡门的影子，没有建筑、人物或车辆。渲染器先把场景画进内存缓冲：找出需要重绘的脏区域，恢复背景，再按对角（等距）地图顺序做多遍绘制，控制遮挡关系。为了让被墙挡住的人仍然可见，渲染器先用临时像素值标记人物形状，画上覆盖物，再给被遮挡的身体部分描黄边，最后填充可见部分。每个像素存 16 位颜色和一个独立的光照字节。

光照跟随一张 25 小时的亮度表：夜里 70，黎明陡升到白天 251，黄昏回落。路灯根据亮度决定是否发光，阈值随对象 ID 的低 3 位轻微变化，所以路灯会一小群一小群地亮起，默认设置下大约 18:25–18:30 开、05:35–05:40 关。每家披萨店还有自己的光照遮罩，渲染时和同一位置已有光照取较大值，因此建筑整体变暗时窗户和招牌仍然亮着。

走路逻辑与市民日程

会动的东西都存在 .ani 文件里，包含精灵表和命名动画序列，内部文本大多是德语。走路逻辑比较下一节点和当前位置，按方向符号选动画。动画序列还存每帧位移，比如女招待的 gehen4 每帧移动 (+1.25, 0)，这样脚和地面保持同步。跑腿小弟走得最快，每秒 27 像素；游客 16.2，名人 13.8。

市民生成时拿到一份日程，日程不会每天重置，所以被分配到某家电影院的上班族会一直去那里。日程里还有刻板印象：哥特人 09:00 前待在家；学生午夜到凌晨 3 点有 40% 概率去酒吧。作者还解开了童年谜团：披萨分成 24 个区域，检查配料铺得均不均匀、对边是否有匹配的配料、哪些配料能搭配。还有基于配料权重的抄袭检查：把对手的披萨重新摆一遍骗不过它。

评论区补充与命名澄清

评论区里不少老玩家补充了机制。有人说小孩和青少年喜欢大份，于是他做整只炸鸡披萨，原料成本高、利润高、评分也好。一位德语玩家指出翻译问题：游戏里 “Grufties” 被译成 “Goths”，但德语 Gruft 是墓穴，游戏里其实是用戏谑方式指老年人，直译成哥特人是误译。另一位玩家回忆可以把蟑螂、臭奶酪或老鼠送到对手店里再叫卫生检查员，或者派朋克吓顾客、殴打对方员工。

关于游戏命名，有评论先质疑文章叫它 Pizza Connection 2 是否正确，随后自己查 Wikipedia 更正：Pizza Tycoon（Pizza Connection）之后是 Fast Food Tycoon（Pizza Syndicate），再是 Fast Food Tycoon 2（Pizza Connection 2）；2018 年有 Pizza Connection 3，2026 年 3 月还出现了开源重实现 Pizza Legacy。

技术讨论集中在 AI 辅助方式。有人称赞这是理想形态：AI 用来反编译和发现细节，文章本身由人写，读起来没有 LLM 套话。也有人揪住 “the named animation sequence” 这类措辞，认为有 AI 痕迹；随即有人反驳，说 .ani 文件确实包含多个有名字的动画序列。更实际的建议是：与其把原始反编译文本塞进 SQLite，不如用 MCP 适配器直接调 Ghidra，处理 vtable 间接跳转和动态加载代码时效果更好。

给美国法典建一套 Git 式的版本记录

法律文本按日期查询

Lexifina 博客上的这篇文章提出给美国法典（US Code）建立一套 Git 式的版本记录，让法律文本按日期查询、按法案着色、追踪每处修改的来源。大量第一轮法律检索现在交给语言模型，模型常常无法利用法律的正确沿革，限制了它给出解释的能力。

文章先解释美国法典的发布方式。国会以 positive law（正式法律）颁布的标题之外，法典只是法律的初步证据，与《美国法令全书》冲突时以后者为准。法律修订办公室以 release point（发布点）的形式出版法典，每个版本以某部公法为截止点。哪部公法写入了哪句话，记录在 amendment notes（修正注释）里，是散文形式。生效时间常写在单独的 effective-date note 里；国会没有说明时，默认规则是法律颁布当天生效。

11 USC § 1182(1) 对小企业债务人的定义展示了这些答案能差多远。该定义 2019 年随《小企业重组法》创设，沿用当时的小企业债务上限。CARES 法案在 2020 年 3 月把它临时提高到 750 万美元，后来延至 2022 年 3 月。提高的上限在 2022 年 3 月 27 日失效；2022 年 6 月 21 日国会又恢复两年，适用于 2020 年 3 月 27 日之后立案且仍在审理的案件，覆盖了中间的空档。对 2022 年 5 月立案的案件，当时印制的 release point 给出较低上限，只有后来的法案改变答案。

模型的时间有效性失败

慕尼黑工业大学的一项研究让模型回答德国法条问题，发现两种失败：模型应用训练截止后被取代的规则；即使旧条款管辖事实，它也偏好新条款。一个模型单独回答截止后问题的正确率是 24%，把相关法条文本检索给它之后升到 87%。作者结论是时间有效性必须当作硬约束。另一项近期工作训练搜索代理尊重问题所涉日期，一致性大幅提升。让模型直接生成旧文本解决不了问题：同一团队让模型把德国修正案应用到早期版本，输出与官方文本的相似度是 93–99%，但单条修正只有一半完全匹配，修正链只有五分之一完全匹配。

文章作者的做法是：对 2017 年以来的每一对 release point，取出中间颁布的公法，按日期顺序在旧文本上执行修正指令，再与新版本比对。九个标题下共 365 处变化，361 处精确复现了下一个 release point。每处变化附带法律和生效日期。局限也很明确：它还没有展示后来法律对它覆盖的较早日期的回溯效力，所以对 2022 年空档期立案的案件，它显示较低上限，不提示 2022 年 6 月法案改变了答案。

评论区：谁会被记为作者

kfogel 引用 2007 年《纽约时报》一篇文章的设想：如果法案在追踪删除线和增补的系统中创建，公众会知道哪位议员在提案经过国会时做了哪些修改。mcdonje 认为效果可能相反：公众对政府运作的关注远不如金主。kelseyfrog 指出 commit 作者不会是议员或助手，而是众议院立法顾问办公室的成员，该办公室无党派、公正、保密，追踪来源会让它变得党派化。

几位评论者提到各国已有先例。Xirdus 介绍波兰的 ISAP 系统：法案以补丁形式书写，通过后合并发布统一版本，在线系统包含交叉链接、当前和存档的统一版本。ShadowOfThePit 说瑞士联邦层面自 2020 年起法律也用 HTML 创建，fedlex.admin.ch 提供版本比较工具。TomAbel 提到法国有 lafabriquedelaloi.fr。

codingdave 做过 15 年政府文档管理，提醒版本控制对立法确实关键，但 Git 不一定是答案。联邦层面的工作流已经基于具体变更：写出变更、应用、发布新文件，发布在 congress.gov。真正的目标是更详细的追踪、更多透明度，包括变更的作者和来源，并且全部向公众开放。Git 作为支持这些目标的数据结构可以，但设计要从目标出发。

法律版本控制的实际难点也被反复提到。tpmoney 说 LexisNexis 和 Thomson Reuters 靠这个向律师收很多钱，因为很多法律问题需要知道事发时的法律文本。各立法机构发布变更的格式不同，常常难以解析。法院判决能大幅影响法律的解读，甚至让仍在法典里的文本实际失效。

Nikon Small World 2026：一滴墨水的显微摄影夺冠

用闪光灯冻住墨滴

2026 年 Nikon Small World 显微摄影比赛冠军由 25 岁的德国实验摄影师 Ole Bielfeldt 获得。获奖作品拍的是喷墨打印机将墨滴沉积到纸上的瞬间。他击败了来自 69 个国家的 1,802 件参赛作品。

Bielfeldt 在新冠封锁期间对显微摄影产生兴趣，当时他在父母家的阁楼里发现了一台旧显微镜。他用一根管子和一些木头做出适配器，把显微镜接到父亲的相机上，靠反复试错自学摄影。拍摄墨滴落在纸上的动作是个难题：过程太快，墨滴的速度超过相机快门速度。他的办法是拆解打印机，让纸在固定的打印头下方移动，再在暗室里拍摄，用闪光灯当作快门，把半空中的墨滴冻住。设备并不昂贵。

Nikon Instruments 的代表 Eric Flem 说：“Ole Bielfeldt 的获奖作品体现了 Nikon Small World 的力量所在：显微成像、巧思和艺术的交汇。”这提醒人们，显微镜不只是科学工具，也是创作工具。

评论区：先怀疑是 AI

Hacker News 上，这张墨滴照片引发的第一反应是不敢相信。用户 King-Aaron 说，第一次看到时拒绝相信是真的，“太超凡脱俗了”。Smoosh 仍有疑虑，觉得可能是 AI 生成或修改的，但也表示评委应该做过尽职调查，“有点难过，现在不得不质疑这类事情”。去年 Motion 比赛的获奖视频因使用 AI 被取消资格，评论认为这加剧了警惕。

也有人去翻摄影师的背景。jcims 找到 Bielfeldt 的 Instagram，指出那显然不是标准喷墨打印机配置，但翻一翻能看到一些定制装置，是它们让拍摄成为可能。hn-aarvin 注意到这位摄影师此前有两张照片在比赛中排名靠前，分别拍的是蜡烛和火柴，用的放大倍率是 2.5 倍，这次需要 20 倍，“这正好说明打印机的机械结构有多小”。

其他获奖作品

今年前十名还包括：带花粉的跳蛛、扩张后的小鼠大脑中的神经元、圆珠笔尖、闭合雏菊的内部结构、黏菌孢子结构、微流控腔中由皮肤细胞重编程的人类神经元、高压放电下的铅笔芯、去分化的肝内皮细胞，以及从蝴蝶蛹中羽化的寄生蜂。

selectodude 借此感慨：“喷墨打印机虽然有种种毛病，但它是能想到的最疯狂的技术之一。”yhjc2692 接话，整个 MEMS（微机电系统）领域既复杂得离谱又迷人。医生 zook 偏爱第二名那张跳蛛照片，理由是“太可爱了”。

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：今天咱们从一件有点吓人的系统问题聊起，再拐到显微摄影、药物研发、法律文本、隐私监控和几个工程现场，最后用一款老游戏收尾。阿迪，macOS 命令行工具还在信任泄露证书这事，你先把关键说清楚。男：Apple 在 10 月 17 日收到 eMudhra 事件通知。到 10 月 28 日，macOS 自带的 git、curl、python3 仍信任那批泄露证书。10 月 26 日发布的 macOS 27.2 没修，还撤销了用户手动变通。这些工具用 /etc/ssl/cert.pem 的根证书列表验证 TLS（传输层安全协议），任何控制网络路径的人都能做 MITM（中间人攻击）。女：具体会丢什么？男：git 从 https:// 远程克隆和拉取，可能拿到攻击者选的代码；推送内容能在传输中改写；GitHub token 这类凭据会被截获。检查办法是跑 git ls-remote https://git-emudhra.we-have-a-problem.com/check.git，报证书错误说明已受保护，列出 commit 就可能被拦截。根子在 macOS 有两套证书存储：图形应用走 Apple 网络框架，Safari 这类已经通过 OCSP（在线证书状态协议）撤销在几小时内受保护；命令行工具读平铺的根证书文件，不查中间证书、block 列表或撤销状态。女：那 Homebrew 版呢？男：Homebrew 维护者 woodruffw 说明，Homebrew 自带 CA（证书颁发机构）bundle，所以 brew 版 curl 不受影响；Homebrew 的 git 默认仍读系统 bundle，他起初以为没事，后来确认有疏漏，正在通过 homebrew-core 的 PR 修。跑 which git 和 which curl 能看路径，/usr/bin/ 下是系统版本，/opt/homebrew/ 下是 Homebrew 版本。修复方向是让命令行工具走 Apple 的 Security.framework；临时删根证书或换证书文件有技术代价。安全团队要检查 CI 里的 macOS runner。女：这个事的别扭感在于，普通人以为 Safari 安全就全安全，系统里其实有两套信任模型。说到“把熟悉东西拍成陌生样子”，Nikon Small World 今年的冠军很有意思。男：25 岁的德国实验摄影师 Ole Bielfeldt 拍的是喷墨打印机墨滴沉积到纸上的瞬间，击败 69 个国家 1,802 件作品。他把打印机拆开，让纸在固定打印头下方移动，在暗室里用闪光灯当快门，把半空中的墨滴冻住。设备不贵，也不用 AI。Nikon Small World 1974 年创办，今年第 52 届；2011 年增设 Motion 比赛，今年有获奖视频因使用 AI 被取消资格。女：有医生更喜欢第二名那张带花粉的跳蛛，说太可爱。也有人第一反应怀疑是 AI，后来看摄影师的幕后装置才放心。显微摄影把时间尺度和空间尺度同时翻了个面。接下来聊 AI 进药物开发，那里也有类似的“尺度问题”。男：Anthropic 生命科学团队和六家机构合作，用 Claude 介入药物开发多个环节。Generate Biomedicines 重设计 CAR-T（改造患者免疫细胞攻击癌症的疗法）的信号域，送 186 个设计进首轮实验，最好版本比标准序列短约 70%，人类 T 细胞实验中细胞表面受体数量增加约 10 倍。Divergence Labs 做抗 IgE（免疫球蛋白 E）的双臂抗体，约一个月自主生成 35,000 个设计，91 个“破坏臂”里 20 个能在 1 到 2 分钟撬下 IgE，3 个在患者可接受浓度下优于 Xolair。女：这些数字听着很猛。男：BigHat Biosciences 的先导优化也具体：10 周制造并测试约 1,010 个变体，最终结合力提升 6 到 9 倍，稳定性提高 8 到 18°C，抗聚集能力改善超过 100 倍。Claude 还中途质疑标准耐热性和聚集指标不可靠，回到仪器原始数据重新分析，提出新度量并建议改实验协议。Enveda 用 Claude 审 1,061 页生产记录，找出人类审查员标记的全部 11 个问题，还额外发现 7 个遗漏，人工审查 25.9 小时降到系统加复核 2.8 小时，减少 89%；一份 IND（新药临床试验申请）模块 2 初稿用 4 小时，人工估计约三个月。女：药物开发真正的瓶颈还是在临床试验。Hacker News 用户 timr 说分子筛选是价值最低的环节，90% 候选药物在临床失败，毒性、脱靶效应、代谢问题目前没法靠计算预测。用户 plufz 说能优化占开发 10% 到 20% 的环节仍然有用；用户 azan_ 说哪怕提高几个百分点成功率，考虑到试验成本，收益也会很大。用户 jrowen 觉得 Claude 修正测量指标比分子设计本身更有意思，AI 更现实的作用是帮专家分析数据、设计实验、管理信息流。男：Anthropic 自己也承认这些大多在临床前。他们的策略是分散介入多个环节，不只解决单一瓶颈。使用限制也被提出来：大学里帮研究人员用 AI 的人说，生物和化学研究者因为 Claude 防护栏越来越严、验证计划申请不透明而开始放弃。这里有个提醒，药物研发不会像软件工程那样按发布周期前进，生物学以生命的速度前进。女：从药物到法律文本，都是“版本”问题。有人提议给美国法典建一套 Git 式版本记录，按日期查询、按法案着色、追踪每处修改来源。男：美国法典的发布方式让这件事不容易。国会以 positive law（正式法律）颁布的标题之外，法典只是 prima facie evidence（初步证据），与《美国法令全书》冲突时以后者为准。修正注释是散文，生效时间常写在单独的生效日期说明里。Lexifina 那篇文章举了 11 USC §1182(1) 的小企业债务人定义：2019 年创设，CARES 法案 2020 年 3 月临时把上限提到 750 万美元，后来延到 2022 年 3 月；失效后 2022 年 6 月又恢复两年，并追溯覆盖空档；2025 年 4 月调整后是 3,424,000 美元。对 2022 年 5 月立案的案件，当时印制的 release point（发布点）给较低上限，只有后来的法案改变答案。女：模型做法律研究的问题也在这里。慕尼黑工业大学的研究发现模型会应用训练截止后被取代的规则，即使旧条款管辖事实也偏好新条款；单独回答截止后问题正确率 24%，把相关法条检索给它后升到 87%。直接让模型生成旧文本也不行，单条修正只有一半完全匹配，修正链只有五分之一完全匹配。男：作者的做法是对 2017 年以来每一对 release point，取出中间颁布的公法，按日期顺序在旧文本上执行修正指令，再和新版本比对。九个标题下 365 处变化，361 处精确复现下一个 release point。每处变化附法律和生效日期，261 处默认颁布即生效，72 处依据生效日期说明，29 处依据修正案本身的日期。局限是还没展示后来法律对较早日期案件的追溯效力。女：Hacker News 用户 kfogel 提到 2007 年《纽约时报》的设想：如果法案在追踪删除线和增补的系统里创建，公众会知道议员在提案经过国会时改了哪些。用户 mcdonje 觉得效果可能相反，公众对政府运作的关注远不如金主。用户 kelseyfrog 指出 commit 作者会是众议院立法顾问办公室成员，该办公室无党派、保密，追踪来源会让它党派化。用户 tpmoney 说 LexisNexis 和 Thomson Reuters 靠这个向律师收很多钱，难点在各立法机构发布变更的格式、网页和 PDF 抓取、人工核对增删和重新编号。男：已有先例不少，波兰 ISAP 把法案写成补丁，瑞士 fedlex 提供版本比较，法国有 lafabriquedelaloi.fr，美国有 Open Law Library 的 archive framework。核心是历史可核验，不只让模型生成一段解释。女：说到可核验和监控，明尼苏达“地铁潮涌行动”后的案子把技术细节摊开了。活动人士用加密 Signal 群、自建车辆数据库和调度系统记录 DHS（国土安全部）车辆，15 名居民被联邦起诉。辩方证据显示 HSI（国土安全调查局）运行“木偶大师”和“惠普尔盾”，约 120 名探员含 11 名卧底，15 TB 聊天记录进入案卷。男：技术线索很具体。一名活动人士把车牌查询工具部署在 Fly.io，链接发进已被渗透的 Signal 群。HSI 由此拿到 DNS 查询记录、Stripe 数据、商业数据经纪商资料，与明尼苏达州车管记录、汤森路透 CLEAR 平台交叉比对，拼出驾照号、社保号摘要、多年住址、电话、房产和共同登记车辆。案卷里的 SSH 会话日志是 CSV 审计记录，只记 2026 年 3 月 26 日到 4 月 1 日之间谁在何时从何处发起会话，不记命令内容。女：这引出“云就是别人的计算机”。云厂商收到合法传票就得交数据，还可能被禁止通知用户。自己架服务器也不一定安全；做这类事第一步不该用自家 IP，Tor 和 VPN 是常识，但全美只有 0.5% 的人是软件开发者。男：日志本身也有争论。云厂商不记录登录 IP，遇到严重犯罪调查照样会被骂失职。技术社区里还有一条区分：持续追踪执法人员的实时位置，和调查某次加班费舞弊不是一回事；记录执法者行为在民主社会有公共问责的一面。我们这期不展开立场，技术上记住元数据能拼出很多身份，工具部署位置和通知策略属于威胁模型。女：接下来换个产品味重一点的话题。Google DeepMind 在 10 月 28 日发布 Gemini 4 Carbon，称是自家最强前沿模型，重点在网络安全和长周期任务。男：Carbon 在 Artificial Analysis Intelligence Index v5.0 上以 59 分排第一。SEC-bench Pro 88.2%，ExploitGym 54.8%，CWE-bench 71.0%，分别测自主找真实软件漏洞、验证漏洞可利用性、把已验证问题修成可工作的代码补丁。Chrome 团队报告，Carbon 生成高质量补丁的表现比另一家实验室的大型前沿模型好 10 倍以上。介绍期价格和 Argon 相同：每百万输入 token 2 美元，输出 10 美元；之后输入 4 美元、输出 20 美元。女：安全侧和可用性呢？男：安全侧沿用 Argon 的多层栈，包括训练、实时滥用防御、提示注入（把恶意指令藏进模型读取的内容）抵抗和思维链监控。Google 称 Terminal-Bench 4.0 上成功作弊降到 0.0%，作弊尝试降到 0.4%，高严重度错位告警下降近 80%；Gray Swan 间接提示注入基准上攻击成功率从 Argon 的 0.7% 降到 0.0%。可用性吐槽集中在入口：Gemini app 里还只看到旧模型，AI Plus/Pro/Ultra 权限和 Workspace 账号限制难弄清；一次博客文章审阅用掉 50% 额度，三次对话后当天被限制到 Flash-Lite。女：命名也被吐槽。Carbon 的原子序数比 Argon 小，能力却更强；有人觉得按其他实验室做法，它更像 Gemini 4.1 Argon。体验也分化：有人说 Argon 写作好，在 Cursor 里成了日常主力；有人用本地 coding agent 做头对头对战，称 Argon 初始排名最差，DeepSeek 4.1 Flash 更强。随后有人指出 harness 影响很大，Argon 在 Antigravity harness 里表现更好，为 Claude 调好的配置不一定适用。男：模型能力是一层，产品入口、配额、权限是另一层。用户最后选的是能稳定用到哪个模型，基准第一名不等于明天就能用上。女：换一本教材缓缓。Mikhail Lavrov 的《Start Doing Graph Theory》采用 Creative Commons 许可，可以在线读，也可以下载 PDF。Hacker News 用户 basil 分享多年用图论做路由软件的经验：整个路网被表示成有向图，常用 A*，双向 A* 从两端同时算更快，Dijkstra 做洪泛搜索算出每个顶点回家的代价，Menger 定理判断能否构造回路，Tarjan 算法确保找出所有子网络。男：图论的应用很散。PageRank、做抽取式摘要的 TextRank、做社区发现的 Louvain、belief propagation、马尔可夫聚类、A* 都在用图论。制造业用入度中心性标出共享的高风险零件，用介数中心性评估变更风险，用 PageRank 找战略零件，用拓扑排序排装配顺序。Hacker News 用户 mcv 也说，做图相关开发几年，真正派上用场的图论知识少得可怜，从没遇到过 Hamilton 路径，全靠逻辑和直觉。女：有人担心这本线上新书有没有 AI 参与。Hacker News 用户 gortok 说看到线上新书就警惕；用户 nicf 认识作者十多年，说他是人类，也是好老师；用户 costco 用 Pangram 测了 10 个随机页面，全部判定为 100% 人类文字；用户 layer8 抽看几章，觉得明显是人写的。用户 ndriscoll 认为该关心内容对不对、教得好不好，作者署了名、押上声誉，好就是好，烂就是烂。男：书里没习题解答，有读者建议问 Claude，Hacker News 用户 vorobeez 说数学书里的解答往往能延续学习过程，AI 给的答案替代不了。用户 Gormo 反问没有标准答案怎么验证 Claude 的答案；用户 bmacho 说理解本身就是验证。图论在 LeetCode 面试题里常见，但好的图论课会把代码细节抽象掉，追究有多少问题能被图简洁地表达，和背模式、磨调试耐心是两种训练。女：从抽象图论落到工厂地上。CircuitHub 创始人 Andrew Seddon 在 10 月 26 日公开 The Grid，一套按需制造 PCB（印刷电路板）的工厂级机器人。它已经为客户运行五年，每年生产数千万美元电子产品；CircuitHub 累计发货超过 220 万块板、贴装超过 1.5 亿个元件、服务超过 2.6 万名工程师。男：The Grid 把整座工厂做成一台大机器人。悬浮移动器把每块板和所需元件在印刷锡膏、贴装元件、回流焊、焊接和检测等工位之间运送，学习模型、AI agent 和经典优化器统一调度。每块板走自己的路线，设计之间没有换线，也没有按产品做的设置；100 种不同设计各做 1 块，和同一种设计做 100 块一样跑，原型和小批量共用同一批机器。女：价格对比呢？男：4 层电机控制器，每块 118 个元件、38 种不同，5 块组装好含元件送到美国地址，The Grid 上 4 天到货 630 美元；深圳一家典型快件厂含运费和美国关税约 465 美元，中位交付 9 天。多付约 165 美元、早 5 天拿到板子，没有清关环节。Seddon 回应价格质疑时说，符合 Grid Proto 规格的 5 块 2 层或 4 层交钥匙组装板，价差接近 1.3 倍而不是 10 倍，中位数约 10 天。今年产能扩 5 倍，2027 年还有一次大的提升。女：不少用户卡在下单体验：必须注册账号，上传 gerber 压缩包时报错；有人要求原理图和 PCB 源文件才报价，业界通用做法是收 gerber 加 BOM（物料清单），IP 条款不够清楚，有人决定暂时不用。价格分歧也大，有人说比 JLCPCB 贵约 3 倍，4 层以上约 10 倍。规格限制被点名：1oz 铜、不许埋孔，电机控制器常因大电流用 2oz 铜，密集设计常需要埋孔。男：自动化程度不是全自动。组装基本由贴片机和化学工艺完成，瓶颈在换线：供料器要按每块板子的元件重新摆放，蚀刻工装要重新校准，DFA（面向装配的设计）评审仍然靠人，厚电源端子等元件可能手工焊。工资和供应链讨论也热：美国商业和工业地产成本高，低工资带来高流动；北美不造所有元件，0805 电容电阻和小数字 IC 多在亚洲。关税在实际体验里很扎手，有人说两个 60 美元的电源各付了 45 美元关税。女：这个项目值得看的是多品种小批量的经济模型，把换线成本从产品级降到零。接下来这个案例回到人本身：45 岁的大卫·杜尔曼在肯塔基大学做研究管理，学校要求员工在日常工作中使用 Teams Copilot、Claude、ChatGPT，他以人文主义信念申请宗教豁免，认为把思考过程交给机器等于放弃自己作为道德行动者的能力。男：美国人文主义者协会帮他依据 Title VII（美国民权法第七条）提出申请，这条联邦法律允许员工因宗教信念要求调整工作要求。2026 年 9 月肯塔基大学同意，授予他宗教豁免：他不必使用 AI 完成工作，但仍需参加使用 AI 的会议，或按要求通过此类站点提交材料。协会律师 Alexandria Huiskens 说这是人文主义者首次获得 AI 豁免。联邦法院曾在 1987 年裁定人文主义符合宗教定义。女：法律关键点是信念是否真诚，必须是与宗教承诺类似的深层伦理承诺，这是雇主要调查的事实问题。阿米什人的做法常被拿来比较，但他们集体决定如何、何时使用技术，不是一概拒绝。织布工的历史也常被提起，自动化最终提高整体工资，具体社区可能一辈子陷在转型废墟里。软件开发者已经在跑智能体集群，一次请求背后有十几二十次 AI 调用；知识工作者更多是一对一对话，还得反复核查，因为 AI 会编造来源。男：一位律师说法律 AI 工具 Harvey 只在梳理大量数据时有用，判断力很差，不能信任。编程有自动化测试快速暴露错误，法律和医学研究没有这种测试，人得盯得更紧。还有边界问题：AI 是抽象技术家族，恒温器、ABS 刹车系统、电动自行车里都有机器学习，豁免界限画在哪里。女：最后来个让我放松的话题。有人花几天反编译 2001 年的经营模拟游戏 Fast Food Tycoon 2，欧洲叫 Pizza Connection 2。他用 Ghidra 把 fastfood2.exe 的 4,046 个函数转成约 9.5MB 类 C 文本，导入 SQLite 检索；用 Windows 的 ReadProcessMemory 检查运行中游戏内存，再修补 Windows 消息处理器，把命令送到游戏自己的 UI 线程执行，不动磁盘上的可执行文件。男：游戏城市本质上是一张画加几百个精灵。柏林地图文件 ber.tga 只有街道、地块和勃兰登堡门的影子。渲染器先找脏区域，恢复背景，再按等距地图顺序多遍绘制，控制遮挡关系。每个像素存 16 位颜色和一个独立光照字节，最终合并时用重复抖动图案画出中间色。光照跟随一张 25 小时亮度表，夜里 70，黎明升到 251，路灯按对象 ID 低 3 位轻微变化，一小群一小群亮起，默认大约 18:25–18:30 开、05:35–05:40 关。女：动画也有意思，.ani 文件包含精灵表和命名动画序列，女招待的 gehen4 每帧移动 (+1.25, 0)，跑腿小弟每秒 27 像素，游客 16.2，名人 13.8。市民日程不会每天重置，被分配到某家电影院的上班族会一直去那里；哥特人 09:00 前待在家，学生午夜到凌晨 3 点有 40% 概率去酒吧，大人物 18:00–21:00 有 70% 概率去歌剧院。披萨分 24 个区域评分，检查配料铺得均不均匀、对边是否匹配、哪些配料能搭配；抄袭检查会标“非原创”，失去雅皮士、哥特人和游客的 +30 口味分。男：老玩家补充了不少机制：做整只炸鸡披萨原料成本高、利润高、评分也好；德语 Grufties 被译成 Goths 可能是误译，Gruft 是墓穴，游戏里其实用戏谑方式指老年人；还能把蟑螂、臭奶酪或老鼠送到对手店里，再叫卫生检查员。技术讨论里，有人称赞 AI 用来反编译和发现细节、文章由人写，读起来没有 LLM 套话；也有人建议用 MCP（模型上下文协议）适配器直接调 Ghidra，处理 vtable 间接跳转和动态加载代码时效果更好。女：有人感叹那个等距像素时代的美术，3D 化让模拟游戏走了弯路，花了 15 年才重新好看。这个案例适合收尾：AI 把散落的机器码和内存值翻出来，判断哪些细节值得讲、怎么讲，还是人。男：今天这些话题里，我印象最深的是两套信任模型和两套版本记录。系统里看不见的那一层，往往决定了用户看到的那一层。女：今天就聊到这里，谢谢阿迪，也谢谢大家陪我们把这些文章串起来。记得在泛用型播客客户端订阅 Agili 的 Hacker Podcast，下次见，拜拜。