监管、隐私与平台规则
这组新闻都在提醒一件事：平台越来越强，监管也开始补位，但用户的知情权、隐私和选择权仍然很脆弱。
- 派早报：市场监管总局整治「大字吸睛、小字免责」等广告乱象：这期早报里，最重要的是监管开始集中整治误导广告和 AI 虚假宣传。文中还提到 AI 大模型“投毒”、PlayStation 商店动态定价、Adobe 因取消订阅收费和解等事，说明平台规则正在变，但很多做法仍在试探边界。
- 加拿大 C-22 法案强制开展大规模元数据监控：法案表面上收紧了无令状获取个人信息的做法，但同时扩大了元数据保留和协助执法的要求。换句话说，程序更像样了，监控能力却没有真正退下去。
AI 开发：能提速，也很耗人
AI 写代码已经不只是演示，它能进真实流程。但它远没有“自动完成”那么轻松，人还是得花很多精力去设计、拆解、校验和纠错。
- 我是怎么用 LLMs 写软件的：作者把不同模型分成架构、实现、审查等角色，用它们一起完成真实项目。结果很实用：LLM 已经能接手不少开发工作，但系统设计、测试和最后把关，仍离不开人。
- LLMs 真让人心累：这篇文章讲的是另一面。人一累，提示就会变糙；反馈一慢，上下文一长，AI 协作很快就会失去效率。它不是反对 AI，而是提醒大家别忽视这种新的脑力消耗。
- Google、Accel India 加速器选出 5 家初创公司，无一是“AI 套壳”：4000 多份申请里，大约七成只是给现成模型套一层产品壳。最后入选的 5 家公司说明，资本和平台现在更看重真实问题、真实场景和产品深度，而不是单纯贴上“AI”标签。
开发工具与网络基础设施
这里的共同点很简单：很多老问题没有消失，只是换了工具和说法。协作编辑、代码审查、网络互联，最后比的还是复杂度、性能和维护成本。
- 那些年协同编辑给我画过的饼（下）：我们为什么不用 Yjs：作者直说 Yjs 在复杂文档、权限控制和性能上代价太高。对大多数团队来说，一个更简单的中心化同步方案，往往更快、更稳，也更容易维护。
- 用 Jujutsu 轻松搞定大规模变更审查：作者用 Jujutsu 把大改动拆成可追踪的小块，记录自己已经审到哪里，再逐步合并。重点不是新工具多神，而是让审查进度变得清楚，减少反复切换带来的负担。
- 只靠 IX Route Servers，你最多能走多远？：研究发现，只靠互联网交换点的路由服务器，能拿到不少前缀，但真正能接到的入站流量有限。对偏出站的网络，这是省事的办法；对偏入站的网络，还是得靠更直接的互联。
- SpiceCrypt：用于解密 LTspice 加密模型文件的 Python 库：这个开源库能解开 LTspice 的加密模型，方便在别的仿真器里继续用。它说明一个老问题还在：很多工程数据被工具锁住，互操作性依然要靠社区自己补。
家庭自动化、机器人与健康科技
技术真正有意思的时候，往往不是“更酷”，而是更省事、更可控，能把具体的小问题解决掉。
- Home Assistant 帮我浇花：作者用本地 Home Assistant、智能水阀、天气数据和传感器，做了一个 6 区自动浇水系统。整套方案不花哨，价值在于省水、稳定，还能远程看和管。
- 机器人执行器中电机的尺度定律与惯量：文章把电机尺寸、扭矩、损耗和惯量之间的关系讲清楚了。对机器人设计来说，不能只盯着“力够不够”，热管理和惯量同样会决定系统好不好用。
- 我的健身追踪器，成了我对抗慢性病的秘密武器：在这篇文章里，可穿戴设备不是健身玩具，而是慢性病患者管理体力和节奏的工具。数据不能治病，但能帮人更早发现过载，少走到身体崩溃那一步。