AI 工具与社会反应
AI 还在快速进工具链和产品里，但人的担心也越来越具体：工作会不会被替代，学习会不会变浅，自己会不会过度依赖。
- Gemini API 文件搜索现已支持多模态：谷歌给 Gemini API 的 File Search 加了多模态检索、自定义元数据和页级引用。重点不是“更大”，而是更容易把图文混合文档接进 RAG，并把答案指回原文位置，方便核对。
- 任务瘫痪与 AI：作者说，AI 能帮他跨过“开始做事”这道坎，尤其适合把复杂任务拆成第一步。但他也很直白地承认，AI 容易让人上瘾，依赖一旦形成，边界会越来越难守。
- 随着AI采用停滞不前和职场担忧加剧，Z世代对AI的怨气与日俱增：调查显示，Z 世代并没有不用 AI，但热情在降，警惕在升。很多人担心 AI 影响工作机会、学习能力和学术诚信，更希望学校和公司把 AI 放在“人主导”的位置。
- 印度的语音 AI 很难做，但 Wispr Flow 还是押注了这个赛道。：印度语音 AI 的难点很实际：语言多、口音杂、混用严重。Wispr Flow 选择继续投入，说明这个市场很大，但要真正做起来，靠的不是口号，而是本地化和更低的使用门槛。
AI 观念与方法
几篇文章都在提醒一件事：别把 AI 的表面表现，当成人类思维的真实模型；也别以为只靠推理就能解决复杂问题。
- LLMorphism：当人类开始把自己看作语言模型：论文提出一种新偏差：因为大模型会说话，人们就倒过来把人理解成“像模型一样运转”。作者提醒，语言像，不等于认知结构也像；如果这种看法扩散，可能会影响教育、医疗、责任判断和我们对人的尊严的理解。
- 我们看到某样东西奏效了，然后才明白它的道理：作者反对“先完全理解，再动手”的想法。很多突破其实是先试出来，再慢慢总结出原理，这对软件、科研和 AI 都成立。
工程实践与开发方法
这组内容更偏基础功：怎么处理重复请求，怎么理解稀疏计算里的依赖，怎么把复杂系统做得更稳。
- 幂等性很简单，直到第二个请求不一样为止：文章把幂等性从“存个结果再重放”拉回现实。真正难的是并发重试、部分成功、下游状态不明、同 key 不同请求这些边角问题；要保证“只产生一次业务效果”，得靠持久化状态、唯一约束、原子操作和恢复机制一起配合。
- 稀疏 Cholesky 消元树：这篇文章讲清了消元树为什么重要：它既能预测分解后哪些位置会出现新非零项，也能表示任务之间的依赖。对做科学计算和高性能数值软件的人来说，这是理解稀疏分解的关键工具。
编程语言、图形与工具探索
这里看到的是更“动手”的一面：有人在重做语言前端，有人在浏览器里做实时光照，也有人在梳理经典开发工具的来路。
- Show HN：Rust 但 Lisp：这个项目把 Rust 的语义搬进 Lisp 风格的 s 表达式里。它不是玩具语法糖，而是尽量保留 Rust 的所有权、借用、泛型和 trait 等核心能力，适合对语言设计和编译前端感兴趣的人看看。
- 基于 Surfel 的网页全局光照：作者用 WebGPU 在浏览器里做出了实时全局光照。重点不只是效果漂亮，而是证明了开放的 Web 平台也能承载很重的渲染计算，桌面端甚至手机上都能接近 60fps。
- 我正在写一本关于 Visual Basic 的历史，第一章已经上线了：作者从 BASIC 的起源一路写到 Visual Basic 1.0 发布，重点放在常被忽视的开发者和产品决策上。对理解 PC 软件开发工具如何走向大众，这是个不错的切口。
计算机历史
两篇历史文章都在说明，今天很多熟悉的东西，其实有很长的来路。
- 第一台微型计算机：1962 年由 transfluxor 驱动的 Arma 微型计算机：这台 1962 年的 Arma 计算机虽然不符合今天对“微型计算机”的定义，但在当时已经非常紧凑，主要用于航天导航和控制。文章也顺带提醒，“微型”这个词本身就是随时代变化的。
安全与日常技术使用
技术风险很多时候不在系统本身，而在信息外泄后，骗子能把话说得像真的一样。
- “预订劫持”骗局盯上了旅行者。如何确保自身安全：这类骗局利用泄露的订单信息伪装成酒店或平台客服，让人误以为对方“知道细节，所以一定是真的”。最实用的建议还是老办法：只走官方渠道，不因催促就付款，不轻易提供卡号和验证码。
业余无线电
这是一篇很实用的入门文，重点是把“能不能连上中继”这件事讲明白。
- 寻找你身边的电波——如何上中继：文章从中继台原理、频率查询、模拟与数字中继、亚音设置讲到基本通联礼仪。对刚拿到手台的新手来说，内容很全，能直接照着做。