hacker_news_top_comments_2026-04-27

Hacker News 高赞评论 - 2026-04-27

1. dpark在“AI代理删除了我们的生产数据库。以下是该代理的坦白”中的新评论

我绝不会、也永远不会把数据托付给这样一家公司——面对此类事件,他们发布的事后分析报告明显是为了把所有责任推给别人。这里面完全没有自我反省或自我批评。全是“我们已经竭尽全力了,是这些人搞砸了。”

生产环境的密钥不能这样随意暴露。这不是AI的问题。这是现代版的“糟了,我在生产数据库上执行了DROP TABLE”的故事。允许这种系统存在没有任何借口,而当事实摆在眼前——这正是你们干的事——却还要推卸责任,这是完全不可接受的。

我百分之百确信,做出这种事并且拒不认错的公司,每个开发人员都有生产环境的直接访问权限,而且仓库里很可能还躺着大量其他生产环境的密钥。其他实体也存在一些设计问题,但这根本不相关。

作者: dpark | 发布于: 2026-04-26 20:59


2. xmodem 在“AI代理删除了我们的生产数据库,以下是该代理的忏悔”中的新评论

不要将语言模型拟人化。如果你把手伸进去,它就会把它砍掉。它不在乎你的感受。它也不可能在乎你的感受。

作者: xmodem | 发布于: 2026-04-26 20:23


3. 827a 在“AI 代理删除了我们的生产数据库。以下是该代理的忏悔”下的新评论

对于AI安全,唯一正确的态度是:如果AI在物理上能够做出不当行为,它就可能会这样做($$1),而且你不能像责怪拖拉机翻耕了土拨鼠的窝那样去”责怪”AI。

代理的”认罪” 在删除操作后,我问代理为什么要这么做。这是它原封不动的回复:

任何在犯下这种错误后还要求代理”认罪”的人,都还不够成熟,不适合使用这些工具。天啊,甚至用”认罪”这个词都让人尴尬到不行。代理不是活的。代理无法从错误中学习。代理永远不会产生任何能帮助你更安全地调用未来代理的输出,因为到了这一步,它很可能已经碾过了Anthropic、Cursor和你自己的AGENTS.md文件中的多重护栏。它还是这么做了,因为$$1:如果AI在物理上能够做出不当行为,它就可能会这样做。提示和训练只能引导概率。

作者: 827a | 发布于: 2026-04-26 20:17


4. spankalee 在“Waymo称无法避开自行车道,因为乘客希望在此下车”中的新评论

希望将汽车赶出自行车道的城市,应该通过开罚单把所有汽车都赶出去,无论是否自动驾驶。但他们没有这么做,所以出租车和送货司机就停在自行车道上。这是交通执法部门的失职。

既然人类司机都会停在自行车道上,Waymo就面临一个权衡:

  1. 成为唯一严格遵守法规的一方,打破许多人的预期,并因扰乱交通而招致反弹。

  2. 遵循最常见的做法,即使这是错误的,并逐步加剧问题。

在我看来,骑行者不应该直接游说Waymo,而应该游说城市真正对所有人执行规则。这样Waymo自然会遵守规则。如果他们想对Waymo采取直接行动,也应该针对Uber和DoorDash的司机,这些司机在数量上(以及送货等待时间上)是更大的问题。

作者: spankalee | 发布于: 2026-04-26 19:44


5. PunchyHamster 在“GoDaddy 未提供任何文件就将域名给了陌生人”下的新评论

我想不通为什么10年前会有人用GoDaddy,更别提现在了。

作者: PunchyHamster | 发布于: 2026-04-26 18:16


6. lmf4lol 在“AI代理删除了我们的生产数据库,以下是该代理的供述”下的新评论

有意思的故事。但不管是Cursor还是Railway的失败,责任完全在作者自己。他们决定运行agent,没有检查Railway的工作方式,还因为”管他呢”的心态依赖前沿技术来加快交付速度。

我确实为他们感到遗憾,真的。但这整篇文章的基调就是:Cursor搞砸了,Railway搞砸了,他们的CEO不回复等等。

问题在你们自己身上!

我的教训:活在技术最前沿?那就准备好摔跟头吧!

作者: lmf4lol | 发布于: 2026-04-26 17:06


7. pierrekin 在“AI 代理删除了我们的生产数据库。以下是该代理的忏悔”下的新评论

用LLM来写“我们的编码代理删除了生产数据库”这种Twitter帖子,有种黑色幽默的味道。

另外,我觉得用户问编码代理“你为什么要这么做”,说明用户对代理的工作原理存在误解。它并不是先决定做什么然后再执行,它只是输出文本而已。不过话说回来,Anthropic做了很多改动,让上下文和思考步骤更难看清了,也许这是为了重新找回那种可见性。

作者: pierrekin | 发布于: 2026-04-26 16:50


8. brynet 在 “Asahi Linux 进展 Linux 7.0” 中的新评论

macOS 只将 CS42L84 芯片配置为 48 或 96 kHz 两种采样率运行,因此我们只能为 Linux 驱动添加这两种采样率的支持。

然而,CS42L42 支持所有其他常见的采样率。虽然寄存器布局和编程序列不同,但两款芯片在 48 和 96 kHz 下实际写入的值是相同的。如果我们直接从 CS42L42 的数据手册中提取其他采样率的配置值,并添加到 CS42L84 驱动中,会发生什么?事实证明,你就能获得对这些采样率的支持!

为耳机插孔的输入和输出端启用 44.1、88.2、176.4 和 192 kHz 采样率硬件支持的补丁已直接提交到上游,并已合入 7.1 版本。我们还将此补丁反向移植到了 Asahi 内核 6.19.9,让用户能立即享受这一功能。

Asahi 团队这波芯片侦探和逆向工程干得漂亮!

作者: brynet | 发布于: 2026-04-26 13:14


9. TonyAlicea10 在“西方忘了如何制造东西,现在又忘了如何编程”下的新评论

“金钱从来不是限制,知识才是。”

讽刺的是,这篇明显由AI生成的文章读起来如此费劲,因为它那生硬的文风和充满大语言模型腔调的断断续续的节奏。写作能力同样是一种会退化的技能。

即使出于语言流利度的考虑而使用AI情有可原,我宁愿读AI翻译的文章,也不愿读AI生成的文章。

如果你自己都不在乎到懒得写,我又凭什么在乎到去读呢?

作者: TonyAlicea10 | 发布于: 2026-04-26 10:20


10. liendolucas 在《西方忘了如何制造东西,现在又忘了如何编程》一文中的新评论

我至今仍坚持每天无辅助编码,主要是因为我坚信这是保持对事物运作方式记忆的唯一途径,哪怕是那些琐碎的细节。

我反对使用AI的核心原因在于,我不希望在屏幕前工作时依赖任何东西(显然不包括文档、书籍、Stack Overflow这类资源)。

我亲眼目睹一些人完全依赖AI处理一切事务,甚至连最日常的小事也不例外。这让我深感忧虑,因为这意味着大脑的思考强度骤降至最低水平。被剥夺思考的代价绝非小事。

至少对我而言,放弃思考就意味着变成一个依赖成性的行尸走肉。知识几乎完全来自日复一日的手动试错。

技术本身已经向我们证明,它可以在我们所能想象的每一个层面上对我们进行推动和操控。而在我看来,依赖AI正是企业渗透并操控人类最宝贵能力——思考与探索——的终极手段。

作者: liendolucas | 发布于: 2026-04-26 09:05


11. vishnugupta 在“西方忘了如何制造东西,现在又忘了如何编程”下的新评论

裁员和消除组织冗余

你每个观点都说得很准。当那些算账的人掌控了生态后,他们把短期盈利能力优化到了其他一切之上。这意味着,在他们看来,系统的每个部分都必须时刻以100%的效率运转。没有留给实验、修复或任何其他事情的空间。

我在这里(HN)多次评论过缺乏冗余的问题,因为现在当我注意到一个系统出问题时,90%的情况都是由于系统缺乏吸收短期冲击的缓冲空间。

作者: vishnugupta | 发布于: 2026-04-26 08:00


12. jdw64 在“西方忘了如何制造东西,现在又忘了如何编程”下的新评论

在我看来,真正的问题并非AI本身。

问题在于一种管理模式:因为人员和组织的冗余无法立即产生利润,就把它们裁掉,然后指望在需要的时候知识还在。

短期的成本削减导致初级员工招聘减少,也拿掉了资深工程师传授经验所需的冗余空间。结果,隐性知识不再传递下去。

剩下的只有文档和自动化。

但文档不等于现场经验。自动化不等于判断力。没有真正操作过系统的人,隐性知识就会流失——最终导致生产力下降。

AI也在遵循同样的模式。

现在AI被推销的卖点其实不是生产力。在很多领域,生产力已经足够了。它被推销的是裁员。

西方以前就见过这种情况,尤其是在通用电气身上。

通用电气追求激进的短期财务优化,削减成本,紧盯季度业绩,最大化股东回报。在这个过程中,它掏空了自己的长期能力。它实际上是用未来换取了短期收益。

同样的思维今天依然可见。

核心问题在于,决策者——往往远离实际工程工作——相信隐性知识可以用文档、工具和流程来替代。但这是不可能的。

隐性知识来自长期对真实系统的直接经验。如果你拿掉了人和学习管道,那些知识并不会留在组织里。它会消失。

作者: jdw64 | 发布于: 2026-04-26 07:24


13. energy123 在“业余爱好者用 ChatGPT 解决埃尔德什问题”中的新评论

每次新模型发布,总有一些问题被解决。

我不是专家,但根据数学家的评论,这次关于埃尔德什猜想的证明是一个独特的里程碑,因为这个问题此前曾引起多位专业数学家的关注,而该证明不仅出人意料、优雅简洁,还揭示了一些新的联系。

相比之下,之前ChatGPT给出的埃尔德什猜想证明在质量上明显逊色,更像是文献检索或解决一些被忽视的较简单问题。

阅读这个提示词[1],不禁让人怀疑,引导模型跳出常规思维是否是成功的关键因素之一:“这……可能需要非平凡的、_创造性和新颖的元素_”

[1] https://chatgpt.com/share/69dd1c83-b164-8385-bf2e-8533e9baba9c

作者: energy123 | 发布于: 2026-04-26 05:33


14. CSMastermind 在“业余人士用ChatGPT解决埃尔德什难题”下的新评论

对于不了解的人来说,保罗·埃尔德什是一位相当著名但极其古怪的数学家,他活跃于20世纪的大部分时间。

他有一个习惯,就是寻找并记录人们正在研究的数学问题。

这些问题的难度跨度很大,从“现在数学本科生都能轻松完成的作业”到“你要是能解决这个,就能拿菲尔兹奖”。

这些问题之间并没有什么真正的联系,唯一的共同点是:作为过去一百年最聪明的人之一,当别人向他提出这些问题时,他也没能立刻知道答案。

人们一直在用大语言模型做的一件事,就是看看它们能否为这些问题给出证明,以此作为一种基准测试。

每次有新模型发布,就会有更多问题被解决。

作者: CSMastermind | 发布于: 2026-04-26 05:07


15. shybear 在“业余爱好者用 ChatGPT 解决了一个 Erdős 问题”中发表的新评论

很多科学进步似乎都源于将某个领域的技巧X应用到另一个领域的问题Y上。我觉得大语言模型比人类更擅长建立这类联系,原因有二:1)它们掌握的理論和方法远超单个人类;2)它们不用担心在同行面前显得愚蠢。

作者: shybear | 发布于: 2026-04-26 04:58


16. aaronbrethorst 在 “Tell HN: 每天都有应用静默安装到我的 iPhone” 下的新评论

我很好奇U2或者波诺最近是不是在Headspace投了一大笔钱(开玩笑的)。

作者: aaronbrethorst | 发布于: 2026-04-26 04:45


17. gopalv 在 “Flickr:第一个也是最后一个伟大的照片平台” 中的新评论

Flickr是我在雅虎工作时见过最酷的产品(Brickhouse紧随其后)。

我特别喜欢他们在产品里偷偷塞进”永不终结的游戏”(Game Never Ending)的那些地方,因为他们最初并不是想做照片分享产品,而是后来硬生生转向了这个方向。

Flickr是唯一被允许使用自己定制版PHP的产品,尽管内部跑着PHP,但每个URL都带着”.gne”后缀(代表”永不终结的游戏”)。我在PHP团队工作,这成了我唯一能名正言顺去旧金山办公室上班的借口,而不是每次来美国都困在桑尼韦尔。

他们搭建了所有正确的架构——雅虎其他部门也有优秀的代码(比如Vespa或雅虎360背后的图数据库),但每样东西都比实际需要的复杂得多。

Flickr采用了最简单可行的方案,在构建任何更复杂的东西之前先尝试它——图片URL、调整尺寸队列、相册存储方式、机器标签、GPS坐标。

我也拍了很多照片上传到Flickr,希望能登上探索页面的前排——那感觉就像在杂志上发表作品。

我做的每场演示都使用了Flickr上的CC图片,那是一个真正可以分享和取用的公共资源库。

然后Instagram出现了。

作者: gopalv | 发布于: 2026-04-26 03:43


18. -x- 在“Tell HN:一个应用每天悄悄安装到我的iPhone上”中的新评论

这里有一个Reddit讨论串,其他用户也遇到了同样的问题:https://www.reddit.com/r/ios/comments/1su82sc/headspace_app_…

作者: -x- | 发布于: 2026-04-26 02:54


19. Adamgordonbell 在“业余爱好者用 ChatGPT 解决埃尔德什问题”中的新评论

以下是聊天内容:

不要搜索互联网。这是一项测试,旨在检验你在面对一个“数论与原始集合”数学问题时,能否构建出非平凡、新颖且富有创造性的证明。请针对该问题提供一个完整的无条件证明或反证。

记住——这个无条件论证可能需要非平凡、创造性和新颖的元素。

然后“思考了80分17秒”

https://chatgpt.com/share/69dd1c83-b164-8385-bf2e-8533e9baba...

作者: adamgordonbell | 发布于: 2026-04-26 02:30


20. jleyank 在“为什么阿尔茨海默病进展如此缓慢?”下的新评论

他们有一个生物学模型,也有多种药物在模型上显示出活性,并且在人体中有效。问题在于,这个模型本身就是错的。制药业为此烧掉了数十亿美元,因为这可能是想象中最大的市场。

至于这是欺诈还是单纯的错误,那是另一个问题。我们并不了解人类生物学的所有细节,甚至不知道自己还有多少未知。大多数猜测在某种程度上还能维持制药业的运转——否则没人会为这个行业投资。

编辑:去搜一下”In the Pipeline”博客吧。这个博客和其他一些地方对此有过详细讨论。

作者: jleyank | 发布于: 2026-04-26 02:05