科技笔记 - 个人成长抓手

十年最大一次重写：F-Droid 2.0 解决的不是界面，是「能不能被找到」

F-Droid 9月24日发布2.0，十年来最大更新：以Kotlin/Compose重写，导航精简为发现、搜索、我的应用，重点降低“发现成本”，细化分类，搜索支持描述、分类与翻译，并优化CJK。安装更新借欧盟DMA等放开，采用统一安装器、预批准API与默认后台检查；弃用FPE、安卓6，简化Tor，伪装与panic抹除暂缺。启发：功能存续取决于维护成本，可信需资助审计，应优先用系统能力降低安装更新摩擦，并让“找得到”优先于“做得全”。

09-25

9月 Serenity

把应用拆成一个库：Ghostty 作者为什么要重做终端内核

终端模拟被重复实现数百遍：终端应用、复用器、IDE 和 CI 日志各写临时版本，缺乏共享代码，导致不完整、有 bug、慢。作者认为它不是各产品核心业务，应做成稳定可复用库。libghostty-vt 解析终端序列、维护光标和样式等状态，零依赖，可嵌入任何语言生态。抽库后 Ghostty 也使用它，改进回流，边界情况成为测试用例。内部系统同理：对账、报表、权限、通知等若人人都做却非核心，抽成内部库比各项目重写便宜得多。

09-23

9月 Serenity

当金主伸手拿走开源仓库：RubyGems 事件给所有技术决策者的提醒

九月初，RubyGems维护者HSBT将GitHub组织改名Ruby Central，维护者被移出、邮箱停用、失去bundler与rubygems-update权限。Ruby Central董事会以供应链安全为由投票接管，维护者称非社区共识，强调源码仓库属社区共有，运营RubyGems.org不等于拥有代码。因失去每年25万美元赞助后近乎依赖单一赞助方，资金集中影响治理。企业应评估依赖治理、做最坏预案并明确赞助边界；源码可见不等于治理民主。

09-23

9月 Serenity

让 AI 在三十万行代码里干活：上下文工程不是玄学，是流程

斯坦福研究发现，AI生成的“额外代码”常只是返工半成品；编码智能体适合新项目和小改动，但在大型成熟代码库中可能降低效率。HumanLayer作者认为问题在上下文，而非模型，提出“频繁有意压缩”：每步明确问题、相关代码、约束与验收标准。他在30万行Rust库中约一小时提交修bug PR并被合并，结对约七小时产出两个草稿PR，原估各需资深工程师三到五天。核心是“规格才是源码”，未写清需求则AI难用。可先写目标与验收标准，再任务层循环执行，最后定期复审目标。

09-23

9月 Serenity

没有 schema 的远程调用：Cloudflare 的 Cap'n Web 想把接口设计还给语言本身

Cloudflare 开源的 Cap'n Web 是纯 TypeScript RPC 协议实现，核心是减少系统对接的接口约定成本：无 schema、样板少、用可读 JSON 序列化，客户端和服务端像写普通 JavaScript 函数。其对象能力模型支持双向调用、函数与对象按引用传递，以及承诺流水线，使链式调用一次网络往返完成，减少串行等待。它支持 HTTP、WebSocket、postMessage，可在浏览器、Workers、Node.js 运行，压缩后不到 10kB，无依赖，MIT 许可。代价是缺少编译期强约束，类型安全靠 TypeScript，团队需理解引用传递的生命周期与权限。对企业内部系统，不必立即替换现有框架，但这一方向可降低对接成本，让更多小自动化需求落地。

09-22

9月 Serenity

AI 本该让新人出彩，为什么受益的总是资深工程师

AI效率杠杆不成比例流向资深工程师：初级开发者缺的是架构判断，难以把AI能力转化为稳定、可融入系统的价值。代码评审中，AI对边界条件、异常路径和并发时序判断弱，资深复核仍是硬依赖；有效提示词也依赖领域知识。AI放大的是已有判断力。企业应先识别真正判断节点，再投入AI；培训新人先讲清领域和业务约束，形成“资深+AI”并带出新资深。交付团队中，AI宜执行，人负责需求边界、验收标准和责任划分；若让AI定义需求、人收拾，返工代价更大。

09-22

9月 Serenity

一个模型同时听懂、看懂、说出来：Qwen3-Omni 把多模态做成原生能力

通义千问开源的 Qwen3-Omni 是端到端多模态大模型，可理解文字、音频、图像、视频并实时输出语音。关键不在参数，而在同一模型内兼具感知与表达，避免流水线转写丢失语气、停顿、背景音和情绪。官方示例覆盖多语言语音识别与翻译、音频分析、目标定位、图像问答、视频描述、第一人称导航和语音函数调用，可用于客服质检、设备异响、会议整理与档案录入。开源权重让企业可内网部署，技术报告已发布。但音视频长序列使显存和延迟更高，实时流式要求高，宜分级使用。企业应先找多次转写仍不准的环节，而非立即替换系统。

09-22

9月 Serenity

从 Claude Code 到「软件工厂」：AI 交付的组织方式正在换代

Will Larson 复盘九个月 AI 化：先要求工程师每日用 Claude Code，再扩至非工程岗；为适配 agent 开发，给每人独立工作区，用 Linear 替换 Jira，并自建内部编排框架。每步改造都源于上一环节暴露的新瓶颈。其“软件工厂”围绕宽泛目标循环：审计目标定义、复核指标与任务、推进非阻塞任务、完成后判断是否重审。成败不在模型，而在目标可度量；否则自动化只会更快制造熵增和返工。小型交付团队可为每个客户项目写清可度量目标与验收标准，让 AI 在任务层循环，复制“先定义目标、再看指标、然后动手、定期重审”，不必自建框架。

09-21

9月 Serenity

通义千问开源 Qwen-Image-2.1：7B 图像模型把透明图层做成原生能力

9月20日，阿里千问开源Qwen-Image-2.1，把文生图和图像编辑合并进同一模型。视觉生成部分7B，32层单流DiT，原生支持透明通道输出与编辑，可抠主体、最多参考10张图，权重已上线Hugging Face与ModelScope。7B规模可在单张RTX 3090级显卡运行，并配提示词改写模型。注意：许可仅限研究，商用需授权；超闭源模型说法来自自家评测，尚无第三方验证。建议先用于素材原型和流程验证，确认品类稳定后再考虑生产。

09-21

9月 Serenity

三星把 HBM4 产量翻倍：AI 算力的瓶颈正从芯片挪向内存

9月20日韩媒披露，三星计划2027年将HBM4/HBM4E产量至少翻倍，HBM月产能由今年约18万片晶圆升至明年约25万片，HBM4系列出货占比从四成提至八成，玻璃载板清洗外包量由每月2万件增至5万件。扩产不等于降价：堆叠良率及1c DRAM、4nm基板工艺影响供给，AI需求增长会消化新增产能。竞争重心转向封装、基板材料与散热。有扩容计划者应按当前单价做预算、留足交期冗余，关注国产HBM封装与基板进展，并提前准备长上下文与批量推理架构。

09-21

9月 Serenity