给软件开发者准备的优质简报，每日阅读 10分钟。
Google changes its search box
谷歌搜索AI新时代全面升级
- AI Mode用户量突破10亿：上线仅一年月活跃用户已超10亿，季度查询量翻倍增长，上季度搜索查询量创历史新高；Gemini 3.5 Flash成为AI Mode全球默认模型
- 智能搜索框25年来最大升级：全新AI驱动搜索框支持文本、图片、视频、文件、Chrome标签等多模态输入，具备动态扩展和AI辅助提问建议功能，今日起在全球AI Mode可用地区逐步上线
- 搜索信息智能体时代正式开启：用户可创建多个专属AI信息智能体，24/7后台智能追踪公寓租赁、球星联名发售等个性化信息并主动推送；今夏首先面向Google AI Pro和Ultra订阅用户开放
- Agentic Booking能力大幅扩展：搜索本地体验和服务时，用户可分享具体需求如"周五晚上六人包厢且深夜供应餐食的KTV"，系统整合实时价格和可用性并可直接跳转至提供商完成预订；部分类别还可让谷歌代打电话联系商家，今夏向全美用户开放
- Agentic Coding功能集成搜索：通过Antigravity平台和Gemini 3.5 Flash，搜索可实时生成自定义可视化界面、模拟工具及健身追踪器等个性化迷你应用，今夏免费向所有用户开放
- Personal Intelligence服务大规模扩展：覆盖近200个国家和地区、98种语言，无需订阅即可使用；用户可自主选择关联Gmail、Google Photos及即将支持的Google Calendar等应用，确保透明度和控制权
Show HN: Forge – Guardrails take an 8B model from 53% to 99% on agentic tasks
Forge：自托管LLM工具调用的可靠性增强框架
- 核心定位：Python框架，专为提升本地8B模型在工具调用和多步骤代理工作流中的可靠性，通过防护栏机制（解析修复、重试提示、步骤强制）和上下文管理（VRAM感知预算、分层压缩）将模型性能提升至同规模顶尖水平
- 性能表现：Ministral-3 8B Instruct Q8在26场景评估中达86.5%准确率，最高难度层级达76%，相关论文已发表于IEEE并提供预印本
- 核心组件：WorkflowRunner负责结构化代理循环管理；SlotWorker提供优先队列机制实现多代理架构下共享GPU推理槽位的自动抢占；两者结合支持构建复杂多代理系统
- 三种使用模式：Guardrails中间件可嵌入现有编排系统；WorkflowRunner适合直接基于Forge构建应用；Proxy服务器以OpenAI兼容接口透明代理本地模型，自动注入synthetic respond工具引导小模型保持工具调用模式
- 后端支持与部署：支持llama-server（推荐，性能最优）、Ollama（配置最简）、Llamafile（零依赖单二进制）、Anthropic API；通过pip安装
forge-guardrails核心包即可使用，Python版本要求3.12+，采用MIT许可证
Incident Report: May 19, 2026 – GCP Account Suspension
Railway 平台因 GCP 账户误暂停导致约 8 小时全平台故障
- 事故触发：2026年5月19日 22:20 UTC，Google Cloud 自动化系统错误地将 Railway 生产账户置于暂停状态，导致控制平面、数据库及计算基础设施全部离线，用户遭遇 503 错误（"no healthy upstream"、"unconditional drop overload"）并无法登录
- 故障蔓延机制：边缘代理依赖 GCP 托管的网络控制平面 API 填充路由表，虽然 Railway Metal 和 AWS 上的工作负载本身保持在线，但当路由缓存约 1 小时后过期时，边缘节点无法解析至活跃实例的路由，最终所有地区均返回 404 错误，平台全部工作负载不可达
- 恢复过程与连锁问题：持久磁盘约 1 小时后恢复就绪，但核心网络与边缘路由延迟至约 3.5 小时后才完全恢复；部署任务积压和 GitHub OAuth 及 webhook 重试请求激增导致速率限制，部分用户登录和构建再次受阻；服务条款接受记录被重置，用户访问控制台时需重新确认
- 根本原因：Railway 采用 Metal、GCP、AWS 间高可用光纤互联的网状环形架构，但工作负载可发现性仍硬依赖 GCP 上的网络控制平面 API，成为单点故障根源；Railway 明确表示承担全部责任
- 整改措施：立即移除网络控制平面硬依赖实现真正的网状拓扑；将高可用数据库分片跨 AWS 和 Metal 扩展，确保任一云实例全部消失时数据库仲裁机制仍能维持运行；计划将 Google Cloud 从数据平面热路径移除并重构数据平面与控制平面架构，使核心服务不再依赖单一供应商
Google's AI is being manipulated. The search giant is quietly fighting back
人工智能搜索结果遭操控：谷歌反击之战
- BBC调查揭示：仅需一篇精心编写的博文即可操纵ChatGPT、Gemini和谷歌AI Overviews传播虚假信息，全球逾十亿聊天机器人用户和每月25亿AI Overviews观众均面临被误导风险
- 作者亲测验证：发布虚假"热狗吃手世界冠军"文章后次日即被多家AI公司作为事实引用，该手法还被用于操控医疗保健品安全性和退休金融信息等敏感领域
- 谷歌更新垃圾邮件政策正式将操纵AI回答列为违规行为，违规者可能被从搜索结果中移除或降权，但同时声称此次更新仅为"澄清"而非政策变化
- 专家观察到谷歌和ChatGPT正悄然尝试解决方案，包括移除AI答案中自我推广者姓名、增加置信度标签及建议用户参考第三方核查
- 专家警告AI"唯一答案"输出模式使用户更易轻信，建议用户保持审慎态度并自行核实信息来源，批评者认为谷歌在"打地鼠"——新规只会让操纵手段转向YouTube视频等更隐蔽渠道
Saying Goodbye to Asm.js
SpiderMonkey在Firefox 148中禁用asm.js，计划未来完全移除
- Firefox 148已默认禁用asm.js优化，但现有asm.js代码仍可通过常规JIT编译器正常运行，不会导致任何网站损坏
- asm.js是JavaScript的严格静态类型子集，引擎可即时识别并编译为原生代码，同时避免了NaCl/PNaCl所需的独立沙箱、IPC通信或替代API
- asm.js使Unity和Unreal的C/C++代码首次仅凭标准Web技术即可移植到浏览器，《Epic Citadel》演示仅用四天完成移植，证明了纯Web技术可实现接近原生的运行速度
- asm.js的成功直接催生了WebAssembly，后者于Firefox 52发布时继承了其核心使命；若没有asm.js，WebAssembly很可能不会诞生
- 禁用原因包括WebAssembly已成功迁移、持续维护asm.js路径的额外成本，以及虚拟机中新增的攻击面；建议开发者将asm.js重新编译为WebAssembly以获得更优性能
- asm.js编译器代号OdinMonkey（以北欧神话主神命名），其移除由代号"Ragnarök"的Bug追踪；其继承者BaldrMonkey（WebAssembly优化编译器）和RabaldrMonkey（baseline编译器）将主导新的编译器架构
How fast is N tokens per second really?
tokenspeed — 用文字流直观感受 LLM 速度差距的工具
- 工具目的：基准测试中的 tok/s 数字（如"180 tok/s on a 4090"）难以让人真正感知速度差异，tokenspeed 通过实时渲染 token 流来弥补这一认知缺口
- 四种模式：code（带语法高亮的伪代码，最常见场景）、text（lorem ipsum 散文，聊天回复场景）、think（斜体推理句与代码交替，模拟推理模型的思考过程）、agent（工具调用与代码生成交替，含处理暂停，模拟 AI 编码助理）
- 推荐体验步骤：从默认 30 tok/s 开始阅读；依次切换到 1（≈5 tok/s，树莓派级本地模型）、5（≈60 tok/s，典型托管 Claude/GPT）、7（≈200 tok/s，Groq 级别）、9（≈800 tok/s，Cerebras 级别，瓶颈变成人眼）；再在同一速率下切换 code 与 text 模式体验差异
- Token 计算方式：采用 BPE 风格近似分词，短词常为单 token，长标识符会被拆分（如
processUserInput→process+User+Input），标点和运算符也计入；代码 token 密度高于散文，相同 tok/s 下感知速度会因内容类型不同而有明显差异 - 速算参考：英文约 1.3 token/词，30 tok/s ≈ 23 词/秒