给软件开发者准备的优质简报，每日阅读 10分钟。
Fired by Google for creating the Google workspace CLI
谷歌因内部CLI走红而解雇作者的全过程
- 两个月前，作者在业余时间开发并开源了 Google Workspace CLI，短短几天内登上 Hacker News 头条、获数千星标并吸引数万实际用户。
- 该项目在谷歌内部引发关注：高层想了解工具价值，法律部门质疑代码库中使用的 Google 标志和品牌配色。
- 作者认为被解雇的根本原因是 Workspace 团队及部分领导担忧颠覆性技术（尤其是智能代理）对业务产生冲击，而非单纯针对 CLI 本身。
- 讽刺的是，作者被解雇前两天，Google Cloud Next 大会刚宣布官方将推出自己的 Workspace CLI。
- 作者公开此事是为完整叙述自己的经历、帮助自我疗愈，并感谢在谷歌近七年期间得到的团队支持与职业机会。
The Coming Loop
循环自动化对软件工程的冲击与挑战
- 新工作模式的定义与运作：“驾驭循环”模式正成为编码智能体工程的主流。该模式将任务置于队列，由机器执行，并由外部循环机制根据结果决定是否结束、修改上下文或重新发起任务，使任务在模型本身认为“完成”后仍能持续。
- 在特定任务领域的成功应用：循环模式在代码移植、性能探索、安全扫描及生成临时性原型或分析报告等任务上效果显著。其成功关键在于任务涉及机械转换、可明确验证，或能利用另一个LLM作为评判者。
- 对代码质量与长期可维护性的深刻忧虑：当前语言模型倾向于生成过度防御、局部化且抽象不佳的代码。作者认为，循环模式会放大这一缺陷，使系统在表面“健壮”的同时，内部逻辑变得愈发难以理解和维护，违背了追求代码确定性与可理解性的传统软件工程准则。
- 难以逆转的趋势与外部压力：出于安全（如应对自动化漏洞报告）和竞争（如快速功能模仿与迭代）压力，开发者可能被迫采用循环模式，即使个人不认同。这使得“拒绝采用”在现实中几乎不可能。
- 新的依赖关系与能力退化风险：大规模采用循环模式可能导致团队对特定AI工具产生深度依赖，并逐渐丧失在没有机器辅助下理解、维护甚至讨论代码本身的能力，使软件系统成为一种必须由机器参与维护的“有机体”。
- 对未来工具与人类角色的反思：尽管作者对当前代码产出质量和人类监督角色弱化感到不满，但认为循环自动化是必然趋势。未来的核心挑战在于如何设计更好的工具与架构，以在自动化浪潮中保留人类的判断力、工程纪律和有效监督。
We’re making Bunny DNS free
Bunny DNS 全面免费并升级功能
- 完全取消 DNS 查询费，免费托管最多 500 个域名，无流量上限，仅需账户每月 $1 最低消费
- 作为 bunny.net 核心路由引擎，月均处理近 2000 亿次查询、服务超 30 万个域名，依据延迟、健康检查和 JavaScript 动态调度流量
- 集成一键加速与一键安全：自动扫描区域完成迁移，直接在 DNS 中启用 CDN 拉取区及 Bunny Shield 边缘防护
- 名称服务器原生支持 IPv6 双栈，自动同时响应 IPv4 与 IPv6 地址，无需额外配置
- 引入 DNSSEC 并采用 NSEC Black Lies 技术，实现防篡改验证的同时隐藏完整域名结构
- 扩展现代记录类型：支持 HTTPS、SVCB、TLSA、CDS 与 CDNSKEY，用于客户端连接提示与自动 DNSSEC 密钥管理
FUTO Swipe – A new swipe typing model
FUTO Swipe：离线高精度滑动输入模型
- 提供完整的开源模型与算法，支持完全离线的 FUTO Keyboard，并允许其他开发者在遵守归属要求的前提下使用。
- 采用三类模型：通用布局无关的 Encoder、单语言的 ContextLM（提升上下文合理性）以及针对 QWERTY 英文布局的 Decoder，三者组合在 300 Beam 宽度下实现约 4% 的 top‑4 失误率，排除 OOV 后错误率低于 1%。
- 基于 2024 年收集的 100 万条英文 QWERTY swipe 数据（MIT 许可证），用于模型训练与基准评估。
- 模型规模极小：Encoder 63.5 万参数，Decoder 30.4 万，ContextLM 150 万（其中 110 万为嵌入），合计约 136 万活跃参数，可在低端设备上毫秒级推理，训练仅使用一台工作站 GPU。
- 同时发布 C++ 实现的 swipe‑library，负责字典约束束搜索与解码，使从滑轨到词预测的全流程可直接集成，项目代码与模型遵循 FUTO Model License 与 GPL，团队正准备发表详细论文。
OpenAI unveils its first custom chip, built by Broadcom
OpenAI 推出首款自研推理芯片 Jalapeño，携手 Broadcom
- OpenAI 与 Broadcom 合作，发布名为 Jalapeño 的首个专为推理设计的自定义处理器。
- 在芯片研发过程中，OpenAI 的 AI 模型直接参与了设计与优化。
- 初步测试表明，Jalapeño 的每瓦性能显著优于现有最先进的同类解决方案。
- 该芯片面向推理任务，特别是实时编码模型，可显著降低运行成本；而预训练等高强度任务仍可能依赖 Nvidia GPU。
- OpenAI 强调通过自研芯片等底层硬件，全面优化从芯片架构到部署系统的全栈，以提升模型速度、可靠性和经济性。
There are a few things that I look back on as my mistakes in the early days
约翰·卡马克早期游戏开发失误反思
- Quake 在技术上过于激进，本应在更稳定的 Doom 升级版引擎基础上完成多人游戏与模组开发，以避免反复推翻设计师的工作基础，将全 6DOF 特性留作后续项目。
- 他给团队施加了过大压力，未能认识到公司成熟过程中需要更多弹性空间，持续以创业初期的高强度模式运转会耗尽员工精力。
- Quake 项目让他不得不承认个人极限：即使已付出近乎人类所能承受的最大努力，依然会错过既定目标。
- 公司创始人的原始股权安排与买卖协议是错误决策，导致了不良激励机制；采用硅谷通行的股权成熟制度本会更为合理。
- 坚持要求关卡设计师必须同时是游戏设计师和优秀的视觉设计师，这一由罗梅罗确立的高标准导致设计师内斗；应更早将艺术家与设计师进行配对。向桑迪致歉。
Stealing Is a Skill
“偷窃”作为高效学习与创新的技能
- 核心理念是“3% 方法”：在完整、像素级地复刻一件备受推崇的作品后，仅对其做出约 3% 的关键修改，这迫使你必须彻底理解原作的100%，从而在坚实基础上进行创新。
- 作者团队将 Mintlify 的营销网站作为蓝本进行了逐像素重建，在不到一个月的周末工作中快速搭建出了符合自身品牌调性的新网站。
- 在深度复刻过程中，他们洞察到了原作的精妙设计决策与不完美之处，并由此自然产生了针对自身需求的优化灵感（如简化导航弹窗、在CTA按钮中加入团队照片、增加视频展示等）。
- 这种“偷取”的本质是高效的学习与解决问题方法论：首先寻找并研究已有的优秀解决方案，在透彻理解其全部设计与逻辑后，再注入属于自己的、关键的创新改动。
- 作者反思，职业发展中被认可的往往不是想法的原创性，而是识别与高效解决现有问题的能力；因此，将“偷取”系统化为一种技能至关重要。
RubyLLM: A Ruby framework for all major AI providers
RubyLLM：全平台 Ruby AI 开发框架
- 统一接口，覆盖 800+ 模型：仅依赖 Faraday、Zeitwerk、Marcel，即可调用 OpenAI、Anthropic、Gemini、AzureAI、Bedrock、DeepSeek、Mistral、Ollama、OpenRouter、Perplexity、xAI、GPUStack 等所有主流供应商的模型。
- 完整功能集合：提供聊天、图像/视频分析、音频转写、PDF/CSV/JSON 等文档解析、图像生成、向量嵌入、内容安全审查以及块式实时流输出。
- 工具与 Agent 编程：通过
RubyLLM::Tool暴露任意 Ruby 方法，配合RubyLLM::Agent与结构化 schema，构建可复用的智能助理并实现结构化返回。 - Rails 深度集成：提供生成器、
acts_as_chat模块和可选聊天 UI，支持 ActiveRecord 持久化、模型注册、Fiber 异步并发，开箱即用的聊天界面。 - 极简安装与配置：在 Gemfile 中添加
gem 'ruby_llm'、bundle install，在初始化文件配置相应 API Key，即可立即使用全部功能。
Running Windows Games on a Hobby OS with Wine
在 Astral 上移植 Wine 并实现 32 位游戏支持的关键进展
- 完成 Wine 基础：下载并启用 MinGW 编译 PE DLL，解决了最初的 notepad.exe 崩溃，使基本 32 位 Windows 程序能够运行。
- 添加 OpenGL/EGL 支持：因 Mesa 在 xlib 后端缺少 EGL，改用 DRI 并为 X.org 打补丁以在无 /dev/dri 环境下启动，成功运行 Deltarune。
- 实现 WoW64 与 LDT：在内核中加入 LDT 支持，使 64 位 Astral 能在同一进程内运行 32 位 Windows 二进制，无需 32 位 Unix 库，满足 Cogmind 的运行需求。
- 修复关键调试/网络错误：在
__wine_unix_call_dispatcher中补全寄存器保存，恢复__wine_dbg_write，使 Cogmind 的成绩上传功能正常。 - 兼容性概览与后续计划：FTL 完全可玩；Steam、iexplore、Factorio、Spooky’s Jumpscare Mansion、Noita 等仅部分可用或卡顿；Half‑Life、Firefox/Chromium、Plants vs. Zombies、SCP 等仍无法启动。作者计划进一步完善 Steam/Chromium 支持并优化内核与驱动。