1. 一个混乱的实验改变了我对AI代码分析的看法；
2. NAT穿透的工作原理 (2020)；
3. 从移动应用中提取AI模型；
4. 我靠一个黄色笑话赚了10万美元；
5. Show HN: 为CSS Flexbox困扰？这个工具适合你；

具体内容您往下读…

1. 一个混乱的实验改变了我对AI代码分析的看法

🔗 nmn.gl: A messy experiment that changed how I think about AI code analysis

通过观察AI在处理React代码库时的表现，作者意识到AI需要像高级开发者那样思考，而不是像新手。实验通过上下文感知分组系统重新组织代码文件，并为AI提供功能组上下文，使其能够更深入地理解代码。结果令人震惊：AI不仅分析了代码，还发现了潜在的性能和安全问题，甚至提出了架构改进建议。关键在于让AI像高级开发者一样思考，而不仅仅是生成代码。

2. NAT穿透的工作原理 (2020)

🔗 tailscale.com: How NAT Traversal Works (2020)

NAT穿透是通过UDP协议和STUN服务器等技术，帮助设备在NAT（网络地址转换）和防火墙后直接通信。关键在于同时发送数据包以打开防火墙，并通过中继服务器作为备用方案。

3. 从移动应用中提取AI模型

🔗 altayakkus.substack.com: Extracting AI models from mobile apps

本文探讨了如何从移动应用中提取AI模型，特别是以Microsoft的Seeing AI应用为例。通过使用apktool和Frida工具，作者成功解密并提取了TensorFlow Lite模型文件。这一过程展示了AI模型在设备上的存储方式以及如何通过逆向工程获取这些模型。需要注意的是，AI模型属于知识产权，未经许可使用或修改可能涉及法律问题。

4. 我靠一个黄色笑话赚了10万美元

🔗 imgur.com: I made $100K from a dick joke

一位用户在Show HN上分享了自己通过一个黄色笑话赚取10万美元的经历。该笑话在网络上迅速传播，吸引了大量关注，最终通过广告和赞助实现了高额收入。这个故事展示了互联网上创意内容的潜在商业价值。

5. Show HN: 为CSS Flexbox困扰？这个工具适合你

🔗 yoavsbg.github.io: Show HN: Struggle with CSS Flexbox? This Playground Is for You

这是一个CSS Flexbox Playground，帮助用户通过实时调整flex-direction、justify-content、align-items等属性来理解布局变化，并生成对应的CSS代码。由Yoav Sabag开发，支持实时预览和代码复制。

6. Akamai将关闭其在中国的CDN业务

🔗 content.akamai.com: Akamai to shut down its CDN operations in China

Akamai宣布将于2026年6月30日停止在中国的CDN服务，并与腾讯云和网宿科技达成战略合作，提供高性能的内容分发和安全解决方案。现有客户需在此之前完成迁移，以确保服务不中断。Akamai将作为合作伙伴解决方案的经销商，提供迁移支持和服务。

7. 我一生中见过的三位顶级销售员

🔗 slate.com: In my life, I’ve witnessed three elite salespeople at work

作者回忆了自己在电话销售领域的经历，并分享了三位顶级销售员的故事。第一位是在监狱中通过编造犯罪技巧吸引众人注意的囚犯；第二位是一位离婚女性，她通过温和的语气和自信的态度成功说服客户；第三位则是一位在咖啡店乞讨的流浪汉，他通过夸张的表演迅速获得施舍。作者总结道，销售的核心在于如何让客户感到舒适，而非产品本身。

8. 家庭服务器安全的故事

🔗 raniseth.com: A story on home server security

作者在假期后发现服务器风扇异常运转，检查发现感染了Kinsing恶意软件，原因是暴露了未受保护的Docker容器。攻击者通过开放的端口入侵，进行加密货币挖矿活动。作者迅速关闭了相关端口，并限制了外部访问，最小化攻击面。此次事件提醒大家，暴露家庭网络到互联网需谨慎，并采取必要的安全措施。

9. 广告消耗半数移动数据

🔗 nextpit.com: Ads chew through half of mobile data

一项研究发现，广告可能占网页移动数据消耗的79%，平均为48%。研究通过模拟iPhone 6访问八个新闻网站得出此结论。广告和非必要的JavaScript是数据消耗的主要来源。虽然研究范围有限，但揭示了广告对移动数据的潜在影响。广告拦截工具虽能减少数据消耗，但也可能影响网站收入。

10. 人工智能驱动的鱼叉式网络钓鱼研究

🔗 lesswrong.com: Human study on AI spear phishing campaigns

一项研究表明，AI生成的鱼叉式钓鱼邮件点击率超过50%，显著高于对照组。AI不仅高效且成本低廉，信息搜集准确率高达88%。尽管Claude 3.5在检测钓鱼邮件方面表现优异，但现有安全防护措施仍难以阻止AI生成钓鱼内容。研究揭示了AI在网络安全中的潜在威胁与防御挑战。

11. 被大语言模型击败的基准测试

🔗 r0bk.github.io: Killed by LLM

本文总结了多个AI基准测试被大语言模型（LLM）超越的情况。这些测试包括ARC-AGI、MATH、BIG-Bench-Hard等，涵盖推理、数学、多任务处理等领域。随着LLM的快速发展，这些基准测试已无法有效衡量AI的前沿能力，标志着AI技术的巨大进步。

12. 6 GHz Wi-Fi 法规概述

🔗 wi-fi.org: Regulations Enabling 6 GHz Wi-Fi

多个国家和地区已采纳或正在考虑6 GHz频段（5925-7125 MHz）用于Wi-Fi。欧盟、美国等已部分或全部开放该频段，部分国家仍在评估中。

13. 社交媒体扭曲了对规范的认知（2024）

🔗 osf.io: Social media distorts perceptions of norms (2024)

研究表明，社交媒体通过放大极端观点和选择性展示内容，扭曲了人们对社会规范的认知。这种偏差可能导致误解和错误的决策，影响个人和社会的行为模式。

14. SrsRAN：开源4G/5G软件套件

🔗 github.com: SrsRAN: Open-Source 4G/5G

srsRAN是一个开源的4G/5G软件无线电套件，采用C++编写，依赖极少。支持Linux系统，可在通用硬件上运行。提供完整的5G RAN CU+DU和4G端到端网络实现，涵盖UE、eNodeB和EPC。

15. 学习新技能

🔗 attejuvonen.fi: Learn New Skills

本文推荐了一些优质学习资源，涵盖金融、音乐创作、机器学习、算法、优化算法、LLM应用开发、软件复杂性、密码学和JavaScript等领域。这些资源形式多样，包括电子邮件通讯、互动网站、视频课程、书籍和博客文章，适合不同学习需求。

16. 逆向工程Pentium浮点单元中的常数

🔗 righto.com: Reverse Engineering the Constants in the Pentium FPU

1993年，英特尔发布了强大的Pentium处理器，其浮点单元通过多项式快速计算三角函数、对数等函数。ROM中存储了优化后的常数，用于多项式近似计算。通过显微镜观察芯片，可以读取这些常数。Remez算法优化了多项式系数，使其比泰勒级数更精确。

17. 反思

🔗 blog.samaltman.com: Reflections

ChatGPT发布两周年之际，OpenAI回顾了从研究实验室到全球AI领导者的历程。AGI（通用人工智能）的愿景始终驱动着团队，尽管过程中充满挑战与不确定性。ChatGPT的推出标志着AI革命的开始，用户迅速增长至3亿。团队在快速扩张中不断学习，尽管经历了内部冲突与领导层变动，但最终建立了更强大的治理体系。OpenAI坚信，迭代发布和安全研究是确保AI广泛受益的关键。未来，团队将致力于超级智能的开发，推动科学创新与全球繁荣。

18. Duolicious – 开源约会应用

🔗 github.com: Duolicious – Open-source dating app

Duolicious 是全球最受欢迎的开源约会应用（以月活跃用户计），已在 Mashable 和 Know Your Meme 上被推荐。应用提供 2000+ 个性问题，帮助用户找到匹配对象，并支持基于心理特征的比较。Duolicious 鼓励真实交流，拒绝低效互动，且完全免费无广告。用户可通过分享、捐赠或贡献代码支持社区发展。

19. 隧道掘进机的演变（2023）

🔗 construction-physics.com: The Evolution of Tunnel Boring Machines (2023)

隧道掘进机（TBM）是现代隧道建设的关键技术，尤其在城市地区，TBM因其高效性和低干扰性成为首选。从19世纪的手工挖掘到20世纪50年代的机械化发展，TBM逐渐演变为自动化设备，能够应对多种地质条件。软土和岩石隧道掘进机的技术路径不同，但现代TBM已能处理几乎所有地质条件，并显著提高了掘进速度。

20. AI辅助编程将改变软件工程：残酷的现实

🔗 newsletter.pragmaticengineer.com: AI-assisted coding will change software engineering: hard truths

AI工具如GitHub Copilot和Cursor正在改变软件开发的流程，尤其擅长代码生成和原型设计。然而，AI生成的代码通常只能完成70%的工作，剩余的30%仍需人工干预和优化。经验丰富的开发者更能有效利用AI工具，而新手则可能陷入“代码依赖”的困境。未来，AI将加速开发，但软件工程的核心挑战——如系统设计和错误处理——仍需要人类的判断和经验。