1. 苹果新闻已成诈骗广告温床，用户直呼无法信任；
2. Waymo世界模型：用生成式AI模拟极端驾驶场景，提升自动驾驶安全；
3. 纽约拟立法：AI生成新闻内容必须添加免责声明；
4. 《OpenCiv3：文明III的开源重生》；
5. Heroku 平台最新动态；

以上是今天的前五条黑科技新闻标题。

总共25条，具体内容您往下读…

1. 苹果新闻已成诈骗广告温床，用户直呼无法信任

🔗 kirkville.com: I now assume that all ads on Apple news are scams

作者指出，自2024年苹果与Taboola合作在Apple News中投放广告以来，广告质量急剧下降，如今充斥大量疑似诈骗广告。这些广告常使用AI生成图片、伪装“清仓甩卖”，且关联的域名注册时间极短，与广告宣称的悠久历史严重不符。尽管用户投诉，但苹果及其广告合作伙伴似乎并未采取有效行动进行监管。作者对此深感失望，认为苹果在其标榜的优质新闻服务中放任诈骗广告泛滥，已无法再被信任。

2. Waymo世界模型：用生成式AI模拟极端驾驶场景，提升自动驾驶安全

🔗 waymo.com: The Waymo World Model

Waymo推出了其突破性的Waymo世界模型。该模型基于Google DeepMind的Genie 3构建，是一个能够生成超逼真、多模态（摄像头与激光雷达）驾驶模拟场景的生成式AI。它不仅能模拟日常驾驶，更能创造出如龙卷风、大象上路、车辆逆行等极端罕见或危险的“长尾场景”，让Waymo Driver在虚拟世界中提前历练。模型具备强大的可控性，工程师可通过语言指令、驾驶输入等方式灵活定制模拟环境，从而大规模、高效率地测试和提升自动驾驶系统的安全性与适应性。

3. 纽约拟立法：AI生成新闻内容必须添加免责声明

🔗 niemanlab.org: A new bill in New York would require disclaimers on AI-generated news content

纽约州议员提出了一项名为《纽约新闻基本人工智能要求法案》（简称NY FAIR News Act）的新法案。该法案要求新闻机构对任何“主要由生成式人工智能创作”的已发布内容添加明确标识，并且此类内容在发布前必须经过拥有编辑控制权的人工员工审核。法案还规定，新闻机构需向编辑部人员披露AI的使用情况，并建立保护消息来源等机密信息不被AI技术获取的防护措施。

提出该法案的主要理由是，AI生成内容可能包含虚假或误导性信息，并且存在未经许可或适当引用而“抄袭”原创内容的问题。法案同时包含了对新闻编辑部员工的劳动保护条款，限制因采用生成式AI而解雇记者或削减其工作、薪酬与福利。该法案已获得多个新闻行业工会的广泛支持。

4. 《OpenCiv3：文明III的开源重生》

🔗 openciv3.org: OpenCiv3: Open-source, cross-platform reimagining of Civilization III

OpenCiv3 是一款由爱好者社区主导开发的开源、跨平台游戏项目，旨在对经典策略游戏《文明III》进行现代化重构。该项目使用 Godot 引擎与 C# 开发，核心愿景是突破原版游戏的诸多限制、修复问题并大幅扩展模组能力，同时保留其核心玩法与内容精髓。目前项目处于早期预览阶段，已发布可独立运行的版本，但完成度尚低，仍需原版游戏文件以获得最佳体验。它支持 Windows、Linux 和 macOS 系统，玩家可通过社区论坛、Discord 和 GitHub 关注进展或参与贡献。

5. Heroku 平台最新动态

🔗 heroku.com: An Update on Heroku

Heroku 近期宣布了多项重要更新，旨在提升开发者体验与平台稳定性。核心变化包括终止免费计划与停止免费数据库服务，以更专注于为付费客户提供可靠服务。同时，平台推出了下一代基础设施，性能更强且更具成本效益。此外，团队正致力于改进计费系统、应用构建及数据服务，以解决用户反馈的问题，并承诺未来将提供更清晰的路线图。

6. 微软开源安全库操作系统 LiteBox

🔗 github.com: Microsoft open-sources LiteBox, a security-focused library OS

LiteBox 是一个专注于安全的库操作系统，旨在通过大幅缩减与宿主系统的交互接口来减少攻击面，从而提供沙箱隔离功能。它支持在内核模式与用户模式下运行，并设计有灵活的“北向”接口与“南向”平台接口，便于实现多种跨平台与安全场景的互操作。

该项目目前仍处于积极开发阶段，接口可能发生变化。其典型应用场景包括：在 Windows 上运行未经修改的 Linux 程序、在 Linux 上沙箱化应用程序、在 SEV SNP 或 OP-TEE 等安全环境中执行程序等。LiteBox 采用 MIT 许可证开源，并提供了完整的贡献指南与行为准则。

7. 谢尔顿·布朗的自行车技术百科

🔗 sheldonbrown.com: Sheldon Brown’s Bicycle Technical Info

该网站是已故自行车专家谢尔顿·布朗创建的权威自行车技术信息库，现由其同事维护更新。网站内容极为丰富，涵盖了从自行车维修、零部件解析到骑行文化等众多领域，拥有详尽的术语词典和大量实用文章。它不仅提供专业的DIY指导，也包含了谢尔顿个人的骑行经历与收藏，是自行车爱好者获取知识和灵感的重要资源。

8. 我花了四年，打造了一款只包含我所需功能的UI设计工具

🔗 vecti.com: Show HN: I spent 4 years building a UI design tool with only the features I use

Vecti 是一款专注于现代UX工作流程的协作式UI设计工具，旨在帮助设计师更快地创造优质用户体验。其核心特点包括实时多人协作编辑与评审、处理无限规模项目的高性能渲染引擎，以及共享资产库。工具提供直观界面，并采用按编辑者付费的灵活定价模式，设有免费版和专业版。Vecti 基于浏览器，注重性能与用户隐私，致力于为创作者提供真正贴合其需求的专业工具。

9. 记忆保险箱：失忆后，如何让好友帮你解锁电脑文件？

🔗 eljojo.github.io: Show HN: If you lose your memory, how to regain access to your computer?

这是一款名为 ReMemory 的浏览器离线工具，旨在解决一个特殊问题：当你因故无法访问自己的加密文件时，如何通过信任的社交圈恢复访问权限。其核心原理是采用 Shamir秘密共享 加密方案，将文件解密密钥拆分并分发给多位好友（例如5人中需任意3人合作）。每位好友会收到一个包含recover.html的独立文件包，恢复过程完全在本地浏览器进行，无需网络或服务器，确保了永久可用性。该工具开源、自包含且不存储任何用户数据，仅使用可靠的age加密算法。通过演示包可快速体验恢复流程，其设计初衷是为重要数字资产提供一种去中心化、无需单一信任点的安全备份方案。

10. 如何利用AI高效编写优质代码

🔗 heidenstedt.org: How to effectively write quality code with AI

在与AI协作编程时，人类必须保持主导与控制。核心在于建立清晰的愿景与详尽的文档，以精确指导AI。需构建调试系统辅助AI，并为不同代码标记审查等级，特别是高风险部分。应亲自编写高层规范测试，并将接口测试隔离进行，以防止AI“作弊”。采用严格的代码规范，并利用上下文特定的提示来提升效率。将复杂任务分解，通过实验探索方案，并始终致力于降低代码复杂度，以维持对代码逻辑的掌控。

11. 看我如何让ESP32-S3变身微型电脑：BreezyBox 带来Shell、应用安装器、Vi和编译器

🔗 github.com: Show HN: Look Ma, No Linux: Shell, App Installer, Vi, Cc on ESP32-S3 / BreezyBox

这是一个针对ESP32-S3微控制器的演示项目，展示了如何将其变成一个即开即用的微型电脑。它拥有自己的Shell、编辑器（Vi）、编译器（Cc）和在线应用安装器，类似于树莓派，但无需完整的桌面级操作系统。该项目基于名为 BreezyBox 的迷你Shell组件，它运行在FreeRTOS之上，提供了类UNIX的命令、虚拟终端和虚拟文件系统等功能。

该演示项目目前适配特定的开发板，但其核心的BreezyBox组件可以集成到其他ESP-IDF项目中。作者鼓励社区贡献更多应用、适配不同硬件的有趣案例，共同探索ESP32系列芯片在PC式应用场景下的潜力。项目采用MIT开源许可证。

12. Monty：一个用Rust编写的、供AI使用的极简安全Python解释器

🔗 github.com: Monty: A minimal, secure Python interpreter written in Rust for use by AI

Monty 是一个用 Rust 编写的 极简、安全的 Python 解释器，专为执行由大型语言模型生成的代码而设计。它旨在解决传统容器沙箱方案的成本、延迟和复杂性过高的问题，允许开发者将LLM编写的代码安全地嵌入到应用程序中运行。

其核心特点是启动速度极快（微秒级），并能通过严格控制的外部函数调用机制，完全隔离对主机环境（如文件系统、网络）的访问。开发者可以精确控制代码能调用的函数和资源。此外，Monty 支持代码快照，可将解释器状态序列化保存，便于后续恢复执行。

然而，Monty 功能有限，不支持完整的标准库和第三方库，也无法定义类（即将支持），主要专注于为AI智能体提供安全、高效的代码执行环境。它可通过 Python、JavaScript 或 Rust 调用，并计划集成到 Pydantic AI 中以实现“代码模式”功能。

13. NIMBY主义不止于阻挠建房，更试图剥夺我们的发声权

🔗 inpractice.yimbyaction.org: NIMBYs aren’t just shutting down housing

本文作者、YIMBY Law 执行董事 Sonja Trauss 讲述了她因代表组织向加州城市发送提醒信，告知其住房建设法律责任而遭到投诉的经历。投诉者指控她无证从事法律工作，试图以此压制YIMBY的倡导活动。Trauss 指出，这种信件是受第一修正案保护的公民言论与请愿权利，是民主进程的一部分。她揭露了NIMBY（邻避主义）者常用的一系列手段，包括在公开会议上骚扰、人身攻击、质疑倡导者动机（如污蔑为房地产商说客），甚至通过投诉制造寒蝉效应，其根本目的是将支持住房建设的一方排挤出公共讨论，这损害了民主社会赖以生存的理性对话基础。

14. 早期基督教文献宝库

🔗 earlychristianwritings.com: Early Christian Writings

该网站汇集了公元325年尼西亚会议之前最全面的基督教文本，包括新约、次经、诺斯替著作和教父文献等，并提供译文与评注。网站按年代和类别编排，方便研究者与爱好者浏览查阅，是探索基督教起源与早期发展的权威资源平台。

15. 欺诈调查：相信你亲眼所见的谎言

🔗 bitsaboutmoney.com: Fraud investigation is believing your lying eyes

本文探讨了美国社会项目中的欺诈调查问题，以明尼苏达州托儿项目大规模欺诈案为例。文章指出，尽管存在确凿证据（如调查人员拍摄到空无一人的“托儿中心”），但对此类欺诈的揭露常因政治立场或社会敏感性而被忽视或淡化。作者借鉴金融行业的反欺诈经验，强调欺诈常呈现模式化特征，例如欺诈者会重复作案，且欺诈活动往往依赖特定的供应链（如相同的注册代理、会计师）。有效的调查需要正视这些模式，包括欺诈常按族群聚集的现象，并利用日益普及的技术工具（如LLM）进行分析，而不应因政治正确阻碍真相的揭露。

16. DNA“页码”技术问世，为生物经济开启广阔前景

🔗 caltech.edu: Invention of DNA “page numbers” opens up possibilities for the bioeconomy

加州理工学院的研究人员发明了一种名为Sidewinder的新技术，能够以前所未有的准确度编写长链DNA序列。该技术通过为每个短DNA片段（寡核苷酸）附加类似“页码”的标签，指导它们精确拼接，从而构建出基因乃至整个基因组规模的长序列。这项突破解决了长期以来人工智能生物设计与DNA化学合成能力不匹配的关键瓶颈，使得快速、廉价、准确地合成复杂DNA成为可能，将极大推动生物医药、农业和新材料等领域的创新。

17. 从五年DevOps到解决方案工程师：我找到了缺失的拼图

🔗 infisical.com: I spent 5 years in DevOps – Solutions engineering gave me what I was missing

一位拥有五年经验的DevSecOps工程师，虽然在工作中备受尊重，却逐渐感到重复、停滞和孤立。日常工作变得单调，学习曲线趋于平缓，与人的互动也仅限于处理工单。他意外发现解决方案工程师这一角色，并成功转型。

在新岗位上，他每天与来自不同行业的客户交流，解决各种技术栈的实际问题，从单调的运维转变为充满人际互动和新鲜挑战的工作。他不仅没有丢失技术能力，反而因接触多样环境而不断学习，并利用过去的DevOps经验成为客户信赖的顾问。此外，他还成为连接客户与产品研发的桥梁，直接影响产品路线图。

这篇文章旨在告诉那些技术扎实却感到困顿、渴望更多与人协作和解决新问题的DevOps工程师：解决方案工程师可能是一条值得探索的出路。

18. 大语言模型可以是编译器，但不该是编译器

🔗 alperenkeles.com: LLMs could be, but shouldn’t be compilers

本文的核心论点是：即使大语言模型（LLM）解决了“幻觉”问题，能可靠地将自然语言指令转化为代码，我们也不应简单将其视为新一代“编译器”。关键在于，自然语言本身具有固有的模糊性，无法像编程语言那样提供精确的语义定义和稳定的行为保证。

传统编译器将高级语言（如Python、C++）翻译成机器码时，程序员让渡了对内存布局、指令调度等底层细节的控制，但换来了清晰、可测试的抽象层。这些抽象有明确的规范，其正确性可以通过测试乃至形式化验证来确保。

而LLM的“编译”过程则不同。当用户用模糊的自然语言（如“做一个笔记应用”）描述需求时，模型必须在海量可能的实现方案中自行填补空白，替用户做出关于数据模型、边界情况、性能取舍等无数关键决定。这导致开发者可能在不自知的情况下，从软件的主动构建者转变为生成产物的被动消费者，逐渐丧失对软件内部逻辑的理解和控制。

因此，真正的挑战并非模型的不可靠性，而在于人类“精确描述需求”的意愿和能力可能被削弱。未来，在LLM辅助编程的时代，需求规格说明与验证将比编写代码本身更为核心和关键。我们需要培养精确描述需求的意志，并建立相应的工具和实践，而非完全依赖一个无法提供稳定保证的“翻译层”。

19. 美国移民的“简单模式”

🔗 pluralistic.net: US Immigration on the Easiest Setting

作者以自身经历——一位富裕的英语母语者，拥有顶级律师协助——揭示了美国移民体系的极端复杂与不公。即使在这种“简单模式”下，过程依然如同卡夫卡式噩梦：需要提交上千页文件，任何微小失误都可能面临被驱逐的风险，且系统充斥着高额费用和官僚障碍。

如今，情况更加恶化。移民服务热线被无用的AI聊天机器人取代，使得获取基本帮助都变得不可能。文章尖锐指出，那些要求移民“遵守规则”的人完全忽视了规则本身无法被完全遵守的现实，尤其是对弱势群体而言。作者通过为女儿申请公民证书时，被要求提供自己幼年时期所有入境记录的荒谬经历，凸显了系统的非人性化。

最终，文章将批判矛头指向了亿万富翁的个人权力，正是像埃隆·马斯克这样的决策者，将本已糟糕的系统推向彻底失能的境地。

20. 我要用AI治愈女友的脑瘤

🔗 andrewjrod.substack.com: I’m going to cure my girlfriend’s brain tumor

作者因女友患上泌乳素瘤（一种通常“温和”的垂体肿瘤）而经历艰难的治疗过程。两次手术后，肿瘤仍未完全清除，且面临复发风险与治疗不确定性。他意识到现有医疗知识的局限与转化缓慢，同时看到AI科学家工具在加速科研方面的潜力。因此，他决定全职投入，利用自身生物背景和AI工具，深入研究这种疾病，以期推动治疗进展，并为未来可能面临类似风险的家庭（包括他们未来的孩子）寻找更好的解决方案。

21. 科技巨头万亿美元市值蒸发，AI泡沫担忧引发抛售潮

🔗 cnbc.com: Amazon plunge continues $1T wipeout as AI bubble fears ignite sell-off

由于市场对人工智能(AI)领域巨额资本支出的回报前景感到担忧，以亚马逊为首的科技巨头股价近期遭遇大幅抛售。过去一周，亚马逊、微软、英伟达等公司市值合计损失超过1万亿美元，其中亚马逊市值缩水最为严重。尽管部分公司的支出计划获得市场认可，但投资者普遍对AI投资的长期回报和潜在产能过剩风险表示疑虑，导致相关股票波动加剧。与此同时，苹果因资本支出相对保守且iPhone需求强劲，股价逆势上涨。

22. 我为何加入OpenAI

🔗 brendangregg.com: Why I Joined OpenAI

知名计算机性能专家Brendan Gregg 宣布加入OpenAI，担任技术团队成员，专注于ChatGPT的性能工程。他做出这一决定的核心原因是：AI数据中心惊人的成本和能耗构成了前所未有的性能优化挑战，这不仅是节约成本，更是关乎环保的使命。他意识到，传统性能工程方法可能已不足够，需要探索新方法以实现更大、更快的优化。

促使他选择OpenAI的关键时刻，是与发型师Mia的偶然交谈。Mia对ChatGPT日常应用的热情描述，让他真切感受到这项技术已成为许多人不可或缺的助手，其影响深远且被广泛认可。此外，OpenAI内聚集了大量他敬佩的杰出工程师，包括前同事，其工程文化（类似Netflix的云工程）强调大规模、快节奏和工程师的影响力，这对他极具吸引力。

他透露，打造一个像童年科幻剧中“Orac”那样的超级计算机曾是自己的早期梦想，而如今在OpenAI的工作正是实现这一愿景的契机。他将远程在悉尼工作，初期项目之一是制定跨组织的性能提升与成本降低战略。

23. 华尔街因13个Markdown文件蒸发2850亿美元

🔗 martinalderson.com: Wall Street just lost $285B because of 13 Markdown files

文章指出，一次由Anthropic在GitHub上发布的法律工具（实为一系列Markdown文件）引发的市场恐慌，导致SaaS公司市值大幅缩水。这事件凸显了一个深层趋势：AI智能体工作流正开始绕过传统SaaS软件。用户无需操作复杂界面，只需向智能体提出需求，它便能直接完成任务，尤其在拥有相关源材料（如文本文件）时，其能力甚至超越了许多专注于流程自动化的专业SaaS。

然而，并非所有SaaS都会被取代。作为系统记录的核心平台，因其集成了关键业务逻辑与数据，在智能体时代反而可能更具价值。但前提是它们必须提供强大、灵活的程序化访问接口（API）。未来，为智能体优先设计的、“无头”式API优先解决方案将在各垂直领域涌现，而无法提供此类访问的旧系统将面临被淘汰的风险。

24. Waymo高管承认菲律宾远程操作员协助美国无人驾驶出租车

🔗 eletric-vehicles.com: Waymo exec admits remote operators in Philippines help guide US robotaxis

在参议院听证会上，Waymo首席安全官透露，其部分远程操作员位于菲律宾，他们在车辆遇到复杂路况时提供“指引”，但强调车辆始终自主控制驾驶。此举引发议员对网络安全、信息延迟及操作员资质的担忧，并批评此举导致美国就业岗位流失。听证会同期，美国监管机构正调查Waymo车辆在圣莫尼卡撞击儿童及在凤凰城被困铁轨的事件。特斯拉高管亦出席听证，为其自动驾驶系统安全性辩护。

25. 美国教育投入激增，学生成绩却持续下滑

🔗 educationnext.org: Oregon raised spending by 80%, math scores dropped

最新NAEP（国家教育进展评估）结果显示，美国学生数学和阅读成绩在过去十年间持续下滑，疫情后也未见明显恢复。尽管全国教育支出大幅增加，但许多州的学术成果不升反降，例如俄勒冈州的支出增长了80%，数学成绩却急剧下降。同时，各州对成绩的反应常被指回避问题、报喜不报忧。分析指出，当前的教育困境并非仅由疫情造成，而是源于2013年前后开始的长期衰退，且低收入学生群体受到的冲击尤为严重。教育界亟需正视问题根源并寻找有效解决方案。