RSS 每日摘要

llama.cpp 作者 Georgi Gerganov 指出，本地模型在编码代理场景中表现不佳的根本原因在于整个推理链条的脆弱性：从客户端输入到最终输出，涉及聊天模板格式、提示词构造、纯推理层 Bug 等多个环节，且各组件由不同团队开发，难以统一调试。他警告称，用户当前观察到的行为，极有可能在某个环节存在未被察觉的隐性错误。

Simon Willison 发布 datasette-llm 0.1a3，这是将 LLM 能力集成到 Datasette 数据探索工具的早期 alpha 版本插件。正文信息有限，属于项目版本更新公告。

Simon Willison 发布 llm-mrchatterbox 0.1，为 LLM 命令行工具生态新增一个插件包，版本号为初始发布。正文内容有限，具体功能细节未在摘要中披露。

Cloudflare 将客户端安全产品（原 Page Shield）开放给自助服务用户，并为所有免费套餐用户提供基于域名的威胁情报。该产品每天分析 35 亿个脚本，新增 LLM 辅助的恶意 JavaScript 检测能力，可在不影响页面加载性能的前提下识别供应链投毒、信用卡信息窃取（skimming）等攻击，同时支持 PCI DSS v4 合规所需的代码变更监控。

Meta 在 2026 年美国混凝土协会春季大会上开源了 BOxCrete——一个基于贝叶斯优化的混凝土配方设计 AI 模型，旨在替代传统实验室试错流程。该模型已帮助合作伙伴获得多项建筑创新奖，并专门针对美国本土生产的水泥进行优化，以减少对进口水泥（目前占美国消费量约 23%）的依赖，同时兼顾强度、成本与可持续性等竞争性指标。

在拥有十个服务的 TypeScript Monorepo 中，各团队对资源路径的构建方式各行其是——模板字符串、字符串拼接、魔法前缀并存，导致跨服务引用混乱且难以维护。本文借鉴 Google API Design Guide 自 2014 年起采用的资源命名规范，提出以「collection/id」层级格式统一 Monorepo 中的资源标识，用结构化编码替代即兴字符串拼接，配合 TypeScript 类型约束实现路径的安全构建与反向解析，从根本上消除跨服务命名不一致的问题。

Swift 6.3 正式发布，并发模型诊断精度提升，新增 @c 属性强化 C/C++ 互操作，Embedded Swift 和 Android 支持持续推进，标志着 Swift 从 Apple 平台专属语言向跨平台通用语言演进。本期周报还涵盖：用最小化 JSONValue 类型应对不稳定 API 契约、Swift 原生 AI Agent 开发完整实践系列、苹果 Liquid Glass 设计工作坊传递的设计方向信号、App Store Connect 新增 100+ 指标与同行基准对比功能，以及 Xcode 26.4 正式支持 SPM Package Traits。

作者复盘三个月沉浸 vibe coding 的经历，指出其奖励回路与刷短视频高度相似——即时 prompt 反馈触发多巴胺强化循环，但因披着「创造」外衣而更难自觉戒断。长期高强度使用导致决策疲劳、感知钝化、短期记忆模糊，甚至一个月未读书。作者通过坚持写日记重建对生活的感知，并制定具体边界：切割 vibe coding 时间块、将工作流沉淀为可复用技能、主动安排慢节奏活动，以重夺生活主体性。

OpenAI 联合盖茨基金会、亚洲备灾中心（ADPC）和 DataKind，在曼谷举办首届「AI Jam for Disaster Management」工作坊，汇聚来自孟加拉国、印度、印尼等 13 个亚洲国家的 50 位灾害管理负责人。活动聚焦如何将 AI 嵌入政府与非营利组织的实际救灾流程，解决数据碎片化、手动协调效率低等痛点，是 OpenAI「国家计划」扩展的组成部分，背景是去年下半年东南亚台风等极端灾害频发。

Mr. Chatterbox 是一个完全基于英国图书馆 28,035 本维多利亚时代（1837-1899）版权已过期文本训练的语言模型，参数量约 3.4 亿（与 GPT-2-Medium 相当），训练 token 约 29.3 亿，模型文件仅 2.05GB。实测质量接近马尔可夫链而非现代 LLM，原因在于 Chinchilla 缩放定律建议该参数量需约 70 亿 token，训练数据不足两倍。Simon Willison 基于 LLM 框架为其封装了插件 llm-mrchatterbox，支持本地一键运行。

一篇关于勇气与行动的随感，核心观点是：真正的成功属于那些敢于做自己、将热爱之事做到极致的人。作者认为，大多数人因惧怕失败、承担风险而止步不前，但当一个人真正忠于自我时，成败反而不再是障碍，社会自然会给予回报。唯一的路径就是放下顾虑，勇敢行动。

AI将软件行业的核心竞争力从「写代码」转移至「表达思想」。当AI推理速度再提升百倍，软件将从预先生产转为按需即时生成，长尾需求大量涌现，软件数量反而会成万倍增长。源代码退化为中间产物，Markdown式的目标描述、规则约束和上下文组织成为软件质量的真正源头。古法编程构筑的技术壁垒将被冲淡，未来稀缺的是能发现独特问题、提出独特产品形式的判断力与创造力。

datasette-files 发布 0.1a3 版本，为与 datasette-extract 等插件集成做准备。主要更新包括：新增 `owners_can_edit` 和 `owners_can_delete` 配置项，相关权限动作收归新的 `FileResource` 子类管理；文件选择器 UI 封装为 `<datasette-file-picker>` Web Component（由 Alex Garcia 贡献）；新增 `get_file` Python API，供其他插件直接访问文件数据。