RSS 每日摘要

DeepSeek 不追求编程订阅或多模态产品，而是以技术积累为核心，剑指更宏大的目标。通过 MoE 架构、GRPO 算法、RLVR、MLA/DSA 等系列创新，DeepSeek 将 KV 缓存压缩至极致——1.6万亿参数模型在 100 万 Token 上下文下仅需 5.48GB HBM，不足竞品的十分之一。这使其能以极低价格提供长时缓存服务，大幅降低对 HBM 的依赖。作者认为，DeepSeek 的真实战略是撬动中国 AI 硬件生态，催生 10 万亿美元产业并自身冲击万亿美元估值。

AI 大幅压低产品生产成本，但这是双刃剑：供货方数量激增随之拉高分销成本。未来将是一个生产高度富足、但营销能力和渠道资源决定竞争格局的时代，稀缺的不再是产品本身，而是触达用户的能力。

AI 编程正在消解软件开发的专业门槛，中等乃至零基础用户也能开发出实用软件，导致大量专业开发者的竞争优势缩水。但从规模角度看，软件需求有望扩大百倍，长远来看 95% 的软件将由 AI 生成，只有极少数底层原创工程师仍将保有稀缺价值。当前处于转型阵痛期，技术人员需主动适应新范式。

AI 时代产品同质化加剧，销售能力成为核心竞争力。作者以自家产品「懒猫微服」为例，拆解销售三要素：精准定位（匹配正确渠道与用户群）、放下傲娇去倾听用户真实需求，以及做好售后以激活口碑传播这条隐形销售链条。技术出身的创业者尤其需要克服「不听客户说话」的惯性思维。

Usborne 出版社已将旗下 1980 年代计算机书籍开放为免费 PDF，其中包含大量可手动输入的 BASIC 代码游戏。作者将 1983 年《Creepy Computer Games》的 PDF 喂给 Claude，要求其用纯 JavaScript 和 HTML 还原《Mad House》游戏，并保留复古风格与移动端适配，最终成功生成可交互版本。

Datasette 1.0a30 的核心新特性是可自定义的「Jump to...」菜单，用户按下 `/` 键即可触发。新增的 `jump_items_sql()` 插件钩子允许第三方插件向该菜单注入自定义搜索项，可在 latest.datasette.io 上直接体验。此外本次 alpha 版本还引入了用于插件测试套件的 `datasette.fixtures.populate_fixture_database(conn)` 辅助接口。

datasette-agent 0.1a4 利用 Datasette 1.0a30 新增的 `makeJumpSections()` JavaScript 插件钩子，将「发起新 Agent 对话」的入口直接集成进 Jump to 菜单——按下 `/` 即可触达。用户可通过 GitHub 账号登录 agent.datasette.io 立即试用，该版本标志着 AI 对话能力与数据浏览界面的进一步融合。

datasette-fixtures 是配合 Datasette 1.0a30 新增的 `populate_fixture_database()` API 推出的插件，专为插件测试套件提供标准化测试数据库。借助 `uvx --prerelease=allow` 可在不安装 Datasette 的情况下直接运行，执行后返回包含「神秘景点」等四条样例地点数据的 JSON，适合快速搭建测试环境。

Armin Ronacher 在用 AI coding agent Pi 开发 Pi 本身的过程中，发现了一种新型「垃圾 Issue」：95% 由 AI 生成、充满错误但语气自信的诊断，会误导后续的 AI 修复流程，比模糊 Issue 危害更大。为此团队专门引入 `/is` 指令，要求 Pi 独立验证行为、忽略 Issue 中的分析结论，但效果有限。核心建议是：Issue 报告应严格压缩至人类亲眼观察到的事实，去除 AI 扩写内容。

TLS、哈希锁文件能告诉你「字节没变」，但无法证明「字节从一开始就是对的」——这正是供应链攻击屡屡得手的原因。文章围绕 Santiago Torres-Arias 的研究脉络，梳理了 TUF（防御仓库被攻陷）、in-toto（attestation 链追踪构建全流程）、Sigstore（无密钥签名降低操作成本）三个项目各自防御的威胁模型，并指出 Sigstore 的价值在平静的周二毫不可见，却在供应链事故当天决定「客户端直接拒绝安装」还是「发一篇以 incident 开头的博客」。

Armin Ronacher 批评了一种正在蔓延的糟糕实践：开发者将问题扔给 AI 润色后直接提交 Issue，导致报告充斥着错误的根因推断、伪造的最小复现、错误的代码类比以及毫无意义的错误分类，却又语气十足自信。他呼吁回归最朴素的 Bug 报告格式：我运行了什么命令、我期望发生什么、实际发生了什么、附上准确的错误日志——仅此而已。

创业过程中情绪具有双重属性：困境中的负面情绪会放大挫败感，外部诋毁更会雪上加霜，失控的情绪可能导致决策失准；但驱动创业的热情与使命感本身也是情绪的产物，它在艰难时刻提供希望，并在团队之间形成相互支撑的凝聚力。核心观点是：情绪不可消除，关键在于驾驭——既不被负面情绪淹没，也要善用正向情绪维持长期动力。

失败创始人的共同症状是目标客户模糊、用例堆砌、试图覆盖所有人，最终对谁都无关紧要。成功创始人则对「为谁构建、解决什么问题」有剃刀般的清晰认知——哪怕方向是错的，信念本身也能带来专注与快速学习能力。当市场反馈否定初始判断时，韧性使创始人能够吸收失败、重置假设、以同等信念开启下一轮循环。作者认为利他是支撑这两种特质的底层基础。

美团开源数字人视频生成模型 LongCat-Video-Avatar 1.5，在商业可用性上实现多项突破。音频编码器从 Wav2Vec2 升级为 Whisper-large，唇形同步与全身动作稳定性显著提升；引入 GRPO 逐帧偏好对齐，改善手部变形和多人交互场景表现；采用 DMD 蒸馏将生成步数从 50 步压缩至 8 步，推理效率提升约 15 倍，生成 10 秒视频仅需约 1 分钟。对比评测中，用户偏好胜率优于 Kling Avatar 2.0（65.9%）、OmniHuman-1.5（61.1%）和 HeyGen（54.3%）。