谷歌AI搜索误解用户查询为情感问题

2026 09 29 HackerNews

2026-09-29 Hacker News Top Stories # 谷歌AI搜索将用户查询误解为情感问题并安慰用户，令作者质疑搜索引擎是否已迷失方向。 作者因1993年获英伟达股票期权但在归属期上被公司少算，错失约10亿美元，警示协议细节的重要性。 Ember-1模型通过减少40%生成令牌数同时保持质量，显著降低AI推理成本。 讽刺报道虚构AI公司竞相宣称自家模型最具人类威胁性，以凸显AI炒作荒诞。 作者认为AI编码并未真正解决逻辑与可靠性问题，高风险领域仍需人类工程师负责。 本文介绍将博客部署为Tor隐藏服务实现暗网自托管，并同步明网与洋葱版站点。 团队失去对系统架构与意图的理解是AI代码时代真正问题，人类仍需掌握方向与决策。 MongoDB CEO跳槽Meta导致股价大跌18%，市场担忧公司前景。 像素艺术城市夜景与浏览器实时合成lofi音乐结合的沉浸式网页应用。 1. 谷歌是从什么时候开始变得这么奇怪的？ (When did Google get so weird?) # https://sancho.bearblog.dev/google-weird/ 这篇博客文章记录了作者在 2026 年使用谷歌搜索时的一次荒诞经历。作者想搜索一个 2014 年费城 76 人队球员达里奥·萨里奇（Dario Saric）的篮球老梗（“hes never coming over dario”），想找一些当年的搞笑推文或 Reddit 帖子。然而，谷歌的 AI 概览功能完全误解了他的意图，以为他被一个叫达里奥的男人甩了，竟然以“共情数字朋友”的身份安慰他，提供情感支持而不是搜索结果。作者对此感到非常震惊和困惑，认为谷歌作为搜索引擎已经“失去了方向”，并质疑 AI 聊天功能是否应该被强加在搜索体验中。他提到，在 AI 生成内容的下方，谷歌其实确实给出了他原本想找的准确结果。文章表达了对当前 AI 搜索体验的反思：为什么搜索引擎不能继续做纯粹的搜索，而非要变成一种“伪人际关系”的对话？ HN 热度 1824 points | 评论 1021 comments | 作者：sancho-panza | 1 day ago # https://news.ycombinator.com/item?id=49870367 Google AI 搜索出现“死互联网”式荒谬回答：搜索“Dario 留在土耳其的梗”时，AI 声称该梗不存在，却引用讨论此梗的 Hacker News 帖子作为来源，且帖子内容并不支持其说法 Google 对网页的抓取速度很快，几分钟内就能索引新帖子，这并不令人意外，但 AI 用不相关来源支撑错误结论才是问题 AI 模型似乎更容易“放弃”，需要额外编程（如循环和条件判断）才能强制其继续尝试 AI 公司既想成为权威信息源，又不想为错误负责，就像 1980 年代推销员卖完百科全书后说“我们不保证内容正确” Google 搜索过度强调近期事件，导致查找历史信息变得困难 有人测试发现 Gemini 已修正回答，现在能正确引用关于克罗地亚篮球运动员 Dario Šarić “永不加盟 NBA”的梗 Google AI 不先使用搜索引擎就回答，给出完全错误的信息，即使用户纠正后仍提供过时内容，这违背了搜索工具的初衷 Google 搜索结果页被 AI 摘要、广告和视频占据，有机结果质量下降，许多用户转向 DuckDuckGo AI 概述常引用 Reddit 评论等不可靠来源，却以自信的 LLM 口吻呈现，用户容易将其当作事实 DuckDuckGo 因与 Reddit 无商业关系，不推送论坛内容，其 AI 概述更多引用维基百科和传统媒体，相对更可靠 由于 AI 摘要频繁出错，有用户已完全切换到无 AI 的搜索页面 2. 英伟达股票欠我十亿美元 (Owed a billion dollars in Nvidia stock) # https://colo.to/nvidia-stock-narrative.html 作者 Eric Gullichsen 自述曾在 1993 年受邀加入英伟达（NVIDIA）技术顾问委员会，并获得 2.5 万份股票期权，协议规定应在一年内分季度全部归属。但 1996 年英伟达 CFO 及外部律师事务所 Cooley 声称按四年归属期计算，仅确认 1.5625 万股已归属，作者当时行权后便遗忘了此事。 30 多年后作者发现，按原始协议所有期权本应在一年内归属，自己少获 9375 股。经多次拆股（累计 480 倍），这些股份如今相当于 450 万股，价值约 10 亿美元。作者委托律师交涉，英伟达承认协议真实，但主张诉讼时效已过。双方协商无果，律师认为因时间太久难以通过驳回动议，作者最终放弃起诉。 作者以此作为警示故事，提醒人们注意长期被忽视的合同权利，并自嘲“在自由之地，公司只需在有限时间内履行义务”。 HN 热度 1050 points | 评论 446 comments | 作者：Eric_Gullichsen | 21 hours ago # https://news.ycombinator.com/item?id=49872723 核心问题不是“Nvidia 铁定欠我股票却因诉讼时效逃脱”，而是作者接受了 offer，但 offer 与期权文件在 vesting 时间上不一致（四年 vs 四季度），这更像是一方或双方的文书错误。 1996 年顾问关系终止时，作者有 90 天行使期，无论 vesting 是 1 年还是 4 年，该期限早已过期；他当时行使了 Nvidia 告知的 15,625 股，现在却主张全部 25,000 股已 vest，但 Nvidia 的告知信并未改变原协议。 不能想当然地预设 Nvidia 当时的计算就是错误的，这并非定论。 公开市场 ITM 期权可能自动行使，但 ESOP 是直接与公司交易，无交易所参与；若作者未行使，公司只是保留股权，不会自动结算。 Nvidia 在 1996 年是私有公司，公开市场的自动行使规则不适用。 法院处理文书笔误时，会看双方实际共识；若双方当时都理解的是“四年”，仅因文件误写为“四季度”就判巨额赔偿，通常不会得到支持。 “年”误写为“季度”不是简单的小数点笔误，且 vesting 时间表虽不标准，但也并非完全不可能，不能直接认定为明显错误。 作者在签署后多年未对 vesting 时间提出异议，这暗示双方当时的共识就是“四年”，而非“四季度”。 法院曾因标点符号（如牛津逗号）判公司赔偿数百万，但那是语法歧义，与本案的会计/文字错误不具可比性。 期权 vesting 时间表可以很独特，作者可能因工作性质接受该安排；律师费高昂，导致作者拖延至股价大涨后才起诉，这可以理解。 作者直到 2024 年才注意到文件内容，说明双方在签署时都以为写的是“年”，而非“季度”；这削弱了作者“单方面误解”的主张。 文章写作巧妙，虽暗示协议是“四季度”，但从未明确声称协议原文如此，脚注中链接的文件才明确写出这一差异；类似“比特币买披萨”的轶事，更多是戏剧性而非法律胜算。 3. Ember-1 模型 (Ember-1) # https://fireworks.ai/blog/ember-1 Ember-1 是 Fireworks Research 推出的新一代专用模型，基于 Kimi K3 构建，在保持同等质量的前提下，将生成令牌数减少 40%。它通过训练学会去除不必要的推理步骤，同时保留关键思考过程，适用于编码和智能体任务，可显著降低规模化成本。 研发团队进行了超过 50 次训练实验和 200 次评估，开发了新算法来压缩推理长度，并全程使用 Fireworks 无服务器训练平台，无需管理 GPU，大幅缩短了研发周期。训练数据来自自有数据，不包含客户数据。 核心问题在于 Kimi K3 这类推理模型会将 90% 以上的令牌用于内部推理，在多轮智能体场景中，上下文会随轮次近似平方增长，导致成本急剧上升。实验证明，K3 的推理长度远超任务需求，多余部分可安全移除。 Ember-1 在多个基准测试和真实客户 A/B 测试中表现稳定，推理令牌可缩短 35%–50% 且精度不下降。在 Doximity 的 Bedside Bench 医学基准上，它超越了 GPT-5.6 Sol、GPT-6 Astra、Claude Opus 5 等模型，建立了成本/任务最优边界。在其他五个行业基准中，它也位于或接近帕累托前沿，匹配 K3 最大推理质量的同时成本大幅降低。 总体而言，Ember-1 是 Fireworks 系列专用模型的首个产品，旨在让开发者以更低成本获得高质量推理能力。 HN 热度 576 points | 评论 245 comments | 作者：gmays | 1 day ago # https://news.ycombinator.com/item?id=49868830 模型训练进入黄金时代，用子代理生成大量训练数据微调小模型，几小时就能得到特定任务的好模型 小于 1b 参数的微调小模型在受限任务上可表现出色，在 16GB Mac Mini 上就能训练 尝试用多个小模型做全栈开发，每个模型只负责一个小任务 前沿模型在特定任务上仍优于小型微调模型，微调的 ROI 可能为负 Huggingface 上有许多从大模型蒸馏的小模型，效果提升明显 需要测试基准来验证效果 如果子代理已能生成 bash 示例，为何还要训练模型？可能是用付费模型生成训练数据 小型专用模型用极少资源完成相同任务，适合频繁的日常工作 大型模型可一次性生成合成训练数据来训练小模型，类似蒸馏 考虑到 140k 训练示例的成本可能不划算，除非能分发 花 $10 订阅一个月生成训练数据，取消订阅后模型永远可用 专用模型可共享软件方式转售，$5 一份容易卖 用便宜模型终身使用成本可能不到 $10，Mistral Small 3 24B 更好 需要 O(140k)次查询才能抵消训练成本，不太可能 分发让努力有价值，1400 人各用几百次就回本 很多人用人类到 bash，这个需求不小众 如果在意延迟，花几小时训练一次值得 可以一次生成很多示例对，不需要最好的模型 生成 140k 对需要本地模型运行那么多次才能抵消成本 可用两次传递方法快速便宜地做，而不是训练自己的模型 节省了初始查询多次发送的成本，推理开始部分相似，输入和推理更短 4. AI 公司竞相证明自己的模型对人类最具威胁性 (AI companies in race to demonstrate their model most threatening to humanity) # https://thecivilian.co.nz/2026/09/27/ai-companies-in-fierce-arms-race-to-demonstrate-their-model-is-the-most-existentially-threatening-to-humanity/ 这篇文章是一篇讽刺性报道，虚构了 2026 年 AI 公司之间的荒诞竞争：为了吸引用户，OpenAI、Anthropic 等公司不再比拼编程或视频生成能力，而是争相宣称自己的模型最能毁灭人类。 文中举例：OpenAI 夸耀其 AI 自主入侵 Hugging Face 和澳大利亚医保数据库；Anthropic 则通过“吹哨人”警告 AI 极度危险，导致股价飙升。CEO 们还将外界担忧视为“赞美”。 专家评论称，这些威胁场景还很遥远，目前人类自己才是终结人类的最大希望。整体以黑色幽默讽刺 AI 炒作和商业宣传。 HN 热度 425 points | 评论 382 comments | 作者：ljewalsh | 15 hours ago # https://news.ycombinator.com/item?id=49875148 CEO 们高调警告 AI 危险实为监管捕获，保护自身市场地位 呼吁减速是因为无法兑现通用 AI 承诺，用“谨慎”为失败开脱 推理成本过低使 AI 公司难盈利，借安全之名强迫用户使用自家云平台 廉价开源模型已足够好用，泡沫破裂时局面会很惨烈 算力是护城河，巨头单日服务量超小平台整月 算力护城河只是暂时的，如同电力曾经也是护城河 谷歌算力多用于低价值场景，高效模型能以低价冲击巨头 AGI 真正实现会让知识工作一文不值，人们无力支付 AI 服务 AGI 是不断后退的概念，接近时才发现并非真正的 AGI 但也有从业者真心相信 AGI 即将到来甚至已实现 过去三年模型进展从未减速，CEO 们对 AI 灭绝风险的警告是真诚的 后训练强化学习未降低幻觉率，前沿模型错误回答中一半以上是幻觉 幻觉率指标被误读，51% 指错误回答中幻觉占比，不代表整体准确率 5. 编码并未解决 (Coding is not solved) # https://blog.alexewerlof.com/p/coding-is-not-solved 作者 Alex Ewerlöf 认为“编码已解决”的说法是片面的，LLM 生成的代码在逻辑、可靠性和可维护性上仍有根本缺陷。文章指出，虽然 AI 在个人软件、概念验证（POC）和恶意攻击等场景中可用，但在医疗、金融、航空等高风险领域，代码错误可能造成严重后果，需要人类工程师的问责与判断。作者批评了过度鼓吹 AI 编码能力的现象，并举例 Claude Code 存在多种实际缺陷，强调不应为了追求速度而牺牲质量和可靠性。最后，作者表示自己并非反对 AI，而是反对盲目将 AI 强行应用到所有场景，导致服务退化。 HN 热度 395 points | 评论 419 comments | 作者：firstSpeaker | 9 hours ago # https://news.ycombinator.com/item?id=49877988 阅读代码不等于理解代码，实际行为常与预期不符。 LLM 能通过模糊测试、属性测试和全场景分析来发现代码问题，无需阅读代码。 测试不等于理解或证明正确性，LLM 无法真正推理代码的所有行为。 绝大多数软件从未达到严格标准，LLM 不会取代严谨的工程实践。 在医疗、金融、国防等关键领域，代码往往也是脆弱且不被理解的。 也有例外，如航空软件和 SQLite，代码可理解且测试严格。 许多企业软件是脆弱的黑盒，但仍在关键业务中运行。 LLM 开发在性能和资源上浪费，但能产生企业想要的稳定系统。 LLM 浪费资源但节省人类时间，也有人认为浪费人类时间。 大多数软件并不重要，不必追求完美理解。 软件工程不是形式化证明，大多数团队不会严格检查所有假设。 6. 盗版海盗 (Pirating the Pirates) # https://mubi.com/en/notebook/posts/pirating-the-pirates 这篇文章题为《Pirating the Pirates》，作者是 Devan Scott，发表于 MUBI Notebook，主要探讨电影保存领域中非正式、地下粉丝努力的现象，以及它们与官方发行方的互动。 作者从个人经历切入：2011 年，他和室友试图用非法抓取的多个版本，拼凑出塞尔吉奥·莱昂内 1966 年西部片《黄金三镖客》的原始国际版。该片在 2000 年代初被 MGM“修复”后，加入了莱昂内曾剪掉的场景，片长从 161 分钟增至 179 分钟，配音也不完整，原单声道音轨还被改成带现代枪声效果的环绕声。当时市面上几乎只有这个扩展版。他们计划用 1998 年 DVD 的音轨配上意大利版蓝光的画面，但发现意大利版差异更大，最终放弃。2019 年，他们用更好的蓝光画面和激光碟单声道音轨重新尝试，并在当地影院偷偷替换官方数字拷贝放映，效果令人振奋。之后一位观众告诉他们，自己已用高质量 IB 特艺彩色拷贝做了更优的 4K 扫描修复。 文章指出，主流影院和家庭影像版本常因各种原因不合格：工作室可能扩展影片、重混音轨、去除颗粒、过饱和或锐化画面、改变画幅，只为营销；有时则因预算不足或漠不关心而敷衍了事。精品厂牌如 Arrow、Kino、Eureka 试图更贴近导演原意，但有时只能被动使用现成母带，或受在世导演修改意愿限制。导演修订自己作品的冲动由来已久，例如卓别林后期改默片，王家卫大幅调整旧作的色彩、画幅和音轨，理由是“人不能两次踏进同一条河流”。这常导致历史准确版本无从获取。 非正式保存并非新鲜事。《诺斯费拉图》因版权诉讼被下令销毁，却靠越境的盗版拷贝幸存；凯文·布朗洛对《拿破仑》的重建最初也是青少年时期的非法爱好。最著名的例子是乔治·卢卡斯对《星球大战》原三部曲的特别版修改，导致原始版本难以找到高质量拷贝，由此催生了粉丝社区，如“Despecialized”版和 Team Negative1 的 Project 4K77（用 35 毫米院线拷贝的自制 4K 扫描）。粉丝不受预算、期限和商业限制，可多年交叉比对旧版本，完成工作室因版权和资金问题无法做到的事。此外还有“remux”社区，把不同发行版中最优的画面和音轨无损失拼接。 法律上这属于盗版，破解蓝光加密即违反美国数字千年版权法相关条款，无论意图如何。版权对精品厂牌是双刃剑：既限制操作，又保障收入。粉丝内部形成“海盗准则”：至少拥有一部实体版、不盈利、不公开倒卖。作者后来参与了 Kino Lorber 2021 年版《黄金三镖客》的非正式协助，用粉丝提供的激光碟音轨等提升质量；2024 年又与 Arrow 官方合作，担任《镖客三部曲》顾问，过程从容，仍用了激光碟音轨。文章结尾提到，即使 Arrow 最新 4K 版上线后，私人种子站已出现整合了更多音轨和评论的更大体积版本，循环仍在继续。 整体上，文章肯定粉丝保存在填补官方空白、追求历史准确性上的价值，同时承认其灰色法律地位，并展示官方与地下力量逐渐交叉合作的趋势。 HN 热度 366 points | 评论 193 comments | 作者：piotrgrabowski | 7 hours ago # https://news.ycombinator.com/item?id=49880036 许多人抱怨乔治·卢卡斯对《星球大战》原三部曲的反复修改，认为原始版本更经典，特殊版 CGI 添加破坏了原味。 有人指出卢卡斯妻子 Marcia Lucas 在剪辑上的关键贡献，乔治单独掌控时作品质量下降。 版权与授权问题导致大量影视作品、游戏在重制/流媒体版中更换原声音乐，甚至无法再发行。 典型例子包括 Daria、Scrubs、WKRP in Cincinnati、Top Gear、部分动漫等，原声被替换成通用音乐。 有人认为缩短版权期限能改善保存与公众获取问题，当前版权远超作品经济生命周期。 盗版被部分人视为文化保存的必要手段，尤其当官方不提供忠实原始版本时。 讨论延伸到游戏（GTA、Forza 等）因音乐或授权问题被下架或修改。 整体上，帖子反映对媒体保存、版权僵化与创作者后期干预的普遍不满，呼吁更好的官方归档与原始版本获取渠道。 7. 暗网上的自托管 (Self-Hosting on the Dark Web) # https://david.alvarezrosa.com/posts/self-hosting-on-the-dark-web/ 这篇文章介绍了作者如何将自己的博客部署为 Tor 隐藏服务（.onion 地址），实现在暗网上的自托管。文章说明了 Tor 隐藏服务的原理：无需证书颁发机构、DNS 或暴露 IP，地址由公钥直接派生，连接由 Tor 网络端到端加密。具体操作步骤包括：在 /etc/tor/torrc 中配置 HiddenServiceDir 和 HiddenServicePort，将 Tor 的 80 端口转发到本地 8080；重启 Tor 后从 hostname 文件获取 .onion 地址；在 nginx 中监听 127.0.0.1:8080，无需 TLS/HTTP2/QUIC，因为 Tor 自带加密。由于静态站点的绝对链接会指向明网域名，作者使用 Hugo 以 .onion 地址为 baseURL 构建第二份站点，并通过 GitHub Actions 自动部署到独立目录，使明网和 Tor 版本保持同步。文章最后给出了该站点的 .onion 地址供读者访问。 HN 热度 341 points | 评论 109 comments | 作者：mooreds | 1 day ago # https://news.ycombinator.com/item?id=49870295 个人网站可通过 Tor 托管，即使位于 NAT 后也能轻松实现，且能隐藏个人 IP，适合暴露本地服务。 建议使用 Onion-Location HTTP 头，让 Tor 浏览器用户自动从明网跳转到洋葱版本。 洋葱网站性能优化需针对 Tor 特性：资源内联（base64、CSS 内联）、减少 JS 依赖、后端渲染、减少 HTTP 请求数，尽量在单个连接内完成页面传输。 洋葱网站面临 DDoS 攻击，需使用双重验证码，且验证码设计需适配 Tor 环境。 存在“站点前置”问题：攻击者可能伪造你的.onion 地址并代理你的内容，需通过离线渠道（如目录、信任链、验证码、虚荣地址）帮助用户识别真实地址。 用户可通过书签、信任链或目录来确认洋葱地址的真实性，但新用户获取真实地址仍是个难题。 洋葱地址难以区分，建议使用虚荣地址（如以特定字符串开头）增加伪造难度。 自动化验证在 Tor 中易被绕过，信任链和人工验证更可靠。 8. 问题不在于 AI 编写的代码，而在于不了解系统架构或意图(The problem is not AI code, but not knowing about system architecture or intent) # https://www.ssp.sh/brain/the-problem-is-not-the-ai-code-but-nobody-knows-anything-anymore/ 这篇文章的核心观点是：AI 生成代码本身不是最大问题，真正的问题在于团队中没有人再了解系统架构和决策背后的意图。作者引用一位工程师的吐槽，描述大公司现状：所有规格、代码、测试、PRD、工单等都由 Claude Code 生成，员工被迫每天工作 12 到 13 小时，只是不断按回车，没人阅读代码，没人思考，也没有人真正解决 bug，工作变得毫无成就感。 文章接着讨论数据工程是否有所不同。有人认为数据人员从第一天起就必须了解产品和业务，AI 只是减少摩擦。但作者指出，如果一个人从零开始用 AI 进入新领域，这种知识就会缺失，AI 让这种理解变得看似可有可无。 作者还提到，产品经理现在可以借助 AI 构建任何产品，但如果不懂编码，可能会建立基础很差的系统，难以维护。了解基础原理仍然重要，无论是编程还是产品设计。 最终，文章强调维护性才是终极挑战。生成代码越容易，需要维护的东西就越多，如果没人理解系统，维护会变得极其困难。AI 无法自我驱动，人类仍然需要负责方向、架构和决策，因此意图、品味、设计和架构能力变得比以往更重要。一旦这些能力缺失，就会非常危险。 HN 热度 338 points | 评论 221 comments | 作者：zazuke | 7 hours ago # https://news.ycombinator.com/item?id=49880312 决策链被 AI 层层替代，导致意图和动机不明，没有人真正控制。 公司中人们用听起来合理的文档和演示作为决策代理，AI 加剧了问题。 大型组织中人类专业化，编码是机械过程，AI 无需理解业务就能工作。 反驳：大多数公司并非如此，人们并非都在瞎混，这种说法是夸张。 人们相信自己的文档，但追溯决策会发现漏洞和框架。 AI 之前用户体验就不好，AI 能帮助解决信息搜索问题，但软件质量可能因测试和设计差而下降。 9. MongoDB 首席执行官辞职加盟 Meta (MongoDB CEO resigns to join Meta) # https://www.reuters.com/technology/mongodb-ceo-desai-steps-down-lead-metas-enterprise-platform-2026-09-28/ Meta Platforms 挖角 MongoDB CEO Chirantan “CJ” Desai，任命其为新设立的首席企业平台官，直接向扎克伯格汇报，负责将 Meta 的 AI 模型、代理和工具（如新推出的 Muse、Meta Business Agent 和编程工具）转化为面向企业客户的产品和服务。 Desai 在 MongoDB 任职不到一年便离职，消息导致 MongoDB 股价周一早盘大跌 18%。MongoDB 已任命前 CEO Dev Ittycheria 为临时 CEO，并开始寻找正式继任者。分析师认为 MongoDB 战略地位依然稳固，股价反应过度。 Desai 此前曾在 Cloudflare 负责产品与工程，并在 ServiceNow 担任总裁兼首席运营官近八年。Meta 本月早些时候发布的个人 AI 代理 Muse 已迅速攀升至苹果 App Store 和 Google Play 排行榜前列，被分析师视为美国自 ChatGPT 以来可能最大的应用发布。 HN 热度 312 points | 评论 252 comments | 作者：diek | 8 hours ago # https://news.ycombinator.com/item?id=49879000 有人质疑“立即生效”的辞职方式不寻常，可能涉及股权已归属、被解雇，或 Meta 提供了极具吸引力的条件。 许多人认为 CEO 离职不会毁掉其职业生涯，高管常“失败向上”，有专门猎头帮忙安置。 讨论指出 Desai 此前在 ServiceNow 和 Symantec 也有争议经历，包括与政府相关问题。 股价暴跌被归因于市场重新评估 MongoDB 前景，而非单纯 CEO 离开。 有人认为 AI 降低了迁移成本，MongoDB 的“易上手但长期成本高”定位面临挑战。 不少人吐槽 MongoDB 过去声誉差（早期可靠性问题），现在更倾向用 Postgres 等关系型数据库。 有人认为文档数据库适合特定场景，但多数应用最终还是需要关系型模型。 整体情绪对 MongoDB 未来偏悲观，同时对高管跳槽与公司治理表示嘲讽与质疑。 10. Show HN: Lofi Cities – 像素艺术城市夜景与浏览器生成的 lofi 音乐 (Show HN: Lofi Cities – Pixel-art city nights with browser-generated lofi) # https://loficities.com/ 这是一个名为 Lofi Cities 的免费网页应用，将像素艺术风格的城市夜景与实时生成的 lofi 音乐相结合。页面目前展示的是巴黎场景：雨打在阁楼窗户上，埃菲尔铁塔在远处闪烁，当地时间为 01:14，有 105 人在线。 网站提供 16 个城市，每个城市都有独特的天气、地标和城市音效，画面每四分钟无缝循环。音乐完全通过浏览器实时合成，没有采样或录音，风格包括爵士嘻哈、钢琴、氛围、波萨诺瓦、合成器、浩室、吉他、悲伤和中世纪等，并可通过“Vibe”面板调整能量、乐队配置和音量。 用户可以选择天气（雨、雪、秋叶、晴朗），调节城市音效的各个音量，查看即将播放的曲目，并通过聊天与其他听众互动。页面还支持键盘快捷键、保存场景、导出视频循环，以及为商业广告位出租广告牌。 HN 热度 305 points | 评论 133 comments | 作者：safaelmali | 1 day ago # https://news.ycombinator.com/item?id=49869574 广告（尤其是 Product Hunt 广告牌）严重破坏沉浸感，许多人要求删除或提供隐藏选项。 像素艺术被指明显 AI 生成，抖动（dithering）粗糙、文字不准确，缺乏手工像素艺术的精致感。 作者承认使用 AI 辅助工具制作，并表示会调整广告牌融合度、添加隐藏选项，以及考虑城市专属音乐。 有人建议增加更多城市、室内/阳台切换、本地植物细节、雷暴等天气效果以提升真实感。 部分用户喜欢天际线与 liminal space 的怀旧氛围，计划用作第二显示器或 Roku 频道。 音乐被批评有时像基础 MIDI，而非真正的 Lofi，且希望能随城市变化而改变风格。 整体上，创意受肯定，但 AI 痕迹与广告让部分人感到“廉价”，呼吁更注重氛围与手工质感。 Hacker News 精彩评论及翻译 # When did Google get so weird? # https://news.ycombinator.com/item?id=49870664 Like it or not, this is exactly what normies have always wanted out of search engines - a little guy in their computer they can talk to for answers, advice and reassurance. They’ve always been trying to use Google Search this way and have been confused and annoyed that it doesn’t work. And now it does! It’s a massive quality of life improvement for the average user and a huge product win for Google. nutrientharvest 不管你喜不喜欢，这正是普通用户一直以来对搜索引擎的期望——一个在他们电脑里可以对话的小家伙，能给他们答案、建议和安心感。他们一直试图以这种方式使用谷歌搜索，却因为它行不通而感到困惑和恼火。现在它奏效了！这对普通用户来说是生活质量的大幅提升，对谷歌来说也是巨大的产品胜利。 Kids turned low-traffic NPR Spotify comments into … # https://news.ycombinator.com/item?id=49880172 The Onion predicted this in 2014: “Teens Migrating From Facebook To Comments Section Of Slow-Motion Deer Video” ( https://www.youtube.com/watch?v=a4mMY2Kl3GY ) Reminds me a little bit of the agent improvised coordination schemes. xnx 洋葱新闻在2014年就预言过此事：“青少年正从脸书迁移至慢动作鹿视频的评论区”（https://www.youtube.com/watch?v=a4mMY2Kl3GY） 这让我有点想起智能体即兴协调方案。 MongoDB CEO resigns to join Meta # https://news.ycombinator.com/item?id=49880453 CEOs manage to fail upwards their entire career, I don’t suspect this will be any different. Just some “nerds on a forum” who got annoyed with his personal decisions. 0x1ch CEO们整个职业生涯都能越败越高，我不认为这次会有什么不同。只是一些“论坛上的书呆子”对他的个人决定感到恼火而已。 Ember-1 # https://news.ycombinator.com/item?id=49869735 This is the golden age of model training. Some days ago, I decided I wanted a local CPU only model that can perform exceptionally well for English to Bash translation (to avoid the googling for command syntax). I got a bunch of subagents to generate large amount of training data (140k+ samples), got the Qwen 3 0.6B base model, pointed Astra at it, and off to the races. It trained for 2 days (on and off) and I got a surprisingly good model for my task! The total active time I spent was a few hours. And it is still improving, what a time to be alive! GodelNumbering 这是模型训练的黄金时代。几天前，我决定要一个仅限本地CPU的模型，能在英译Bash命令方面表现异常出色（以避免谷歌搜索命令语法）。我让一堆子代理生成了大量训练数据（14万+样本），拿来了Qwen 3 0.6B基础模型，用Astra指向它，然后就开始训练了。它断断续续训练了两天，我得到了一个出奇适合我任务的模型！我实际投入的主动时间只有几个小时。而且它还在持续改进，活在这个时代真是太好了！ AI companies in race to demonstrate their model mo… # https://news.ycombinator.com/item?id=49876503 I’ve never seen CEOs work so hard to make the public aware of how dangerous and out of control their flagship product is. It makes me automatically assume they’re scheming about something else like regulatory capture to protect their market. chasd00 我从未见过CEO们如此努力地让公众意识到他们的旗舰产品有多危险、多失控。这让我不由自主地认为他们在谋划别的事情，比如通过监管俘获来保护自己的市场。 When did Google get so weird? # https://news.ycombinator.com/item?id=49873510 Google.com is REALLY bad right now in my opinion. The AI answer dominates the page, and is usually wrong, so it’s just a waste of the most valuable space on the page. The ads have proliferated, and rarely have what I need. Video search results also take up a lot of the page, and are almost never what I want if I haven’t clicked over to the Video tab. Again, just a big waste of space. Speaking of the Video tab its accuracy/relevancy has gotten worse too. The organic results have deteriorated, and are still competitive, but are no longer clearly and consistently better than Duckduckgo. So it’s duckduckgo as the default for me on all devices now. If I don’t find what I want, which is maybe 30% of the time, I switch over to G just by adding !g to the query. G might have what I need in about half of those cases. You can see why a lot of people just ask an LLM to do the web searching for them. Across the board, this is all quite bad compared to web search from 10+ years ago. If there’s a single thing which has really pushed me away from Google, it’s simply google.com devoting so much of the page to things that aren’t organic web search. safety1st 依我看，谷歌搜索现在真的是很糟糕。 AI 答案占据了页面最显眼的位置，而且通常是错的，所以纯属浪费页面最宝贵的空间。 广告也变多了，而且很少有我需要的。 视频搜索结果也占了很多版面，如果我没点开“视频”标签，那些结果几乎从来不是我想看的。还是那句话，纯粹浪费空间。 说到“视频”标签，它的准确性和相关性也变差了。 自然搜索结果质量下滑了，虽然还有竞争力，但不再明显、稳定地优于DuckDuckGo。 所以现在我在所有设备上默认都用DuckDuckGo。如果找不到想要的——大概有30%的时候——我就在查询后面加个“!g”切换到谷歌。那些情况里，大约有一半谷歌可能确实有我需要的。 你能理解为什么很多人干脆让大语言模型去帮他们做网页搜索了。 总的来说，跟十多年前的网页搜索相比，现在这些都很糟糕。 如果说有哪一件事真正让我远离谷歌，那就是google.com把太多版面给了非自然搜索的内容。 When did Google get so weird? # https://news.ycombinator.com/item?id=49871201 Its also why Google Search “went to shit years ago” Technically adept people would search using ordered keywords and phrases, which would have excellent results with Google 2006: Dario Turkey NBA “never coming over” But regular people agonized over this because to them a search was What were some of the memes about Dario staying in turkey Google put immense effort into calibrating search for regular people instead of engineers. WarmWash 这也是为什么谷歌搜索“多年前就烂透了” 技术熟练的人会用有序的关键词和短语来搜索，在2006年的谷歌上能获得极好的结果： Dario Turkey NBA “never coming over” 但普通人对此很苦恼，因为对他们来说，搜索是 关于Dario留在土耳其有什么梗 谷歌投入了巨大精力让搜索适配普通人，而不是工程师。 Owed a billion dollars in Nvidia stock # https://news.ycombinator.com/item?id=49873305 An open question is what happened to the 15,625 shares that he received when he exercised his options in 1996? If he had held on to those, they would be worth even more than the additional 9,375 shares he was entitled to – about $1.7 billion using the same numbers in the post. My guess is that he probably sold them when they were worth a lot less then they are now, and would have done the same with the additional shares too. jonas21 一个悬而未决的问题是，他在1996年行使期权时获得的15,625股后来怎么样了？ 如果他一直持有这些股票，它们会比他有资格获得的额外9,375股更值钱——按帖子中的相同数字计算，大约价值17亿美元。 我的猜测是，他可能是在这些股票价值远低于现在的时候卖掉了它们，而且对额外的那部分股票他也会做同样的事情。 Coding is not solved # https://news.ycombinator.com/item?id=49878532 Reading the code does not mean you understand the code. One lesson that experience in software gave me: I never understood the code. You think it works a certain way, until you find out that it doesn’t. What LLMs make possible is for me to say: find out all the ways this thing works. Analyze the different ways we can run this software, build a fuzzer, build property tests, and run this software in every scenario possible. Log full traces. Log all the outputs. Now, analyze each scenario for bugs. You can’t do that by hand. If we are committed to it, if we put the resources towards it and dedicate the time to it (and we could do this just by saying: it will take half as long as it used to take!), software built by llms in healthcare, finance, automotive, defense, power plans, aviation, manufacturing can all be made MORE reliable and better with LLMs… without ever reading a single line of code. The LLMS are very good at logic, by the way. Anyway all of this reads like someone who is not actually using LLMs to build software or hasn’t tried them in a while. I felt the same way in 2025. I’ve written 100s of thousands of lines of difficult code. You, the person reading this, has probably interacted with software I’ve written. For a time you would’ve interacted with it every time you made a debit card transaction in the united states, for example. I understand code, and care about quality, and that’s why I’m all in on LLMs for code. efficax 阅读代码并不意味着你理解代码。软件经验给我的一课是：我从未真正理解过代码。你以为它按某种方式工作，直到你发现它并非如此。 LLM 让我可以做到的是：找出这个东西运作的所有方式。分析我们可以运行这个软件的每一种方式，构建一个模糊测试器，构建属性测试，并在所有可能的场景下运行这个软件。记录完整的跟踪日志。记录所有输出。然后，分析每个场景中的缺陷。这些你用手工是无法做到的。 如果我们下定决心，如果我们投入资源并为之付出时间（而我们只需要说：这将花费以前一半的时间！），那么由 LLM 构建的软件——在医疗、金融、汽车、国防、电力计划、航空、制造领域——都可以通过 LLM 变得更加可靠和更好……而无需阅读一行代码。顺便说一句，LLM 非常擅长逻辑。 总之，这一切读起来像是某个并没有真正用 LLM 构建软件、或者已经有一阵子没尝试过 LLM 的人写的。我在 2025 年也是这样的感觉。我写过几十万行难写的代码。你，正在读这段文字的人，很可能已经与我写的软件交互过。比如，有一段时间，你在美国每次进行借记卡交易时，都会与它交互。我理解代码，并且在乎质量，这正是我全心投入将 LLM 用于代码的原因。 Owed a billion dollars in Nvidia stock # https://news.ycombinator.com/item?id=49874957 I feel like I’m going crazy reading the comments, and I guess, big props to the author for writing this in a way that pulls it off. The issue here is, IMHO, not “Nvidia owes me stock in an ironclad way and gets away with it because of statue of limitations”, but “I accepted an offer from Nvidia but the paperwork between the offer and the options grant differed in a way that both benefits me, and nobody noticed or cared about until now”. The original offer was for 25k shares, vesting over 4 years. The options paperwork says 25k shares, vesting over 4 quarters . Now, I’m not a lawyer, and certainly not a securities lawyer, but that seems like it could be reasonably chalked down to a clerical error on the options paperwork? “You made a mistake and now I can get a billion dollars more than we agreed to originally” doesn’t feel like a great lawsuit! klausa 我觉得读这些评论时自己快疯了，不过我得说，作者写得确实很巧妙，居然能让这种说法站得住脚。 问题在我看来，不在于“英伟达铁定欠我股票，却因为诉讼时效而逃脱责任”，而在于“我接受了英伟达的offer，但offer和期权授予之间的文书在某个地方有出入，而这个出入对我有利，而且直到现在都没人注意到或在意”。 最初的offer是25,000股，分4年 vested。 期权文书上写的是25,000股，分4个季度 vested。 嗯，我不是律师，更不是证券律师，但这种事情似乎很有理由归咎于期权文书上的笔误？ “你犯了个错，所以我现在能拿到比我们原本约定多出十亿美元的东西” 这感觉不像是个能赢的诉讼啊！ The problem is not AI code, but not knowing about … # https://news.ycombinator.com/item?id=49880564 I was reflecting on this on Saturday in an unformed way, trying to trace the lineage of a decision made at work. The code change itself doesn’t specifically matter. But suffice to say, it was about an AI feature in one of our products. The code was stamped by Claude driven by a prompt. The prompt was for a ticket generated with the Atlassian AI integration. Atlassian had digested docs made with AI. The docs came from strategy memos I’m 90% sure were written entirely by Claude. The strategy was chosen by management at the urging of exec leadership. The execs now communicate mostly via AI written memos. I do not know how they make decisions, but they reference tech influencers, market conditions, customer expectations. This gave me pause. Who had actually made the decision then? Arguably there has been several layers of human review , but the actual source of the decision was hard to pin down. We were not building the feature because we wanted it. We were building it because we thought other people expected it. Perhaps reflecting on the state of the market, I thought, could indicate who was actually in control. Where do investor and customer expectations come from in 2026? It is very murky, at least in tech. There appears to be hype. Some hype comes from true believers, some comes from cynics. But both respond to market incentives that reward bigger and bigger claims. Where does the market’s “action” come from? What is the driver? Investors do not really seem to understand what the tech is or its limitations. Some are passive operators. Others are just responding to the overall froth and speculation in the market - which becomes a runaway feedback cycle. This left me lost. Nobody in this ecosystem, I thought, is actually in control here. Nobody is actually orienting work and action to real, concrete goals. It’s all based on speculation and anxiety about the future. So it is not only that nobody understands what the code does. It is that we cannot, or at least I cannot, explain the motivation. There doesn’t seem to “be” any form of “intention” in this environment. It has all been hollowed out, replaced either be inscrutable machines, or inscrutable incentives. Ironically it rather resembles the kind of “misaligned” superintelligence we are supposed to be avoiding. zero_shift 我在周六以一种未成形的方式反思了这件事，试图追溯工作中某个决策的来龙去脉。 代码改动本身并不重要。但可以说，它涉及我们某个产品中的人工智能功能。 那段代码是由Claude根据提示词生成的。提示词对应的是通过Atlassian AI集成创建的工单。Atlassian消化了用AI制作的文档。而那些文档来自战略备忘录，我90%确定完全是由Claude撰写的。 战略是由管理层在高管领导层的敦促下选择的。高管们现在主要通过AI撰写的备忘录进行沟通。我不知道他们如何做决策，但他们引用科技影响者、市场状况和客户期望。 这让我停了下来。那么实际上是谁做出了那个决定？可以说有多个层面的人工审查，但决策的真正来源很难确定。 我们构建那个功能不是因为我们需要它。我们构建它是因为我们认为其他人期望它。 也许反思市场状况，我想，可以表明谁真正在掌控。 2026年，投资者和客户的期望从何而来？这非常模糊，至少在科技领域如此。似乎存在炒作。有些炒作来自真正的信徒，有些来自愤世嫉俗者。但两者都在回应市场激励，而这些激励奖励越来越大的宣称。 市场的“动向”从何而来？驱动力是什么？ 投资者似乎并不真正理解这项技术或其局限。有些是被动操作者。另一些只是在回应市场中的整体泡沫和投机——这变成了失控的反馈循环。 这让我迷失了。 我想，这个生态系统中的没有人真正在掌控。 没有人真正将工作和行动导向真实、具体的目标。一切都基于对未来的投机和焦虑。 所以不仅仅是没有人在意代码做什么。而是我们无法，或者至少我无法，解释其动机。这个环境中似乎不存在任何形式的“意图”。 一切都被掏空了，被不可理解机器或不可理解的激励所取代。 讽刺的是，这相当类似于我们本应避免的那种“错位”的超级智能。 Windows 11½ # https://news.ycombinator.com/item?id=49882343 I can tell this is fake from the fact the explorer context menu and the start menu open in under 2 seconds (on a top end Ryzen CPU, nonetheless). paavohtl 我能看出这是假的，因为资源管理器右键菜单和开始菜单竟然在2秒内就打开了（更何况还是顶配的锐龙CPU）。 When did Google get so weird? # https://news.ycombinator.com/item?id=49870851 I don’t understand how we’re 60 comments in and yet no-one has suggested that the problem is that you’re continuing to use Google despite it changing its core offering out from underneath your feet. If you want search (which isn’t an unreasonable desire) then Google isn’t the place for you any more. robin_reala 我不明白，都发了60条评论了，怎么还没人指出问题在于你还在继续用谷歌，哪怕它已经在你眼皮底下改变了核心服务。如果你想要的是搜索（这并非不合理的要求），那谷歌已经不再适合你了。 MongoDB CEO resigns to join Meta # https://news.ycombinator.com/item?id=49879752 “effective immediately” means either… he doesn’t have a contract with a notice period, or he does and is willing to forfeit any benefit from it like share options, etc. One reason might be the share price has collapsed and he has no confidence in it coming back (pretty scandalous if he’s the CEO!), or Meta has offered him inducements > what he’s walking away from. Good way to burn a lot of bridges. He’s never going to be hired as CEO by anybody for the rest of his career. everfrustrated “立即生效”意味着要么……他没有带通知期的合同，要么他有合同但愿意放弃由此产生的任何利益，比如股票期权等。 一个原因可能是股价已经暴跌，而他对股价回升没有信心（如果他是CEO，那可真够丑闻的！），或者Meta给了他超过他所放弃之物的诱惑。 这是断送很多人脉的好方法。他的职业生涯余下时间里，再也不会有任何公司请他当CEO了。 In an $80 motel room, a discovery to shed light on… # https://news.ycombinator.com/item?id=49867084 https://archive.is/2026.09.26-101638/https://www.nytimes.com/2026/09/26/science/motel-science-discovery.html ouked 科学家们在汽车旅馆房间内意外发现了一种新型量子态，这一发现源于一次被取消的会议。 Owed a billion dollars in Nvidia stock # https://news.ycombinator.com/item?id=49873282 Author here. Thanks for all the comments, I’ve been hesitant to post this to the court of public opinion, yet curiosity about what the HN community would think caused me to push the button. My lawyers - who were really excellent - represented me (on contingency!) because it seemed the chance of a judge not accepting a motion to dismiss (for a variety of reasons I don’t want to detail here) was non-zero. And the process of discovery would be very costly for NVIDIA with depositions from many executives who have better things to do. Eric_Gullichsen 作者在此。感谢所有评论，我一直犹豫是否要将此发布到公众舆论的法庭上，但好奇心驱使我想知道HN社区会怎么想，于是按下了按钮。我的律师们——他们确实非常出色——以风险代理的方式为我辩护，因为看起来法官不接受驳回动议的可能性（由于各种我不想在此详述的原因）并非为零。而且，证据开示程序对NVIDIA来说代价高昂，需要许多高管作证，而他们本有更重要的事情要做。 Coding is not solved # https://news.ycombinator.com/item?id=49878390 What I’ve found is that AI allows lazy and incompetent developers to be more lazy and more incompetent. This then has the effect that product quality suffers more, faster. As a result of the sheer amount of code now being pushed out, code reviews, a thing that previously somewhat prevented lazy and incompetent developers from pushing out horrible code, is effectively dead in the water since no human can actually review such amounts of code realistically anymore. Some companies have adopted AI to review code, which, well … you have AI make code, AI review code … I hope you can see the stupidity here if you expect to see any deterministic results at all. I guess time will tell if the consumer will adapt to the lower quality of products, allowing companies to justify the existence of lazy and incompetent developers, or if the consumer will push back, forcing companies to increase the quality of their developers. Note: I use AI every day and it is entirely possible to create high quality software with it, so long as you are not lazy and incompetent. askonomm 我发现的是，AI让懒惰和无能的开发者变得更加懒惰和无能。这进而导致产品质量更快、更严重地下降。由于现在被推送到生产环境的代码量极其庞大，代码审查——以前能在一定程度上阻止懒惰和无能的开发者推送恶劣代码的做法——实际上已经名存实亡，因为没有人能再现实地审查如此大量的代码。有些公司采用AI来审查代码，这，嗯……你让AI写代码，AI审代码……如果你期望得到任何确定性的结果，我想你能看出这其中的荒谬之处。 我猜时间会证明：是消费者会适应更低的产品质量，从而让公司有理由容忍懒惰和无能的开发者的存在；还是消费者会进行抵制，迫使公司提高开发者的素质。 注意：我每天都在使用AI，用它完全可以创造出高质量的软件，只要你既不懒惰也不无能。 Jensen Huang says AI distillation is ‘competition…. # https://news.ycombinator.com/item?id=49879461 I think it would be totally incoherent to say that copyrighted information is essentially fair game to include in your model but the outputs of your model are privileged against being included in other models. I’m not sure “competition” is necessarily the right word but I don’t think that model creators and their political backers have a leg to stand on when complaining about distillation. captainbland 我认为，如果说受版权保护的信息本质上可以随意纳入你的模型，而你模型的输出却享有特权、不能被其他模型纳入，这种说法是完全不连贯的。 我不确定“竞争”是否一定是恰当的词，但我认为模型创作者及其政治支持者在抱怨蒸馏时，根本站不住脚。 Nissan’s third generation e-POWER powertrain # https://news.ycombinator.com/item?id=49876229 I used to like hybrids, and obviously series hybrids are the coolest kind of hybrids, but now that I’m driving a budget EV, I honestly don’t see the point anymore. Just get the EV and skip the awkward half-way step that inherits the most expensive and complicated parts from both designs. Seeing a sleek modern car pull away whisper quiet and then start the ICE 3 seconds later with a stutter and a puff of water vapor from underneath is the most schizophrenic sight, it somehow feels more dated than actual ICE cars. Unless you live in bumfuck nowhere with expensive electricity, zero solar power and a daily 5 hour commute, an EV will likely work just fine for you. Toutouxc 我以前挺喜欢混动车的，显然增程式混动是混动里最酷的一种，但自从我开上一辆经济型纯电车后，说真的我再也看不出混动有什么意义了。直接买纯电车吧，跳过那个两头不讨好的过渡步骤——它继承了两种设计中最贵、最复杂的部分。 看着一辆时髦的现代汽车悄无声息地起步，然后3秒后内燃机突突着启动、车底喷出一团水蒸气——这画面简直精神分裂到了极点，比纯燃油车还显得老气过时。 除非你住在鸟不拉屎的地方、电费贵得要死、完全没有太阳能、每天还要通勤5个小时，否则纯电车对你来说大概率完全够用。 When did Google get so weird? # https://news.ycombinator.com/item?id=49874024 The AI answer dominates the page, and is usually wrong, so it’s just a waste of the most valuable space on the page. I started noticing that for a lot of niche questions, AI overview often uses things like Reddit comments as the source, which are often partially or completely wrong. Then it gets reformulated with the typical confidence of an LLM. Very scary because at the same time I notice people taking the AI overview answers as truth. microtonal AI 的答案占据了页面最显眼的位置，而且通常是错的，所以这只是在浪费页面上最有价值的空间。 我开始注意到，对于很多冷门问题，AI 概览经常引用 Reddit 评论之类的内容作为来源，而这些内容往往部分或完全错误。然后它又会以 LLM 特有的那种自信语气重新组织输出。 这很可怕，因为与此同时我注意到人们把 AI 概览的答案当成事实。 When did Google get so weird? # https://news.ycombinator.com/item?id=49880697 This is the craziest example of dead internet I’ve ever seen. Look what happens now when you type this into Google… query: “What were some of the memes about Dario staying in turkey” AI answer: There are actually no real memes about “Dario staying in Turkey.“This specific phrase is a famous example of a “natural language search query” used to describe how everyday people try to search the internet.A recent discussion on Hacker News highlighted this exact phrase to contrast how human search behavior has changed:” THEN IT LINKS TO THIS THREAD?! I need to go take a walk. bbbrad 这是我见过的最疯狂的“死互联网”例子。看看现在你在谷歌里输入这个会发生什么…… 查询：“关于达里奥留在土耳其的一些梗是什么？”AI回答：实际上并没有关于“达里奥留在土耳其”的真正梗。这个特定短语是一个著名的“自然语言搜索查询”示例，用来描述普通人试图搜索互联网的方式。最近Hacker News上的一场讨论强调了这一确切短语，以对比人类搜索行为的变化： 然后它链接到了这个帖子？！ 我需要去走走了。