Kagi 推出 Privacy Pass：匿名搜索新境界
Kagi 搜索近日推出了一项名为 Privacy Pass 的全新隐私功能，旨在为用户提供更高级别的匿名搜索体验。这项功能的核心在于让用户在验证付费身份的同时，无需暴露个人身份信息，真正实现了技术上的“不可能追踪”。Privacy Pass 目前主要面向 Kagi 的付费订阅用户，并已集成到 Orion 浏览器、Kagi 安卓 App 及浏览器扩展中。
Privacy Pass 原理：令牌验证，匿名追踪
Privacy Pass 的核心技术是“令牌”机制。它分为令牌生成和令牌兑换两个阶段。在生成阶段，用户客户端与 Kagi 服务器交互验证付费身份，成功后生成一批与用户身份无关的随机令牌。在搜索时，客户端使用令牌进行身份验证，而非传统的 Cookie。由于令牌是一次性的且无法关联用户身份，因此实现了搜索的匿名性。虽然 Privacy Pass 主要防止令牌追踪，但为达到更佳的匿名效果，Kagi 建议用户配合 Tor 或 VPN 使用。
如何体验 Privacy Pass
想要体验 Privacy Pass 功能，订阅 Kagi Professional 或 Ultimate 套餐的用户可以下载最新版的 Orion 浏览器或 Kagi 安卓 App，这些应用已原生支持 Privacy Pass。Chrome 和 Firefox 用户则可以安装 Kagi Privacy Pass 扩展程序。开启 Privacy Pass 模式后，用户即可享受匿名搜索，但同时会暂时失去个性化设置。用户可以根据自身需求，随时切换 Privacy Pass 的开关，灵活选择隐私优先或功能优先模式。
社区反响：隐私保护与技术实现
Kagi Privacy Pass 功能一经推出，便在社区内引发热烈讨论。许多用户赞赏 Kagi 以用户隐私为中心的服务理念，认为这与那些依赖用户数据盈利的公司形成鲜明对比。同时，也有技术爱好者指出了 Privacy Pass 在完全匿名性方面并非完美，例如可能存在 IP 地址追踪等潜在问题。此外，还有开发者指出 Kagi 在实现 Privacy Pass 时使用了开源代码库但未署名，Kagi 官方对此积极回应，表示将尽快添加致谢。社区讨论涵盖了技术实现、隐私保护、法律责任以及开源道德等多个层面，信息量丰富。
Phind 2 发布：视觉答案与多步骤推理的 AI 搜索引擎
Hacker News 近期热议的 Phind 2 是一款全新的 AI 搜索引擎，它最大的亮点在于能够提供视觉化的答案，并具备更深层次的多步骤推理能力。Phind 团队历时半年重构产品，推出了基于 70B 模型的 Phind 2，旨在提供更理想的搜索解答。
Phind 2 的亮点：超越文本的搜索体验
Phind 2 突破了传统搜索引擎的纯文本答案模式，能够以更直观的方式呈现信息。例如，在答案中嵌入图片、图表、视频等富媒体元素，使信息更生动易懂。官方示例包括使用 YouTube 视频解释光合作用、演示烹饪牛排技巧，以及用代码编辑器展示 Rust 代码。更进一步，Phind 2 具备自主搜索能力，能够进行多轮搜索以完善答案，并能进行计算和可视化，甚至在 Jupyter Notebook 中验证结果。此次更新的核心在于提升答案的视觉呈现和推理深度。
社区评价：褒贬不一，期待与改进并存
Phind 2 发布后，社区评价呈现多元化。部分付费用户对其赞赏有加，认为 Phind 2 远超同类产品，尤其称赞其信息及时性，这是大型语言模型难以企及的优势。然而，也有用户指出 Phind 2 仍存在幻觉问题，例如在回答经济日历问题时给出错误日期。一些用户将 Phind 2 与 Perplexity、ChatGPT 等竞品对比，认为各有优劣，并肯定了 Phind 2 专注于开发者的定位。对于新增的视觉功能，用户也存在不同看法，有人认为有助于视觉学习，也有人觉得冗余，希望可以关闭。此外，评论还涉及免费试用、付费模式、API 开放以及模型可信度等问题，反映了社区对 Phind 2 的期待、疑问和改进建议。
Nvidia 安全团队转向 SPARK：提升代码安全性
Nvidia 安全团队正在进行一项引人注目的技术转型：用形式化验证语言 SPARK 逐步替代 C 语言，用于编写安全相关的代码。Nvidia 软件安全副总裁指出，传统软件测试在安全领域存在局限性，难以全面覆盖潜在漏洞，而形式化验证则侧重于从数学层面证明代码的正确性。SPARK 语言基于 Ada，强调在软件开发早期就进行代码验证。Nvidia 早在 2018 年就进行了概念验证项目，将两个底层安全应用从 C 迁移到 SPARK，并在短时间内取得成功，显著提升了应用安全性和验证效率。这一成果推动了 SPARK 在 Nvidia 内部的推广，目前已有超过 50 名开发者接受了 SPARK 培训，并应用于多个 Nvidia 产品中。
SPARK 的优势：形式化验证与可证明性
SPARK 语言的核心优势在于其形式化验证能力。与传统的测试驱动验证方式不同，形式化验证通过数学方法证明代码行为的正确性，从而在软件开发的早期就最大限度地减少潜在的安全漏洞。SPARK 基于 Ada 语言，但专注于高可靠性软件开发，其静态分析能力甚至超越了 Rust。Nvidia 的实践证明，SPARK 在提升应用安全性的同时，并未带来明显的性能损失，反而简化了安全审计流程，增强了客户对产品安全性的信任。
社区热议：SPARK 的价值与挑战
Nvidia 拥抱 SPARK 的举动在 Hacker News 社区引发热烈讨论。许多评论对 Nvidia 的这一决策表示赞赏，认为形式化验证对于高安全要求的场景至关重要。有评论指出 SPARK 是 Ada 语言的子集，专注于高可靠性软件开发，并强调其静态分析能力。也有评论提到 Nvidia 选用的是商业 SPARK Pro 版本，可能与商业支持有关。社区还深入探讨了形式化验证在航天等领域的应用，以及 SPARK 生态发展、AI 在形式化验证中的作用、以及在大型公司推广 SPARK 的挑战等问题。尽管存在对 SPARK 生态活跃度的担忧和推广难度的讨论，但总体而言，社区对形式化验证技术本身持肯定和期待态度。
LibreOffice 迎来 40 周年：新增浏览器支持与实时协作
老牌开源办公软件 LibreOffice 迎来了 40 周年，并发布了一系列令人瞩目的新功能，包括浏览器支持和实时协作。这表明 LibreOffice 并没有因其历史悠久而停滞不前，反而积极拥抱新技术，力求在现代办公环境中发挥更大作用。
LibreOffice 新功能：实时协作与 ZetaOffice
LibreOffice 的两项重要更新分别是实时协作和 ZetaOffice。实时协作功能允许用户在本地安装的 LibreOffice Writer 上实现多人同时编辑文档，类似于 Google Docs 的在线协作体验。该功能基于 CRDT 技术，支持离线工作，并在网络恢复后同步更改，充分考虑了用户对数据隐私和本地化的需求。ZetaOffice 则是基于 WebAssembly 技术的 LibreOffice 版本，可以直接在浏览器中运行。这意味着 LibreOffice 可以嵌入到网页中，提供丰富的文档编辑功能，并具备跨平台能力，无需安装即可使用。开发者还可以通过 JavaScript 对 ZetaOffice 进行脚本控制和集成，拓展应用场景。
社区声音：回归 LibreOffice 与开源情怀
LibreOffice 的新功能在社区内引发热烈讨论。许多用户表示开始重新使用 LibreOffice，主要是因为对微软 Office 强制云存储和过度“智能”化的功能感到厌倦。虽然承认 MS Office 在某些方面（如 Excel）依然更强大，但 LibreOffice 在日常办公中已足够胜任，并且新的协作和浏览器功能令人眼前一亮。评论中也提到了 OpenOffice 和 LibreOffice 的历史渊源，以及 Apache OpenOffice 项目的现状。一些用户分享了 LibreOffice 的实用技巧，例如使用 Draw 编辑 PDF 文件，以及 LibreOffice 在处理 CSV 文件方面的优势。当然，也有用户指出了 LibreOffice 在样式管理和文档兼容性方面仍有改进空间。总体而言，社区对 LibreOffice 的进步表示肯定和期待，同时也表达了对这款开源软件的复杂情感。
SQL Noir：用破案游戏学习 SQL
Hacker News 上出现了一个有趣的项目——SQL Noir，这是一款通过破案来学习 SQL 的互动游戏。开发者 ChrisBHappy 在 Show HN 板块发布了这个开源项目，迅速获得了社区的关注和积极反馈。
SQL Noir 的玩法：侦探冒险与 SQL 实践
SQL Noir 将 SQL 学习融入沉浸式的侦探冒险之中。游戏提供一系列谜案，玩家需要运用真实的 SQL 查询语句来分析线索、调查嫌疑人，最终找出真凶。这款游戏完全开源，鼓励社区共同完善。开发者希望通过这种叙事驱动的方式，让 SQL 学习变得生动有趣。玩家可以直接在网页上开始游戏，通过执行 SQL 命令来探索数据库，如同在警局电脑中查案一般。这种寓教于乐的模式，对于 SQL 初学者或希望巩固技能的开发者来说，是一个不错的选择。
社区反响：积极反馈与功能建议
SQL Noir 在社区中获得了高度赞赏，许多人认为这种寓教于乐的方式能够有效提高学习 SQL 的兴趣。用户也提出了许多具体的改进建议，例如优化操作界面，增加代码自动补全、方便复制表名列名、支持注释等功能。还有用户建议增加“复制到笔记”按钮，方便记录查询结果。一些用户也分享了其他类似的 SQL 学习资源，为希望拓展学习渠道的听众提供了更多选择。开发者 ChrisBHappy 积极回应社区建议，并快速迭代，在评论区宣布已实现侧边栏视图和复制表名功能，这种快速响应和迭代精神也受到了赞扬。尽管有用户指出编辑器在处理注释时可能存在 bug，以及部分用户遇到 WebAssembly 加载失败的问题，但总体而言，社区对 SQL Noir 的反响非常积极，认为它是一款有潜力的 SQL 学习工具，并期待其未来发展。
MapTCHA：用 CAPTCHA 助力 OpenStreetMap
MapTCHA 是一个在 Hacker News 上引发讨论的开源 CAPTCHA 系统，其独特之处在于，它能够帮助改进 OpenStreetMap 地图数据。与传统的 CAPTCHA 每次验证都在为谷歌训练自动驾驶或识别文字不同，MapTCHA 让用户在验证“我不是机器人”的同时，为开源地图做出贡献。
MapTCHA 原理：AI 识别与人工验证
MapTCHA 的核心思路是结合 AI 图像识别技术和人类的判断力。系统会展示卫星图像，并用红色框线标出 AI 认为可能是建筑物的位置。用户的任务是判断框线是否准确地框出了建筑物，通过向左或向右滑动给出“正确”或“错误”的反馈。MapTCHA 利用 AI 在图像识别上的不完美，需要人类的视觉判断进行最终确认。系统会混合展示已知正确、已知错误以及 AI 预测但不确定的图片，通过用户对不确定图片的投票，系统就能判断出哪些地方确实有建筑物，从而为 OpenStreetMap 贡献高质量的新数据。项目设计者计划扩展到识别更多类型的物体，并不断优化 AI 模型，甚至将其整合到各种登录系统中。
社区评价：理念获赞，体验待提升
社区对 MapTCHA 的理念普遍持积极态度，许多人表示喜欢这种“做好事”的 CAPTCHA 形式。然而，用户也指出了 Demo 体验上的问题，例如滑动操作不够流畅、红色框线有时不明显、图片太小看不清，甚至出现图片中没有框线的情况。有人质疑 MapTCHA 作为 CAPTCHA 的有效性，认为容易被图像识别模型破解。但也有人反驳说，即使被破解，让破解者去标注地图数据也比让他们进行恶意活动要好。更有评论指出，商业 CAPTCHA 也常被破解农场攻破，因此关键可能不在于完美阻止所有机器人，而是让验证过程更有意义。总体而言，社区赞赏 MapTCHA 的理念，但也希望项目在用户体验和安全性方面持续改进。
直观理解卡尔曼滤波器：Hacker News 热议学习资源
Hacker News 近期再次掀起关于卡尔曼滤波器的讨论，这次的焦点是一份 PDF 文档，该文档旨在以一种简单直观的方式推导卡尔曼滤波器的基础原理。这份资料的目标是帮助读者更容易理解这一在工程领域应用广泛的算法。
卡尔曼滤波器：从 noisy 数据中提取真相
卡尔曼滤波器是一种用于从包含噪声的数据中更准确地估计系统真实状态的算法。这份 PDF 文档据称采用了一种更友好的方式，避免了复杂的数学推导，力求用直觉来解释卡尔曼滤波器的核心思想。文章可能从状态估计、预测和更新等基本概念入手，逐步引导读者理解卡尔曼滤波器的工作流程，并强调其在处理不确定性、融合多传感器数据以及动态系统中的优势。对于许多开发者而言，数学公式可能并非最佳入门方式，因此这种强调直观理解的资料备受欢迎。
社区讨论：应用、替代方案与学习资源
评论区围绕卡尔曼滤波器展开了热烈讨论。有人提到了粒子滤波器，认为它是卡尔曼滤波器的有益补充，尤其适用于非线性系统或更复杂场景。也有人指出了卡尔曼滤波器在实际应用中的难点，例如推导状态转移方程和观测方程，以及计算雅可比矩阵，这些工作往往耗费大量精力。部分评论认为卡尔曼滤波器被过度神话，指出在许多情况下，简单的指数滤波器也能达到类似效果，且更易于理解和调参。更有趣的是，有评论提到在自动驾驶领域，卡尔曼滤波器正逐渐被深度学习模型取代，Transformer 网络成为新宠。此外，不少用户分享了学习卡尔曼滤波器的经验和资源，包括优秀的教程、书籍和代码库，显示出社区对该话题的浓厚兴趣。总的来说，评论区展现了对卡尔曼滤波器既有肯定也有质疑的多元视角，也反映了技术发展趋势和不同应用场景下的考量。
Asahi Linux 负责人 Marcan 辞职：开源维护的困境与反思
Asahi Linux 项目负责人 Marcan 近日宣布辞职，他在公开信中坦诚地表达了辞职的原因：长期面对用户无止境的功能需求以及内核社区 upstream 过程中的重重阻碍，最终导致身心俱疲。
Marcan 的辞职原因：用户压力与 upstream 挑战
Marcan 回顾了早年参与 Wii 自制系统破解的经历，那时就曾因用户只关注盗版游戏而感到沮丧。他原本希望 Asahi Linux 项目能够专注于技术挑战，摆脱类似困扰，但事与愿违，项目再次陷入新的困境。用户不断催促 Thunderbolt、USB-C 显示器支持、电池续航等功能，仿佛项目组的巨大进展是理所当然。更令他沮丧的是，捐款也在逐渐减少，让他开始怀疑自己的付出是否得到认可。除了用户压力，内核代码 upstream 的过程也异常艰难。作为一个几乎触及 Linux 内核所有子系统的项目，每一步都充满挑战和阻力。雪上加霜的是，Rust for Linux 项目在内核社区也遭遇阻力，而 Asahi Linux 的 GPU 驱动正是基于 Rust 开发，这让 Marcan 对项目未来感到担忧。最终，在一次与内核维护者的公开冲突后，他心灰意冷，选择辞去项目负责人和内核维护者职务。
社区反响：感谢、理解与建议
Marcan 的辞职引发社区广泛关注，评论区充满了对 Marcan 贡献的感谢和敬佩，以及对他的无奈的理解。有人指出开源社区常常面临用户需索无度的困境，建议学习 Quora 的“友善和尊重”原则。也有人从 Linux 发行版维护者的角度出发，劝 Marcan 学会与“不可控的风”共处，提升沟通技巧，毕竟“技术问题容易解决，人际关系才是难题”。还有评论指出，Apple M1 芯片的出现确实提升了笔记本电脑的电池续航和性能，但也引发了用户更高的期待。更深入的讨论涉及 Linux 内核开发模式，例如邮件列表提交补丁的方式是否落后于时代，以及 Rust 语言在内核中的应用前景等。社区观点多元，引人深思。
wger：自托管的开源健身追踪器
Hacker News 近期热议的 wger 是一个开源的健身和锻炼追踪器，用户可以自行搭建服务器来运行。对于希望完全掌控个人健身数据，又不愿依赖商业服务的用户来说，wger 是一个值得关注的选择。
wger 功能：数据自主与全面追踪
wger (Workout Manager) 不仅仅是一个简单的健身记录应用，而是一套完整的解决方案。它支持记录锻炼计划、体重变化，甚至每日营养摄入。更重要的是，wger 提供 REST API，方便用户将其与其他工具或项目整合。对于注重数据隐私和喜欢 DIY 的开发者而言，wger 非常具有吸引力。项目方提供 Docker 镜像，简化了部署流程，用户只需几行命令即可在本地或云服务器上运行 wger。此外，wger 还配备手机 App，方便用户在健身房随时记录数据。
社区讨论：自托管 vs 本地优先与便捷部署
社区对 wger 的讨论主要集中在“自托管”和“本地优先”的概念上。部分用户认为，“自托管”意味着必须拥有服务器，这与他们理解的“本地优先”软件有所不同。他们认为理想的健身 App 应该首先将数据存储在设备本地，然后提供可选的同步功能，方便用户备份或在多设备间同步数据。也有人提到，可以使用 Firebase 或 Supabase 等云服务提供的客户端 SDK，让 App 直接访问数据库，似乎无需自行搭建服务器。但这种观点随即被反驳，因为 Firebase 和 Supabase 本身也是服务器，只是将服务器管理工作外包给了第三方。此外，评论中还探讨了更便捷的“一键自托管”方案，例如是否存在类似应用商店，可以一键部署自托管应用的服务。实际上，Sandstorm、YunoHost、PikaPods 和 Cloudron 等工具和服务已经致力于简化自托管应用的安装和管理过程。评论中还出现了关于 FLOSS 和 FOSS 的讨论，探讨自由开源软件的理念，以及“自由”侧重于“免费使用”还是“自由修改和分发”。最后，不少用户分享了自己正在使用的其他健身追踪 App，为有不同需求的用户提供了更多选择。总的来说，社区讨论深入，涵盖技术细节、软件理念以及用户需求等多个层面。
BigQuery 推出 SQL Pipe 语法：提升 SQL 查询可读性
Google BigQuery 近期推出了 SQL pipe 语法的公开预览版，这项新功能旨在提升 SQL 查询的可读性和简洁性，为 SQL 注入了新的活力。
SQL Pipe 语法：线性化查询流程
BigQuery 新增的 pipe 查询语法允许用户像流水线一样组织 SQL 查询语句。用户可以将复杂的查询分解为一系列连续的操作步骤，每一步之间使用管道符号 |> 连接，类似于 Linux 命令行中的管道操作。这种语法将 SQL 查询从传统的嵌套结构转变为更线性的流程，显著提高了代码的可读性和维护性。文章通过示例展示了如何使用 pipe 语法进行数据过滤、聚合、连接等操作，帮助用户快速上手。
社区热议：Pipe 语法的优势与未来
BigQuery 的 SQL pipe 语法在社区中引发了热烈反响。有评论指出 Databricks 早已实现类似的 pipe 语法，表明这是一种发展趋势。许多用户认为 pipe 语法使 SQL 查询逻辑更加直观，如同对数据进行逐步加工处理，每一步都清晰明了。有人将其与 CTE (通用表表达式) 对比，认为 pipe 语法在处理连续数据转换时更简洁，而 CTE 在组织复杂逻辑和代码复用方面仍有优势，两者可以互补。当然，也有人担心 SQL 语法日趋复杂，各种数据库方言已经让人头疼，再引入 pipe 语法可能会加剧 SQL 的碎片化。部分用户提出了 “transpiling” (转译编译) 的想法，希望开发工具将各种新的 SQL 语法转换为标准 SQL，以便兼顾新语法的便利性和 SQL 的通用性。评论中还提到了 PRQL、Malloy 等新兴查询语言，它们都采用了类似的 pipe 语法，并在易用性和功能性方面进行了创新。总体而言，社区普遍看好 SQL pipe 语法，认为它是 SQL 发展的一个积极方向，能够帮助数据开发者更高效地处理和分析数据。