与「苹果」相关的搜索结果

# 合并前先让 AI 挡一刀：一次审查 0.08 美元，假金钥加命令注入全被拦下 先说结论：让人工智慧审查程式码，贵的不是模型，是你以为要搭一整套系统才做得到。作者在 2026 年 11 月 13 日当天、在苹果电脑上、用 2.1.322 版实测，整个审查闸门的核心只有两样东西：一次非互动模式的呼叫，和一个退出码。审查结果是通过还是挡下，最后变成一个数字，零代表通过、一代表挡下，持续整合系统只认这个数字。 底线先说清楚：第一轮实测，作者故意埋了四个问题的分支被挡下，两高危加两中危，退出码一，约十秒、约 0.18 美元；修掉问题重跑，只剩两条低度备注，判定通过、退出码零，约 0.08 美元，一次审查只花一毛钱不到。两轮的差异只有二十五行，都跑了三轮对话。还要诚实说一句，搬上持续整合的那一段，作者没有真的在云端上跑过，因为那需要一个正式储存库和一把金钥，那一段是照官方文件写的，档案格式检查通过、没有实跑。 怎么做？先备一个很小的演示仓库，主分支放一支正常的计价函式和一支测试，功能分支加折扣、平均价和报表三个功能，同时故意埋四个问题：写死的假金钥、命令注入、折扣可以把总价算成负数、空清单求平均会崩溃。再写审查脚本，先把分支差异存成差异档案，再以非互动模式加结构化输出跑审查，审查者只有唯读权限，最多六轮、预算上限 0.5 美元，最后把判定结果转成退出码，通过是零、挡下是一。先在本机跑通挡下和通过两轮，两个退出码都亲眼看过，再搬上持续整合。 小心三件事。第一，审查只需要读档案，给它执行命令的权限，等于请一个没人看着的助手在你的机器上跑任意命令，只准读取，其他一律不给。第二，轮数、预算、逾时三个上限都要设好，轮数上限六轮、预算上限 0.5 美元、流程逾时十分钟，没设上限的任务卡住了会一直跑，烧掉的是持续整合的分钟数和模型的费用。第三，金钥要放进储存库的机密设定里，写进流程档案等于公开；分叉合并请求拿不到金钥，审查只对同一个储存库里的分支生效，外部来的合并请求这道闸门跑不起来。 顺序只有一个：本机脚本先通，再上持续整合，先挡下、再通过，两个退出码都亲眼看过才算通。还有一句要先想清楚，审查是判断、不是单元测试，同样的程式码跑两次，回来的备注可能不一样，判定结果可以当闸门，但不能当作程式码没问题的证明。闸门挡的是明显的问题，低度备注和写法差异还是要人工审查者看，两个角色是互补的，不是互相取代的。一句话：合并前多一道关卡，而这道关卡每次只花一毛钱不到。 S1哥观点：别再问人工智慧审查程式码是不是太贵、太麻烦了，贵的从来不是每次 0.08 美元，麻烦的也不是要搭一整套系统，是你还没亲手跑过一次。作者这篇最值钱的不是那支脚本，是两轮实测的对照：第一轮四个问题、退出码一，第二轮两个低度备注、退出码零，两个数字都亲眼看过，闸门才算真的立起来。更值得问的是，你上次合并请求出问题，是没有人审查，还是审查的人没看出来？如果是后者，一道只要一毛钱的闸门就能先挡下写死的金钥和命令注入这类最危险的问题，剩下的再交给人工审查者慢慢看。你第一个想让它挡下的问题是什么？评论区说说。 收藏用清单（照着做）： 1. 备一个演示仓库，故意埋四个问题，改动集中在一个档案，审查者读的就是这份差异。 2. 写审查脚本，先存差异档案、再以非互动模式加结构化输出跑审查，最后把判定结果转成退出码。 3. 本机先跑通两轮，挡下的退出码一、通过的退出码零都亲眼看过，再搬上持续整合。 4. 金钥放机密设定、权限设最小化、审查者只有唯读权限，轮数、预算、逾时三个上限都设好。 转给合并请求出事才救火的朋友，一次审查只要八分钱，他今晚就能先跑一次演示。

# 模型缩小四倍还不翻车？不是压得够狠，是量得够准 先说结论：大多数人以为量化是把模型压小一点、省一点显存，压得越狠、省得越多，这个想法只对了一半。量化真正值钱的地方不是省显存，是省钱加变快，模型缩小两到四倍之后，小批次推理常常反而更快，因为瓶颈不在算力，在记忆体频宽，搬的位元组少了，每秒吐出的字元单位就多了。作者第一次把大模型推到真实使用者面前，七 B 模型用十六位元载入，光权重就吃掉十四 GB 左右的显存，帐单难看得很，有人随口问一句要不要试试量化，她当晚掉进一堆缩写的兔子洞，才整理出这篇指南。 先说清楚底线：十六位元每权重两位元组，七 B 模型约十四 GB、十三 B 模型约二十六 GB。压到八位元，七 B 模型约七 GB、十三 B 模型约十三 GB。压到四位元，七 B 模型约四 GB、十三 B 模型约七 GB，模型缩小两到四倍。作者打了一个很准的比方，量化就像把照片从巨大原始档压成调校过的压缩图，手机上看起来几乎一模一样，体积却只剩一小部分。权重就是模型的照片，十六位元是原始档，四位元是压缩图，压得好，大多数人看不出差别，压得不好，细节先糊掉。关键在压得好不好，不在压得多不多。 怎么做？顺序只有一个，先用五分钟实验确认方向，再挑上线或随处跑的格式，最后拿自己的提示词量过再灰度发布。五分钟实验用四位元载入工具快速试，零校准资料、零转换步骤，一个下午就能知道显存占用下降约七成、模型还能不能讲话。显卡上线用服务引擎带量化参数直接起一个相容接口，热门模型在模型仓库里已经有现成的四位元检查点，不用自己压，没有就用压缩工具自己做一个。随处可跑的路是转成通用格式再量化，中央处理器、笔电和苹果晶片都能跑，四位元中档是尺寸与品质的甜蜜点，更保险就往上走五位元或六位元。 小心三件事。第一，压完只跑几个提示词就上线一定翻车，作者就是这样翻车的，结构化资料输出偶尔格式损坏，两天后才被使用者抓到，通用评测完全没抓到。第二，只看困惑度就放行不够，困惑度看起来没问题，任务品质可能已经悄悄下滑，它只能当参考，不能当唯一的验收标准。第三，别以为压完就一定变快，一种格式只有在服务引擎有对应的最佳化核心时才会真的变快，没在你自己的机器上实测过，纸上变快不算数。还要记住，键值快取不随权重量化缩小，长上下文服务照样可能爆记忆体，瓶颈在这里要另外看。 再往上加东西也有顺序：先写五十到一百条真实提示词，对照十六位元基线一条一条比，刻意去测最先崩的几类任务，长上下文、结构化 结构化资料 与函式呼叫、数学、程式码、非英文。验收不是打分数，是找变差的任务集中在哪里，集中在 结构化资料格式就升那类任务的位元，散在各处就整体升一档。真实负载下测延迟与吞吐量，不是空闲显卡上跑一条请求。最后先切一小部分流量灰度发布，没问题再全量，出问题立刻切回十六位元版，不要等到全部使用者都中奖才动手。 一句话：量化不是免费压缩，是一场交易，你只有量得够准，才有资格拿这场交易去换更小的帐单。今晚就能做的事：挑一个你正在跑的模型，用四位元载入工具跑一次五分钟实验，看看显存占用下降约七成之后，它回的第一句话还像不像它自己。 S1哥观点：别再问量化是不是把模型压坏的便宜行事，压坏模型的从来不是量化本身，是你压完只跑几个提示词、看一眼困惑度就敢上线。作者的教训就摆在那里，结构化资料输出偶尔格式损坏，通用评测完全没抓到，两天后使用者才回报。量化真正值钱的地方也不在省显存那一行，是小批次推理反而可能更快，因为瓶颈在记忆体频宽，搬的位元组少了，每秒吐出的字元单位就多了。更值得问的是，你现在跑的那个模型，是卡在帐单、卡在显卡太小，还是卡在速度？那个卡点，决定了你该挑哪种格式、压到几位元。你第一个想压小上线的模型是哪一个？评论区说说。 收藏用清单（照着做）： 1. 先算帐再动手，七 B 模型约十四 GB，压到四位元约四 GB，模型缩小两到四倍，再留键值快取和执行开销的位置。 2. 挑对格式再压，快速实验用四位元载入工具，显卡上线用四位元的两种主流方法，笔电用通用格式，新款卡用八位元浮点。 3. 跑五分钟实验，确认显存占用下降约七成、模型回复正常，再写五十到一百条真实提示词对照十六位元基线逐条比。 4. 刻意测最先崩的五类任务，真实负载下测速度，先切小流量灰度发布，没问题再全量。 转给还在为模型帐单头痛的朋友，压小两到四倍再上线，量得准才不会翻车，他今晚就能先跑五分钟实验。

今天 GMGN 被盗了几万 U。把经过说清楚，也给还在链上的伙伴提个醒。 这次黑客把我在 GMGN 里倒出过私钥的钱包，和没倒出过私钥的钱包，一起一锅端了。 因为之前被盗过一次，亏了几千 U，所以这次电脑里几乎没装别的东西，只下过微信、谷歌浏览器、QQ 和 Grok Bot。电脑是怎么中毒的、木马是怎么进去的，我到现在也不清楚。我平时没事就扫链，总要点开各种网站去看、去处理，我估计就是这个过程中点到了危险网站，然后被植入了病毒。 GMGN 客服老师的说法是：很可能很早以前就中毒了，只是我一直不知道。黑客先潜伏着，专门等我倒出私钥。倒出私钥的时候，只要一点复制，病毒也可能同时复制一份。还有一种可能是：我复制完私钥，再去微信里粘贴时被截走。我有个习惯，粘贴到微信时会故意少写后 6 位，方便自己用手机钱包登录。少掉的这 6 位，黑客是有可能慢慢试出来的。也许就是今天刚试对，所以今天才动手。因为之前钱包里还有 20 多万 U 的时候都没被转走，反而是只剩几万 U 的时候被盗了。 还有一点很多人容易忽略：我明明只倒出了两个钱包的私钥，为什么最后所有钱包都被一锅端？我的判断是，黑客先试出了我倒出过的那两个私钥，控制了我的电脑，再把其他钱包里的代币，全部转到这两个已经倒出过私钥的地址上，然后一并转走。也就是说，只要这台电脑已经中毒，倒没倒过私钥，都可能被一起清掉。 给还在链上的伙伴几句实话：不要在日常扫链、挂网页、聊微信的电脑上导出或复制私钥。发现不对先断网，不要再登录任何钱包，也不要再把旧钱包导进去“看看还在不在”。这台电脑先重装系统，再用干净的设备创建全新钱包。旧电脑、旧私钥、旧钱包，都不要再碰。 链上没法后悔，希望看到这篇文章的人，少踩一次。 不要用win系统 真的 兄弟们 用苹果吧！因为你不知道哪一次点进哪个网站留下祸根！ 最后说一句：黑客！我操你妈！

LuxAlgo 那套经典的 SMC 聪明钱指标，居然有人完整移植到了 MetaTrader 5，连源代码都免费公开了！ 更狠的是，作者拿 5044 根苹果股票 K 线做对比，逐个验证 TradingView 和 MT5 上的结构标记、订单块和绘图结果！ 这个开源项目就是 Smart-Money-Concepts。 以前想在 MT5 上使用 TradingView 的 SMC 分析逻辑，经常需要自己重新编写指标，还不一定能还原原版效果。 这个项目直接提供完整源码和编译好的指标文件，安装后就能使用。 核心亮点： 1️⃣ 市场结构：自动识别 BOS、CHoCH，支持内部结构与主要波段结构分析。 2️⃣ 订单块识别：标记多空 Order Block，支持 ATR 过滤和失效条件设置。 3️⃣ 流动性分析：识别 EQH/EQL 等高等低点，以及强弱高低点。 4️⃣ FVG 缺口：自动绘制公允价值缺口，支持跨周期检测和区域延伸。 5️⃣ 溢价折价区：划分 Premium、Equilibrium、Discount，辅助寻找潜在交易区域。 6️⃣ 信号提醒：保留原版 16 种警报，支持弹窗、手机推送和邮件通知。 最有意思的是，作者公开了完整的对照测试工具，验证不同设置下两套指标的绘图一致性，而不是只放几张效果图。 支持外汇、黄金、指数、加密和股票等 MT5 可查看的行情，不需要自己编译也能直接安装使用。 做 SMC、ICT、MT5 交易系统或想研究 TradingView 指标移植的，这套源码值得收藏！ GitHub：

之前老 Mac 装了 OrbStack，使用迁移助理的时候遇到了这个大坑，真是被这个软件气死了，他妈的。 我的新 Mac 是 4T，旧的是 2T，迁移系统的时候居然告诉我空间不足。苹果也是够弱智的。啥原因呢？这里： 新 Mac 的存储容量是旧机的四倍，迁移却报“没有足够的可用空间来完成迁移”。真正原因是 OrbStack 留在 ~/Library/Group Containers/HUAQ24HBR6.dev.orbstack/data/data.img 的一个虚拟磁盘镜像：它只有 6.5 MB 实际占用，但逻辑大小 8.0 TB。 • 作者用两条命令把这个矛盾量化出来：sudo du -sh ~ 得到 282G，sudo du -shA ~ 得到 8.3T。在 1 TB 的 SSD 上出现 8.3 TB 的表观体积，说明有文件在尺寸上“说谎”。 • 定位方式：sudo du -hA -d 2 ~ | sort -h | tail -30 按表观大小聚合排序，锁定到具体文件后，再分别用 du -hA（8.0T）和 du -h（6.5M）复核。 • 删除该镜像后，第五次运行 Migration Assistant 在 3 小时内完成。OrbStack 自己的 FAQ 也提到这个 8 TB 文件，并说明稀疏文件会干扰 Migration Assistant。 这老哥迁移了五次，我迁移了两次，目前在进行第三次，说起来苹果的迁移助理也真是傻叉。

以下是切片的完整中文译稿： 二十岁时，沃兹和我在父母的车库里创办了苹果。我们努力工作，十年间，苹果从车库里的两个人，发展成拥有四千多名员工、价值二十亿美元的公司。 一年前，我们刚推出最出色的作品 Macintosh，而我也刚满三十岁。 然后，我被解雇了。 怎么会被自己创办的公司解雇呢？ 随着苹果壮大，我们请来一个我认为很有才华的人，和我一起管理公司。最初一年左右，一切都很顺利。但后来，我们对未来的看法出现分歧，最终闹翻了。董事会站在了他那边，于是三十岁的我出局了，而且这件事人尽皆知。 我成年以来的全部生活重心，就这样没了，这让我备受打击。 有几个月，我真的不知道该做什么。我觉得自己辜负了上一代创业者，在接力棒传到手中时，把它掉在了地上。我去见了戴维·帕卡德和鲍勃·诺伊斯，为自己把事情搞得如此糟糕而道歉。我的失败人尽皆知，我甚至想过逃离硅谷。 但渐渐地，我明白了一件事：我依然热爱自己所做的事。苹果发生的变故丝毫没有改变这一点。我被拒绝了，但热爱还在。于是，我决定重新开始。 当时我没看出来，但事实证明，被苹果解雇，可能是我人生中最好的遭遇。成功的重负，被重新做新人的轻松取代，我不再对一切都那么笃定。这让我得以进入一生中最有创造力的时期之一。 接下来的五年里，我创办了 NeXT 和皮克斯，还爱上了一位了不起的女性，她后来成了我的妻子。皮克斯制作了世界上第一部电脑动画长片《玩具总动员》，如今是世界上最成功的动画工作室。 事情出现了奇妙的转折：苹果收购了 NeXT，我也回到了苹果。我们在 NeXT 开发的技术，成了苹果如今复兴的核心。劳伦和我也一起建立了美满的家庭。 我很确定，如果没有被苹果解雇，这一切都不会发生。 这剂药苦得难以下咽，但我想，病人需要它。

Liquid AI开源LiquidCodec：让端侧AI语音交互实现超低延迟高保真 LiquidCodec是一款面向语音大模型的流式音频编解码器，可将人类语音高效压缩为离散数字特征并实时还原。 它打破了传统音频编码在特征维度间的顺序依赖，让语音模型能够并行生成所有音频特征，在苹果M4 Max单核CPU上的编码和解码速度分别达到实时音频的361倍和87倍。 这种极简对称的轻量设计大幅降低了本地推理门槛，使手机等端侧设备在4比特量化下依然能以极小体积运行高自然度的实时语音合成。