Yifeng "Evan" Wang (@ewind_dev)

看完论文后发现 DeepSeek 应该喜欢 PL 的人，难怪我之前投简历都没有进面试，小红书上找到他们的 HR 问也不理我。早知道把 Apple Swift 编译器贡献者及在字节为 Swift 做的 runtime feature 也写在简历上，而不是写一堆自己写的 AI harness 了。 不过目前看是歪打正着。特别是最近听到王虹说在北大被 discouraged 之后。 初中的时候我主动报了我们学校的信息学竞赛队，但是进去之后我觉得讲的东西很无聊：汉诺塔、八皇后、约瑟夫问题——而觉得无聊是因为看不懂。但是知道很后来我才知道，我不懂并不是因为我笨。 彼时的我喜欢用 Borland C++ Builder 和 Vanilla JS 在桌面端和浏览器里面做酷炫的效果，还喜欢 WindowBlinds 换装。是的，我当时和觉得 DeepSeek Harness 的 GUI 不酷炫就觉得没意思的各位一样。 对了，当时的竞赛班老师还推荐了我们一本书叫「具体数学」，这个是一个伏笔。 而这个「看不懂」的问题我后来总算明白了：计算机只会通过循环解决问题，而循环的每一步都必须通过「有限的方法」让问题向解决推进一步。 但是人看问题不是这样，人可以在一个问题的某些具体场景下看到捷径。而所谓「算法思维」就是整理出所有捷径和非捷径的共同模式，然后在「默认使用循环」的情况下给出「每一步」中最高效和最通用的做法。 所以你要能「看懂」这些算法题必须得假设自己和一台计算机一样，只能做循环操作，去思考每一步的通用最优动作，然后解题。 当然，这么简单且显然本质在这么好的（中国）学校里面老师是不会教你的。默认你应该懂。但我最终懂这个道理的路可谓一路曲折。 我的中学时代其实和每一个中国出生长大的人一样，课业繁重。大学选择了自己心心念念的工业设计，画了四年画，毕业后转的码。转码过程中自己下载了清华、巴黎高师和北美四大金刚的公开课，然后买书看公开课学的。 在某次看清华的邓俊辉老师的算法课时，他提了提「具体数学」这本书。这次我终于把这本书买了回来，然后打开一看：1. 汉诺塔，2. 约瑟夫问题，…… 是的，原来初中竞赛班上的老师是照着这本书讲的…… 而当时我已经学了 MIT 的算法导论以及斯坦福 CS 143，看了 Engineering a Compiler, 2/e，自己撸了个小编译器出来。我觉得能学懂什么是自动机（EaC, 2/e 里面有涉及）的，应该都能够理解计算的本质吧。所以彼时再看「具体数学」会发现： 1. 原来在理解了计算的本质的前提下，这些题目这么好理解； 2. 原来 Donald Knuth 这种大神也需要先通过几个直觉 case 来测试自己的算法设计，遭遇失败、然后迭代几次之后才能得出正确答案； 3. 原来初中竞赛班上那些能够一步就给出正确答案的同学们应该：要么比 Donald Knuth 还要聪明几倍；要么就是在外面事先学过了； 所以这种竞赛班的本质其实并不是教计算机，而是：通过向远没达到对应成熟度的儿童传播一次远超他们成熟度的信息，测试反馈，筛选天才。 当然，也有可能筛选出提前过拟合的人。 到彼时总算放过了还是青少年的自己。回想我自学计算机的过程也算是一趟「王虹」之途——早年学习被环境吓到，之后自己把兴趣找了回来。当然，我没有王虹那么耀眼的成就。只能算是青年版的「重新把喜欢计算机的自己养了一遍」。 另外，某年我看到中科大的博士课程居然也把「具体数学」作为 prequisites 课程材料。所以我初中学不懂真的不是我的问题了。 但是到了 AI 时代，我们不能再做自己不擅长的事情了。 我觉得每个人都应该在 AI 时代想想是不是能做新的事情、做回自己本来擅长的事情。 AI 的放大能力应该用于你的长板。 同样的放大系数，拿来放大你的长板和补齐你的短板相比，收益的差别会随放大系数同样被放大。 如果考虑复利效应，这个收益差别还会随着年月积累。 所以接下来我应该还是会 focus 在自己擅长的事情上面。比如，下一个产品和下一个开源项目。所以，简历看都没被看一眼，应该也是好事。 附图：上一段程序员工作时放在身边看的一些计算机书。不过感觉之后应该会多看一些设计和 GTM 的书籍了。 * 看了看 deepseek-ai/deepseek-harness 仓库目前的贡献人数是 19 人，不太清楚是不是团队规模，但是只招进去两个人应该不实，论文中一人可能是北大软件学院教授。

自从 @ewind_dev 使用钞能力飞出了 PocketJS 并且蹬上不同硬件，我就在想能不能把 agent 也跑在这些设备上。🚴 最新的结果就是在 ESP32 上能运行的满血 pi harness！ 这个 pi core harness 可以正常对话、 调用 tools、管理自己的 workspace，还能设置 schedule，通过自己的 agent loop 再次醒来，并且也自带 UI！ Agent 后续可以作为整个系统的一等公民，自己创造迭代各种 plugins/apps 无痛跑在任何 PocketJS 支持的硬件上。感觉有超多好玩的应用场景可以蹬了！

Today we brought PocketJS to the stage in VueConf Shanghai! 🥳 We received an incredibly warm response from embedded, game, and hardware developers, and came away with many new ideas to explore 🤯 We’ll do our best to bring them to life!

@suwakopro @Breaking_Lead_G GC 好就好在大部分软件其实也碰不到什么 stop the world 带来的问题，而且现代的垃圾回收器基本可以做到几毫秒甚至更短时间的停顿。 然后就啥也不用管啦。 Rust 代码写得比 GC 语言的应用还差也不稀奇 .. 不过我整体觉得确定性析构的认知成本和落地成本在降低，所以至少跟 GC 语言应该是并驾齐驱的。

Introducing PocketJS 🕹️ import { createSignal } from "solid-js" on a Sony PSP. No forked framework. Real Solid and Vue Vapor, compile-time Tailwind design system, and 60 FPS animation in 8 MB of RAM! Bare Metal Modern Web ⚡️

@passluo 微信的开发人员根本就不懂该怎么储存数据。这种聊天软件，文本和媒体文件分开存，文本根本就不应该保存在什么数据库(sqlite)里, 一个对话一个文本文件追加就可以了。需要搜索的时候 grep 一下性能完全符合需求。一个对话能有多少文本？一秒一个字 24 小时不间断，一年也就 30M 个字。

突发，美国用户正式起诉Anthropic欺诈！！ 根据WSJ @WSJ 报道，来自华盛顿特区客户卡尔·卡恩本周一（今天）提起了针对Anthropic @AnthropicAI 的联邦诉讼。 他认为Anthropic在“Max 5x”和“Max 20x”订阅计划的使用限制方面误导了消费者。 目前该诉讼正寻求成为自去年四月以来购买这些计划的用户的集体诉讼。 这起诉讼是针对人工智能订阅费用及其所谓不透明性的消费者反弹的早期典型案例。 目前AI 订阅正迅速成为与流媒体服务和其他娱乐形式并列的消费者消费常态。 这起在加州北区提交的诉讼称，Anthropic 宣传 Max 5x 和 20x 方案的使用上限分别为其 Pro 方案的五倍和二十倍。 但一些用户投诉称：实际的上限难以确定，且似乎比宣传的额度更低。 该诉讼主要基于其所称 Anthropic 于 2025 年 7 月向不同等级的订阅者发送的电子邮件。 这份邮件里Anthropic详细解释了当时每个等级对具体 Claude 模型每周可预期的使用量。 “Max 5x 和 Max 20x 方案实际提供的使用量远低于当时邮件里宣传的使用量，”诉讼称。 起诉者卡恩最初出于个人原因开始使用 Claude，后来开始大量用它编写代码，今年四月升级到 Max 20x 订阅。 诉讼称，几周内，他发现自己触及了公司施加的每周使用限制，在一次五小时的冲刺中就耗尽了他每周配额的 15%。 诉讼指控称，他“发现自己要么不得不停止工作、节省使用量，要么购买额外用量以确保能完成工作”，诉讼还寻求认定 Anthropic 对这些套餐的营销具有欺诈性。 目前 Anthropic 拒绝置评。 今年早些时候 Anthropic 的模型走红后导致使用量激增，导致该公司推理系统承压（人话：用的人太多了），引发一些用户关于服务中断和服务限制的投诉。 大快人心啊！ 看看后面谁还敢偷偷砍额度😠