一个名为Mai的浏览器扩展程序，允许用户通过Meta Rayban智能眼镜或Messenger应用程序，用语音命令控制各种AI机器人（如ChatGPT、Claude）。该扩展利用一个巧妙的技巧，绕过Meta眼镜的限制，允许发送消息给自定义的AI模型。用户可以设置多个API密钥，并选择将消息和图片发送给不同的AI服务，甚至可以将回复转换为语音。目前该扩展仍处于早期阶段，但展示了未来AI与可穿戴设备结合的巨大潜力。
arXivLabs是一个允许协作者直接在arXiv网站上开发和分享新功能的框架。参与arXivLabs的个人和组织都认同并接受了arXiv关于开放性、社区、卓越和用户数据隐私的价值观。arXiv致力于这些价值观，并且只与坚持这些价值观的合作伙伴合作。如果您有想法可以为arXiv社区增值，请了解更多关于arXivLabs的信息。
XenevaOS是一个从零开始构建的，支持x86_64和ARM64架构的全新操作系统。其内核名为Aurora，采用混合内核设计。该项目完全开源，欢迎开发者贡献代码、文档、Bug报告和功能建议。目前已实现的功能包括：支持ACPI、x64和arm64内核、完整的High Half Memory、DLL驱动加载、USB3、高清音频、多处理器支持（多处理器调度程序尚未准备好）、图形库Chitralekha、窗口管理器Deodhai、Namdapha桌面环境、多种存储支持、网络支持（IPv4，UDP/IP，TCP/IP，ICMP）以及一些基本应用程序（如音乐播放器、文件浏览器等）。该项目目前在Windows环境下构建。
本文深情悼念了作者的挚友Mikeal Rogers，一位杰出的Node.js核心贡献者。文章追忆了两人共同奋斗的岁月，以及Mikeal在开源社区的贡献：他以其卓越的技术能力、清晰的思维和真诚的人格魅力，将代码视为连接人与社区的桥梁，并始终坚持开源的承诺，帮助他人成长。Mikeal的离世给作者带来了巨大的悲伤，但他将继承Mikeal的遗志，继续为构建包容开放的社区而努力。
Ubuntu 25.10代号“Questing Quokka”即将发布，带来一个重大变化：默认的GNOME桌面环境将完全转向Wayland，彻底放弃对Xorg的支持。此举并非一时兴起，GNOME本身也计划逐步淘汰Xorg。Canonical此举是为了让用户和开发者有足够时间适应，为明年发布的长期支持版本Ubuntu 26.04做好准备。Wayland的成熟、Nvidia驱动程序的改进以及对触摸屏和高DPI显示器的更好支持是Canonical做出这一决定的主要原因。虽然部分用户可能依赖Xorg，但Xorg本身不会消失，只是GNOME不再支持它。大多数X11应用程序也能通过XWayland在Wayland下正常运行。
Conviva的流分析平台因一个看似简单的原子计数器而导致性能瓶颈。该计数器位于一个全局共享的类型注册表中，使用了并发哈希映射Flashmap。高并发下，原子计数器的更新导致缓存行抖动和上下文切换频繁，最终引发P99延迟飙升。替换为Dashmap未能解决问题，最终采用ArcSwap，基于RCU的机制避免了缓存竞争，解决了问题。此案例强调了在高并发场景下选择合适数据结构的重要性，尤其是在读多写少的场景下，ArcSwap的性能优势明显。
本文探讨了“可塑性软件”的概念，即用户可以轻松调整软件以满足自身需求的软件生态系统。作者指出，现今软件的僵化性阻碍了用户创造力，并以医疗行业为例说明了其负面影响。文章对比了物理世界环境的灵活性和数字环境的僵化性，并提出了三种设计模式来实现可塑性软件：平缓的定制曲线、可组合的工具以及社区协作。作者还介绍了他们团队开发的几个原型系统，展示了可塑性软件的潜力，同时也指出了未来需要解决的挑战，例如隐私、安全和商业模式等。最终，文章呼吁构建一个更以用户为中心的计算生态系统。
arXivLabs是一个框架，允许协作者直接在arXiv网站上开发和共享新的arXiv功能。参与arXivLabs的个人和组织都认同并接受了我们开放、社区、卓越和用户数据隐私的价值观。arXiv致力于这些价值观，并且只与坚持这些价值观的合作伙伴合作。如果您有一个能够为arXiv社区增值的项目创意，请了解更多关于arXivLabs的信息。
arXivLabs是一个实验性平台，允许开发者与arXiv社区合作，直接在arXiv网站上开发和分享新功能。参与者必须认同arXiv的开放、社区、卓越和用户数据隐私等价值观。你有好的想法能提升arXiv社区价值吗？快来了解arXivLabs吧！
斯坦福大学国际政策课程“技术、创新与大国竞争”将AI工具融入教学，帮助学生们更高效地处理大量信息。学生们运用ChatGPT、Claude、Perplexity等AI工具进行文献总结、主题识别、关键内容分析，并将其应用于解决实际的国家安全问题。通过团队项目，学生们不仅提升了政策分析能力，也探索出了AI在信息处理、利益相关者识别、假设检验等方面的创新应用，例如利用AI生成采访问题、模拟访谈、制作演示文稿等。该课程的成功案例表明，AI可以成为学习的有力助手，大幅提升学习效率和深度。
许多 Unix 工具使用 `system(3)` 函数执行外部命令，这会导致 shell 注入漏洞。文章深入探讨了这个问题，分析了 `system(3)`、`sh -c` 和各种工具（如 `watch`、`ssh`、`i3`）的行为，并演示了如何利用 shell 特殊字符绕过安全措施。作者建议避免使用 `system(3)`，并提供了一些缓解措施，例如使用 `exec --` 和恰当的引号转义，最终呼吁开发者修复这些工具中的安全缺陷。
告别WebDriver兼容性噩梦！Pydoll是一款革命性的Python库，它直接连接到Chrome DevTools协议，无需外部驱动程序即可实现浏览器自动化。它具有原生验证码绕过功能（支持Cloudflare Turnstile和reCAPTCHA v3），异步性能，类人交互以及强大的事件系统。Pydoll的简洁易用性、强大的功能以及对现代网站防护机制的出色应对能力，使其成为自动化测试、数据抓取和重复性任务自动化的理想选择。
Codean Labs发现OpenPGP.js库中存在一个严重漏洞（CVE-2025-47934），允许攻击者伪造任意签名。攻击者利用现有有效签名，通过添加恶意数据包，使OpenPGP.js验证器错误地将恶意数据识别为签名数据，从而实现签名伪造。该漏洞影响多个基于web的邮件客户端，风险等级为critical。v5.11.3和v6.1.1版本已修复该漏洞，建议立即更新。
本文探讨了一个C++模板继承中关于拷贝构造函数的令人费解的问题。`Derived`类继承自`Base`类，`Base`类的拷贝构造函数被删除。然而，`Derived`类定义了自己的拷贝构造函数，即使该构造函数尝试拷贝`Base`类的不可拷贝对象，`std::is_copy_constructible`仍然返回true。这是因为编译器只检查是否存在非删除的拷贝构造函数，而不检查其可否实例化。作者进一步讨论了显式定义拷贝构造函数和隐式定义拷贝构造函数的区别，以及将拷贝构造函数定义移出类的影响。
patolette是一个用C和Python编写的色彩量化和抖动库，它实现了Xiaolin Wu基于PCA的加权量化器变体。它支持CIEL*u*v*和ICtCp色彩空间，可选地使用显著性图来对视觉上突出的区域赋予更高的权重，并可选地进行KMeans细化。目前该库仍在开发中，尚未发布PyPI包，但已经可以使用。安装需要手动编译，支持AVX指令集加速。该库不处理图像解码/编码，需要用户自行处理。
这段代码实现了一个在三维球面计算两点之间路径的算法。它首先将起点和终点向量转换为局部坐标系，然后利用四元数插值计算路径上的多个点，最后生成一条连接两点的曲线。该算法巧妙地利用了三维向量和四元数的特性，高效地计算出平滑的球面路径，适合用于三维场景中的路径规划和动画制作等应用。
Paws-on-MCP是一个实现了最新MCP 2025-03-26规范的全面模型上下文协议(MCP)服务器。它展示了MCP的能力，包括工具、资源、提示、根和具有模型偏好的增强采样。该项目具有HackerNews和GitHub API集成，并通过高级MCP采样进行AI驱动的分析。核心MCP功能已完全运行并可用于生产环境，尽管部分测试用例由于框架并发限制而未通过。
本文探讨了 JavaScript 中 Thenable 的强大功能，它是一种拥有 `.then()` 方法的对象，即使不是 Promise 对象也能被 `await` 关键字等待。文章通过示例演示了如何创建一个模拟异步操作的 Thenable，并与 Prisma 的延迟执行机制进行了比较。作者指出，虽然 Thenable 提供了轻量级的异步操作方式，但复杂的 Thenable 可能难以调试，因此建议在适当的情况下使用原生 Promise。
Elastic的SRE团队在Azure Kubernetes Service (AKS)上运行的Elastic Cloud Serverless中观察到吞吐量不稳定和丢包现象。调查发现，根本原因是SR-IOV接口上的RX环形缓冲区溢出和内核输入队列饱和。通过增加RX缓冲区大小和调整netdev backlog，显著改善了网络稳定性。即使在高性能硬件上，也需要对操作系统级别的网络参数进行微调，才能充分发挥其性能。
本文深入探讨了Forth编程语言中`DOES>`字词的底层实现机制。`DOES>`允许创建能够执行自定义操作的“智能数据结构”。作者详细解释了`DOES>`的三种时间阶段：编译时、定义新字词时和运行时，并通过`SHAPE`和`MAN`两个字词的例子，阐述了`DOES>`如何通过修改新创建字词的执行地址来实现其功能，最终达到了在运行时执行`DOES>`之后代码的目的。文章还分析了`DOES>`实现的复杂性，以及可能与现代操作系统内存管理机制的冲突。
作者分享了使用AI结对编程的体验，发现AI助手编码速度过快，导致人类难以跟上思路，反而降低了效率。作者建议将任务分解成独立子模块，使用异步工作流，并降低AI的自主性，例如采用逐行编辑模式，增加沟通和确认环节，以更好地平衡速度和质量。最终目标是让AI助手更像人类合作者，而不是高速代码生成器。
container 是一款用 Swift 编写的工具，可在 macOS 上创建和运行 Linux 容器，如同轻量级虚拟机。它兼容 OCI 标准，支持从任何标准容器注册表拉取和运行镜像，并可将构建的镜像推送到注册表。该工具依赖于 macOS 26 Beta 1 的新特性，在 macOS 15 上运行存在网络限制，建议升级系统。安装包可在 GitHub 发布页面下载，卸载可使用 uninstall-container.sh 脚本。
作者花费一个月时间构建代码CAD语言原型，目标并非炫技，而是追求一种“软件舒适感”：即时加载、稳定运行、易于使用。文章重点探讨了“双向编辑”功能的原型设计挑战，即在图形界面和代码编辑器之间实现实时同步。作者面临诸多技术难题，例如代码重写、编辑器与UI同步、代码格式化等。文中也分享了学习资源和一些启发性思考，例如如何构建一个集成的语言实现和编辑器工具，以及对现有相关项目的讨论。
苹果在WWDC2025上发布了名为“Foundation Models”的全新离线AI模型框架。该框架允许开发者在设备本地直接使用苹果自研的AI模型，无需依赖云端API，从而降低成本并保护用户隐私。开发者可以使用Swift语言，仅需几行代码即可访问苹果的AI模型库“Apple Intelligence”，创建个性化应用体验，例如Kahoot应用可根据笔记生成个性化测验。该框架已开放给开发者测试，公测版将于下月初发布。
Containerization是一个用Swift编写的项目，它允许在Apple Silicon芯片上使用Linux容器。它利用虚拟化技术，提供了一套全面的API，涵盖了OCI镜像管理、远程注册表交互、文件系统创建、网络配置、轻量级虚拟机管理以及容器化进程的运行等功能。该项目包含一个名为vminitd的小型初始化系统，用于管理虚拟机内的进程。为了构建和运行Containerization，需要Apple Silicon Mac、macOS 15或更新版本以及Xcode 26 Beta或更新版本。项目还提供了一个优化的Linux内核配置，以实现快速启动时间。该项目已发布0.1.0版本，并鼓励社区贡献。
厌倦了复杂的netstat命令？Somo是一个为Linux系统设计的更人性化的套接字和端口监控工具。它以简洁的表格视图显示信息，支持多种过滤选项（例如协议、端口、IP地址、进程名称等），并提供交互式进程终止功能。安装方便，支持Debian系统的.deb包和Cargo安装。使用sudo权限可以查看所有进程和端口。一句话总结：Somo让Linux下的端口监控更简单、高效、友好。
Munal OS是一个完全用Rust编写的实验性操作系统，采用单内核设计、协作式调度和基于WASM沙箱的安全模型。它没有传统的引导加载程序、分页映射、虚拟地址空间和中断，而是将整个操作系统编译成一个单一的EFI二进制文件，其中包含内核、WASM引擎和所有应用程序。通过VirtIO驱动程序与QEMU通信，实现图形界面、网络驱动和TCP栈等功能。虽然目前仅支持QEMU，不支持多核和中断，但其简洁的设计和基于WASM的沙箱机制为操作系统设计提供了新的思路。
苹果在2025年WWDC上发布了一系列重磅更新，旨在帮助开发者构建更智能、更精美、更具吸引力的应用程序。新一代Xcode 26集成了大型语言模型，例如ChatGPT，极大提升了代码编写效率；全新的“Foundation Models”框架允许开发者利用设备上的AI模型构建离线且保护隐私的智能应用；流畅的“Liquid Glass”设计语言为应用带来焕然一新的视觉体验。此外，苹果还推出了增强游戏开发工具、改进儿童在线保护功能以及提升App Store可访问性等一系列举措，为开发者提供了更强大的工具和资源，共同创造更美好的未来应用体验。
本文探讨了 Go 语言在构建 AI 智能体方面的优势。作者指出，随着 AI 智能体应用的兴起，对高并发、长运行、资源密集型程序的需求日益增长。Go 语言凭借其轻量级的协程、高效的并发模型、强大的标准库以及便捷的取消机制等特性，成为构建此类应用的理想选择。文章还比较了 Go 与其他语言（如 Python、Node.js）在处理并发、内存管理和错误处理方面的差异，并以代码示例说明了 Go 如何优雅地处理智能体间的通信和状态管理。虽然 Go 在机器学习库支持方面略逊一筹，但其在构建高性能、可扩展的 AI 智能体方面展现出显著优势。
Glowstick是一个Rust库，通过在类型系统中跟踪张量形状，使得Rust中的张量操作安全、简单且高效。它支持多种张量操作，包括矩阵乘法、卷积、变形、压缩、展平等等。通过与Candle和Burn等流行的Rust机器学习框架集成，Glowstick为Rust开发者提供了强大的张量计算能力，极大地简化了深度学习模型的构建过程。目前项目仍处于预1.0版本，未来可能会有重大更改。