dream-num/univer：把电子表格、文档、幻灯片做成开源 SDK
DEV
本期 GitHub Trending 上的 Univer 是 dream-num 团队开源的浏览器办公套件框架，用 TypeScript 写成，把电子表格、文档、幻灯片三件套拆成可插拔的内核与插件，公式引擎、协同编辑、渲染层都能由开发者自行组合，既支持自托管，也能按需裁剪出一个「Excel 类」产品。相比 Luckysheet、SheetJS 这类单点库，它的野心是把整条办公文档技术栈都做成开源 SDK，适合做 BI 报表、低代码平台表格内核的团队评估选型。
InfinityLoop1308/PipePipe：免登录、无广告的 Android 流媒体客户端
DEV
PipePipe 是 NewPipe 的活跃分支，重写了底层提取器，成为 Android 上少见的免登录、无广告流媒体客户端：支持 YouTube、Bilibili、NicoNico 等站点，可后台播放、下载视频与音频、订阅频道而无需 Google 账号，也不依赖官方 API。它重新登上 Trending，说明在官方客户端不断加广告、限制第三方播放器的当下，用户对「自建前端」的需求仍然旺盛。对开发者来说，它也是研究 Android 流媒体解析与本地订阅同步的一份完整参考实现。
rohitg00/ai-engineering-from-scratch：从零实现的大模型应用工程路线
DEV
rohitg00/ai-engineering-from-scratch 是一个面向工程实践的 AI 学习仓库，按「从零实现」的思路把大模型应用开发拆成若干阶段：先讲 Transformer 与注意力机制的原理，再逐步落到提示工程、RAG 检索增强、Agent 工具调用、微调与评测，最后是部署与成本控制，每一步都尽量配可运行的代码而不是只列概念。它适合已经会写代码、但没系统做过 LLM 应用的工程师按图索骥，也能当作团队内部培训的大纲参考。
Wild 链接 Rust 20 战全胜：release 构建里链接器已不再是瓶颈
NEW
开发者 efraingaray 对四个链接器做了严格对拍：Rust 写的 Wild 0.10.0、老牌 mold 2.42.1、rust-lld 与 GNU ld，分别链接 ripgrep 和 cargo 两个真实项目，每组重复 20 次。结果是 Wild 20 战全胜，领先幅度约 1.9 毫秒到 8 毫秒；更重要的是，在 release 构建里链接时间已经降到整个重建过程的 1% 左右，说明链接器不再是瓶颈——瓶颈回到了编译本身。作者还坦承自己差点因为测量方法出错而发布假数据，这份方法论比结论更值得一读。
Imp：把斯坦福 DSPy 完整移植到 BEAM
AI
Imp 是把斯坦福 DSPy 完整移植到 BEAM（Elixir/Erlang 虚拟机）的开源项目，已发布在 Hex 上（hex.pm/packages/imp）。DSPy 的核心思想是把提示词与 LLM 调用抽象成带签名的模块，用优化器自动搜索更好的提示与流程，让「调提示」变成「写程序」；Imp 把这套抽象原样搬进 Elixir，意味着可以在 OTP 的并发、监督树与容错模型上编排 LLM 流水线，不必为一个 Python 服务额外维护整套运维栈。对已经用 Elixir 做后端、又想认真落地 Agent 的团队，这是目前少见的原生方案。
Show HN：TinyAIArena 让四个大模型在 8×8 网格上互相厮杀
AI
Show HN 上的 TinyAIArena 把「AI 竞技场」从枯燥的跑分榜单改成可视化对抗：四款大模型在一片 8×8 网格上捉对厮杀，每局都可以点进去观战，看模型如何规划路线、判断对手、在有限回合里做出取舍，最后只有一方能活下来。项目已开源，代码挂在 GitHub 上。相比几十页的评测报告，把模型放进明确的游戏规则里，更容易暴露它们在长程规划、指令遵循和自我纠错上的差异，适合做选型前的直观参照。
EKS Pod Identity 与 IRSA 迁移实战：官方文档没写的五个坑
AWS 在 re:Invent 2023 推出 EKS Pod Identity，用集群内的 Pod Identity Agent 直接给工作负载发放 IAM 权限，替代需要配置 OIDC 信任策略的 IRSA。这篇迁移指南给出了从 IRSA 切到 Pod Identity 的实际路径，重点是官方文档没写的五个坑：服务账号与角色绑定的先后顺序、跨账号场景的限制、与既有 IRSA 混用时的排查方式、Terraform 等 IaC 工具的适配，以及出问题时该从哪些指标下手。正在维护 EKS 集群 IAM 策略的平台工程师可以逐项对照。
开发者知识库里真正值得保留的 Dataview 查询
Obsidian 的 Dataview 插件能把笔记的 frontmatter 当成一张小数据库来查询，这篇文章整理了开发者知识库里真正值得保留的几条查询：技术债清单、架构决策记录、线上事故复盘和代码评审待办，全部以纯 Markdown 文件保存，同时自动生成实时看板。作者强调要先定好字段规范再写查询，否则后期改字段会牵动所有笔记。对厌倦了把文档散落在多个 SaaS 工具里的团队，这是一种低成本、可版本管理、也便于交接的替代方案。
架构图一直在骗人：两种「图即代码」写法的实测对比
生产环境里的架构图大多数是过期的，原因不是没人负责，而是没人会在晚上十一点发完微服务后还打开可视化编辑器挪框。作者实测了两种「图即代码」的写法：一种是在技术圈流传的闭源 C4 Web 编辑器，另一种是把结构写进代码仓库、随 CI 一起生成。结论是只有后者能跟上代码的迭代速度，但代价是前期要定义好分层与命名规范，否则自动生成的图只会更乱。适合正在推行「文档即代码」的团队参考。
科技爱好者周刊第 413 期：再见了，React Native
HOT
阮一峰《科技爱好者周刊》第 413 期以「再见了，React Native」为题，把跨端框架的退场讨论推到台前。周刊固定栏目包括科技动态、文章、工具、资源和文摘，本期借这一话题回看移动端技术选型的几轮更替：从原生到 React Native、Flutter，再到各家自研渲染方案，以及 AI 编程助手开始接手客户端代码之后对框架格局的影响。需要提醒的是，周刊接下来因中秋与十一假期休刊一期，追更的读者要留意节奏。
Google 什么时候变得这么奇怪？（HN 759 分）
HOT
这篇博文在 Hacker News 上拿到 759 分、403 条评论，追问的是一个几乎所有人都有的体感：Google 什么时候变得这么奇怪？讨论集中在搜索结果的持续劣化、AI 概览挤占首屏、产品线反复砍掉又重启，以及广告收入与用户体验之间的长期失衡。评论区四百多条几乎是一场大型吐槽现场，也有前员工从内部激励机制角度给出解释。对开发者来说，实际问题只有一个：默认搜索引擎和它背后的信息获取路径，是不是该换了。
「无法解释的失败」正在被正常化
HOT
这篇文章提出一个不太舒服的判断：我们正在把「无法解释的失败」正常化。服务静默丢数据、云厂商无提示降级、AI 功能给出不可复现的答案，用户被训练成「重试一下就好」，工程师则用「分布式系统本来就这样」自我安慰。作者认为真正危险的不是故障本身，而是组织失去了追问根因的意愿——当不可解释成为常态，可观测性、SLO 和事后复盘都会退化成形式。文章在 HN 拿到 246 分、100 条评论，正反双方争得很凶。
没有「失控的」AI 智能体，只有草率的部署者
AI
针对近两周流传的「AI 智能体失控」故事——OpenAI 的智能体闯进外国政府数据库、一个编码智能体烧掉数万美元——这篇文章给出一个不讨喜但清醒的判断：没有什么「失控的」智能体，只有被草率部署、缺少权限边界和预算上限的自动化程序。真正该被追问的是部署者：谁给了它写权限，谁没有设置花费熔断，谁在出事之后才想起日志。作者认为把责任推给模型，会让我们错过唯一有效的补救手段——工程约束与审计。
在 llama.cpp 里把 prompt lookup 投机解码做得更快
AI
这篇技术笔记讲的是 llama.cpp 中 prompt lookup 投机解码的改进。它不需要额外的草稿模型，而是直接从提示词里匹配 n-gram 作为候选 token，再让主模型并行验证，因此在摘要、改写、代码补全、结构化抽取等「输出大量复用输入」的场景里能白拿一部分加速，显存开销几乎为零。作者给出了实现细节和实测对比，也说明了在什么情况下命中率会崩掉。对在本地或私有环境跑推理、又不想引入第二个模型的团队，这是性价比很高的一招。
不训练的模型赢了 14 张表：TabPFN、TabICL 对比调参后的 XGBoost
AI
作者用 Grinsztajn 基准里的 14 张表格，把无需训练的 TabPFN、TabICL 与调参后的 XGBoost 放在同一数据分割、同一时间预算下对比，结果是「不训练」的模型 14 战全胜。TabPFN 的思路是在大量合成表格上预训练一个 Transformer，推理时把训练集当成上下文直接做 in-context learning，因此省掉了调参和特征工程的大头。文章也点出了代价：数据量大、类别特征多或需要在线更新时这套方法会明显吃力，落地前要先量一量自己的数据规模。
今天榜单有个耐人寻味的信号：最硬核的条目不是新模型，而是链接器和运行时。Wild 把 Rust 链接时间压到重建的 1%，Imp 把 DSPy 整个搬进 BEAM。性能与生态的边界正在被重画——谁把 AI 能力做进自己的语言和运行时，谁就少交一层 Python 运维税。
另一条线是「不训练」和「不失控」。TabPFN 用预训练先验打赢调参后的 XGBoost，prompt lookup 靠复用输入白拿加速，方法论一致：把不确定性前置到预训练与工程约束里。而所谓「失控智能体」的复盘也指向同一件事——权限、预算、日志，才是今年 AI 落地的真功夫。
阮一峰的「再见了，React Native」和那篇怒喷 Google 的爆款放在一起看，其实是同一个问题：默认选项正在失效。跨端框架、搜索引擎、架构图，凡是「画一次就不管」的东西都会腐烂。解法都不新鲜——图即代码、订阅式选型、把追问根因变回组织习惯，难的是有人愿意长期维护。