本周刊由 Python猫 出品，精心筛选国内外的 250+ 信息源，为你挑选最值得分享的文章、教程、开源项目、软件工具、播客和视频、热门话题等内容。愿景：帮助所有读者精进 Python 技术，并增长职业和副业的收入。分享了 12 篇文章，12 个开源项目，1 则音视频重要提示：本周刊迎来第 100 期，限时订或新订阅，可享受八折优惠，欢迎领取优惠券 —>https://www.xiaobot.net/coupon/d2c69b05-91b8-4e2b-b346-e7bc4dbc141a以下是本期摘要：🦄文章&教程① Python 3.14 t-string 要来了，它与 f-string 有何不同？② 调试 Python f-string 的错误③ Python 3.14: Python 世界的一大步④ PEP-790 – Python 3.15 的发布计划⑤ DjangoCon EU 2025 总结⑥ 如何用 Meilisearch 为 Django 网站添加闪电般的搜索？⑦ PyXL：解锁 Python 硬件潜能，GPIO 速度飞跃⑧ 使用 Gemini 和少量 Python 自动删除代码⑨ 让 PyPI 的测试套件速度提升 81%⑩ Python 类型提示：混合类⑪ 记住 Python 的海象操作符（:=）⑫ 软件工程师是如何使用 AI 的？🐿️项目&资源① pyrefly： ...继续阅读 (35)

原先家里有本《金粉世家》之上卷，大概是年事已高，破破烂烂。小学时读了一通。印象最深的竟是中秋节进香山，金燕西那首诗到现在还依稀记得：一弯藕臂玉无瑕，略晕微红映浅纱，不耐并头窗下看，昨宵新退守宫纱。如今想来这样的日子也是很有生活了。理解小说最好的方法也许是照着书中人的生活而生活罢。总之，在我偕陈爬过山、看过戏后，似乎也能体会到金燕西对冷清秋的感情几分真、几分假。这回读了后半卷，我发现张恨水对金家还是偏爱了，号称仿照红楼梦，结局却不算凄惨，无非是一把大火烧了个干净。可能是他觉得这样很有旧小说结构的对称美吧，但是这样一来，我分开读上下卷，却觉得金燕西是两个不同的人了。金燕西真的爱冷清秋么？光看首章的相遇，看不出金燕西在决定追求她时对她有何了解；简直是见色起意。至于后面的攻略，与其说在攻略冷清秋，倒不如说在攻略冷家，攻略冷清秋的舅舅和母亲，而这两个人又各打着算盘。所谓的公子情怀，不过是高门大户的自我幻想。总之，金铨一阵见血地评论金燕西用金钱制造攻势，我想这就像通关RPG，或者是张恨水嘲讽鸳鸯蝴蝶派的一种幻想，正如贾母评才子佳人戏一样。至于下半卷，急转直下之情节固然有其合理性，金燕西和旧情人也藕断丝连，甚至藕也未曾断；金燕西的悲剧在于明明出身高贵，却如此刻薄。唯独富人才能善良，因为富人必须善良；他对待冷清秋太粗暴了，倒像小门小户。以前读过写张謇的小说，张孝若也算公子哥吧，倒也没这么不堪。看历 ...继续阅读 (18)

随着数字生活的日益复杂，管理密码已成为安全与便利之间的一种平衡。根据 Bitwarden 最新世界密码日调查显示，这种平衡正朝着令人担忧的方向倾斜，尤其是对于 Z 世代和千禧一代而言，他们尽管了解风险，但常常为了方便而采取一些会让自己变得脆弱的措施。Bitwarden 的这项第五次年度全球研究调查了六个国家的 2300 多名在职成年人，揭示了网络安全意识与实际行为之间的巨大差距。即使威胁变得越来越复杂，但高风险的密码习惯仍然很普遍，而且年轻一代正在引领这一趋势。为什么密码安全至关重要密码通常是敏感信息与网络罪犯之间的第一道，有时也是唯一一道防线。被盗用的密码可能导致帐户接管、身份盗窃、经济损失，甚至公司数据泄露。随着我们的生活越来越多地转移到网上，从银行和医疗保健到工作和娱乐，使用薄弱或重复使用的密码所带来的风险比以往任何时候都大。为每个帐户设置强大而独特的密码，并辅以多重身份验证 (MFA) 和安全密码管理软件等工具，对于保护敏感的个人和专业信息至关重要。遗憾的是，虽然人们对这些风险的认识正在提高，但始终如一的良好习惯尚未跟上。认识不一定意味着行动该调查最引人注目的发现之一是，79% 的 Z 世代受访者认识到在多个帐户上重复使用密码的危险，但 72% 的人仍然承认这样做。即使在公司宣布数据泄露后，大多数 (59%) 的 Z 世代用户只是重复使用类似或现有的密码，而不是创建一个强大 ...继续阅读 (76)

上一篇博客提到我在使用 Dokploy 部署网站服务，但 Dokploy 不支持定时任务，于是只能创建普通服务，并在内部使用脚本定时执行命令。最近发现，将这些定时任务放在函数计算中执行可能是更好的选择。我的服务都跑在阿里云上，下面介绍的也是阿里云函数计算。创建函数要创建一个函数，在阿里云函数界面后台，点击创建函数按钮即可，如下图所示：在随后的界面中，选择“任务函数”类型。然后，函数代码部分可根据需要选择类型，比如可以使用 ACR 中的 Docker 镜像。需要注意的是，无论是上传代码还是使用 Docker 镜像，都要确保对应的代码能提供一个 HTTP 服务，因为定时任务执行的入口即是这个 HTTP 服务。其他还有环境变量等配置，根据你的实际情况填写即可。函数入口使用函数计算的定时任务，需要你的代码提供一个 HTTP 服务，定时任务执行时，会以 POST 的方式请求/invoke路径，即类似下面这样的请求：curl -X "POST" "http://localhost:8050/invoke" \ -H 'Content-Type: application/json' \ -d $'{ "payload": "YOUR_PAYLOAD", "triggerName": "trigger-name", "triggerTime": "2025-04-2 ...继续阅读 (39)

语录（凭借记忆复述，没有任何公司敏感数据）- 其实很多事情，做的时候不去想过回报，只是相信这是需要去做的，坚持去做，有一天结出的果实，会让我们无比感动。- 很多人都在担心，AI在带来好处的同时，会对人类社会有超越想象的破坏力。而我是一个坚定的人类相信者，我相信在人与机器的竞争中，人类一定是最后的胜利者。你解决不了，一定有人解决得了；我们这代人解决不了，下一代一定有人能解决得了。- 前几年，人跟AlphaGo下围棋的时候，很多人觉得很沮丧，连围棋都下不过机器。其实这很正常，围棋就是为人类设计，因为你会下臭棋，因为你会生气，这才是下棋的乐趣，干嘛要跟机器去比谁下围棋下得好。人类要学会的不是与机器抗争，而是去驾驭好AI，用好AI，把AI变成人类的朋友、伙伴，而不是敌人。- AI是智能，智能是改变世界的工具，而我一直相信，人类拥有机器和动物不具备的，那就是智慧，而智慧是改变智能的思想。智能来自于大脑，而智慧来自于心脏。更何况今天人类对自己大脑的使用还不到7%，明天的AI也许会部分取代或者超越今天人类的智力和很多的能力，但我还是相信无法超越人类的智慧。- 我们应该帮助人类活得更好、活得更久。我们不是去追求让机器像人，而是让机器去理解人类，像人类一样去思考，做人类做不到的事情。我们应该让机器去破解生命的密码，帮助人类战胜疾病，我相信人类的生命，寿命的长度和质量一定会因为AI有巨大的突破，熬过十 ...继续阅读 (41)

不想用 socat，水一下内容stream { map $server_port $snmphost { 3501 10.0.0.1; 3502 10.0.0.2; 3510 10.0.0.10; 3511 10.0.0.11; 3520 10.0.0.20; 3523 10.0.0.23; 3530 10.0.0.30; 3531 10.0.0.31; 3535 10.0.0.35; } server { listen 0.0.0.0:3500-3550 udp; #低版本可能不支持，要每个端口写一遍 proxy_connect_timeout 15s; proxy_timeout 30s; proxy_pass $snmphost:161; #allow 333.333.333.0/24; #白名单IP段 #deny all; } } ...继续阅读 (44)

这个是来自于我自己的偏见，当然，也有很多的论文、报告在解释这个问题，我想以我自己的视角来描述一下我对于这个问题的看法。本文的短视频特指抖音/快手/小红书等采用算法推荐短视频的平台。这些平台以流量为导向，主要内容是秀场类型的视频和拍段子类型的视频。人如何变得更聪明？如果我们想要了解到为什么认为短视频会让人变得更「笨」，我们得先知道「笨」和「聪明」的定义，并设定对应的评估指标，才能真正评估一个人是否会因为短视频发生相关的变化。这里我认为「聪明」是指 —— 能够进行深度思考、敢于且愿意去触碰自己从未接触过的事情；而与之对应的，「笨」则是指——习惯于用已有的反馈回路思考（直觉、下意识）、不愿意去触碰自己未曾接触过的事情。为什么短视频会让人变得更「笨」坦诚的讲，如果我们讲短视频平台，他只是一个信息获取的渠道，作为渠道，本身并不能让人变得更笨。但，智能推荐算法和短视频平台流量的逻辑，会让人看到的信息快速同质化。再加上人类性格中喜欢的「轻松」，会让一个人朝着「越来越轻松」无限滑坡下去。当然，这个说法其实是有很多讨论空间的，比如：如果一个长视频平台也采用算法推荐逻辑，是否也会让人变笨？比如 Youtube、Bilibili？：让人变笨的并不是智能推荐，智能推荐也有很多种做法。最常见的是猜你喜欢，一般而言是从和你相似画像的人这边拿到他喜欢的内容，再推荐给你。但这里会存在一个陌生内容和非陌生内容的度， ...继续阅读 (30)

前面刚刚讲了如何搭建 MinIO，本文趁热打铁手把手教你如何配置 MinIO 权限配置。对于略懂 MinIO 的用户，配置权限可能是个挑战：如何安全地让别人读取存储内容，但不能列出所有存储桶或文件列表？或者让某个存储桶的内容可以列出？ 本文将深入讲解 MinIO 的身份管理和权限配置，聚焦存储桶权限（private、public、custom）的区别和 匿名访问 的应用，通过清晰的场景示例，教你实现安全分享，同时保护数据。MinIO 身份管理基础MinIO 的身份管理负责用户认证和授权，默认使用内置身份提供者（IDP）。核心概念包括：用户（User）用户通过Access Key（用户名）和Secret Key（密码）访问 MinIO，可用命令行工具mc或 Web 控制台管理。服务账号（Service Account）服务账号是为应用程序设计的专用凭证，无法登录控制台，但可通过 API 访问资源，适合自动化脚本或服务集成。策略（Policy）JSON 格式的策略定义用户、服务账号或匿名访问对存储桶（Bucket）和对象（Object）的权限，基于 AWS S3 语法。匿名访问（Anonymous Access）允许未认证用户（无Access Key）通过 URL 或 API 访问特定资源，需通过存储桶权限配置。用户组：可通过mc admin group批量管理用户权限，本文不展开。我 ...继续阅读 (58)

最近在使用 conda 管理 Python 环境时，遇到了一个诡异的问题：明明已通过conda activate切换到目标环境，但运行python --version时版本仍显示 Homebrew 安装的3.13.1，而非 conda 环境中指定的3.11.x。经过一番折腾，最终确认是PATH 路径冲突导致的。问题现象激活 conda 环境后，系统仍优先调用了 Homebrew 的 Python。原因分析1.Python 别名干扰通过which python发现，python命令被别名指向了 Homebrew 的路径/opt/homebrew/bin/python3。这种别名会直接覆盖 conda 环境的路径优先级，导致环境切换失效 。2.PATH 路径顺序问题conda 环境依赖PATH环境变量的优先级。正常情况下，激活环境后，conda 会将当前环境的bin目录（如/opt/anaconda3/envs/pandas/bin）添加到PATH的最前面。但如果 Homebrew 的路径（/opt/homebrew/bin）在此之上，系统仍会优先调用全局安装的 Python 。解决方案步骤 1：移除 Python 别名检查并删除~/.zshrc或~/.bash_profile中的 Python 别名配置：unaliaspython# 临时移除当前会话的别名若希望永久生效，需手动编辑配 ...继续阅读 (32)

花下猫语：我们周刊第 98 期分享过一篇文章，它指出了__init__方法存在的问题和新的最佳实践，第 99 期也分享了一篇文章佐证了第一篇文章的观点。我认为它们提出的是一个值得注意和思考的问题，因此将第一篇文章翻译成了中文。原作：Glyph译者：豌豆花下猫@Python猫原题：Stop Writing__init__Methods原文：https://blog.glyph.im/2025/04/stop-writing-init-methods.html历史背景在 Python 3.7 版本（2018 年 6 月发布）引入数据类 (dataclasses) 之前，__init__特殊方法有着重要的用途。如果你有一个表示数据结构的类——例如带有x和y属性的2DCoordinate——你如果想通过2DCoordinate(x=1, y=2)这样的方式构造它，就需要添加一个带有x和y参数的__init__方法。那时候可用的其它实现方法都存在相当严重的问题：你可以将2DCoordinate从公共 API 中移除，转而暴露一个make_2d_coordinate函数并使其不可导入，但这样你该如何在文档体现返回值或参数类型呢？你可以记录x和y属性并让用户自己分别赋值，但这样2DCoordinate()就会返回一个无效的对象。你可以使用类属性将坐标默认值设为 0，这虽然解决了选项 2 的问题， ...继续阅读 (55)

本篇文章主要用代码代码结合一些图来看。实现一个 无锁哈希表，一共需要考虑实现以下几点：无锁动态数组线程间如何管理内存，避免释放无锁链表下面我们先一一介绍 MySQL 是如何实现的，最后介绍无锁哈希表实现。1 无锁动态数组 LF_DYNARRAYLF_DYNARRAY 总共 分为 4 层，每层能容纳的元素是指数级别增加的，如第 0 层能存储 255 个元素，每个 n + 1 层包含 255 个 n 层顶长数组。这样来支持不同纬度的内存扩展。最长支持 4311810304 个元素。LF_HASH 几乎所有涉及数组部分都是基于 LF_DYNARRAY。typedefstruct{std::atomiclevel[LF_DYNARRAY_LEVELS];// 每个 level 的数组其实地址uintsize_of_element;// 数组 element 占据的内存大小}LF_DYNARRAY;voidlf_dynarray_init(LF_DYNARRAY*array,uintelement_size);几个数组操作重要的函数：// 按 idx 索引数组元素，不存在就申请空间，返回申请空间的位置void*lf_dynarray_lvalue(LF_DYNARRAY*array,uintidx);// 遍历数组元素，调用传入的回调 func，自定义的 func 需要处理每个 level ...继续阅读 (15)

早上突然发现了 Spotify 这个新的 AI 歌单功能，感觉很有意思。在「音乐库」页面点击右上角加号就能找到入口。点进去就可以打字告诉 AI 你想要什么样的歌单，现在仅支持英文。AI 很快就能根据你的提示生成 30 首相关音乐，在这个界面可以点击加或减，将你想要的点击号，然后按下方的 Create 生成歌单。歌单生成后你还可以点击「优化歌单」来增删原歌单或让 AI 重新为你生成新的列表。 ...继续阅读 (45)

一、引言：形式化定理证明的困境与机遇在数学研究的圣殿中，形式化定理证明始终扮演着"终极验证者"的角色。从欧几里得的《几何原本》到现代数学的ZFC公理体系，严格的形式化证明始终是数学真理的基石。然而，这一过程长期面临两大挑战：人类认知瓶颈：数学家需要将直觉性思维转化为符号逻辑系统（如Lean/Coq）的严格推导，这种"思维编译"过程耗时且易错。机器可解释性缺失：传统自动定理证明器依赖硬编码规则，难以处理开放域的高阶抽象推理。DeepSeek-Prover-V2的诞生，标志着神经定理证明（Neural Theorem Proving）进入新纪元。该模型在MiniF2F-test上达到88.9%的通过率，首次在形式化推理领域逼近人类顶尖选手水平，其技术突破值得深入解析。二、技术架构：三阶递进的智能证明引擎2.1 递归子目标分解（Recursive Subgoal Decomposition）核心思想：模仿人类数学家的"分治策略"，将复杂定理分解为可独立验证的引理链。实现步骤：自然语言草图生成：DeepSeek-V3将原始问题转化为非正式证明大纲lean4复制下载-- 示例：IMO 1963 P5的非正式推理 "观察到cos(π/7) - cos(2π/7) + cos(3π/7)的对称性，尝试使用倍角公式展开..."形式化子目标标记：将大纲转换为Lean4语句，用sorry标注待证子目标 ...继续阅读 (46)

对象存储和 Web 服务是开发者必备工具。MinIO 凭借高性能和 S3 兼容性成为存储领域的“顶流”，Caddy 则以自动 HTTPS 和极简配置深受开发者喜爱。结合 Docker Compose，只需 5 分钟，你就能搭建一个安全、高效的对象存储服务！本文手把手教你部署 MinIO + Caddy。前提要求群晖/大盘鸡（大硬盘 VPS）：运行 MinIO 服务。大带宽机器（如腾讯云锐驰 200）：运行 Caddy，代理 MinIO 服务。组网服务（如Tailscale/EasyTier）：确保内网互联互通我的网络环境通过组网服务实现全链路打通，家里的群晖与腾讯云锐驰无缝互联，Caddy 代理内网 MinIO 服务，借助锐驰大带宽对外提供高效访问。为啥选择 MinIO + CaddyMinIO：开源、S3 兼容、支持分布式存储，轻松应对海量数据。Caddy：自动 HTTPS、配置简洁，专为高并发优化，支持丰富插件。Docker Compose：一键部署多容器，省时省力。组合优势：Caddy 为 MinIO 提供安全访问和负载均衡，Docker Compose 确保部署简单，完美适配静态文件托管、API 服务或私有云存储。5 分钟快速部署根据需求，可选择在同一机器上部署或分布式部署。我因跨机器需求，选择分布式部署。部署 MinIO群晖已支持 Docker Compose，通用配置如 ...继续阅读 (61)

Yandex Browser是由俄罗斯Yandex开发的网页浏览器，基于Chromium引擎，具备流畅的多端体验和多种独特功能，包括内置翻译、侧栏工具和标签分类。尽管存在内存占用和隐私问题，它的使用体验依然让人满意。 ...继续阅读 (61)

拒绝内耗的最好途径是说 no，但平时我们碍于面子等原因不好意思直接说 no，这个 API 可以随机返回一些冠冕堂皇的原因，让你更体面的说 no感觉可以基于这个 API 快速出一个网站，更适合普通用户使用，另外也可以让 DeepSeek 给出一些更适合中文的理由。API 地址🫘：https://ouo.io/2w6Ev0F ...继续阅读 (70)

在Oracle官方文档Using LogMiner to Analyze Redo Log Files[2]中，对该功能有详细的介绍，包括了LogMiner的配置与使用、数据过滤、补充日志（Supplemental Logging）、使用示例等。Oracle 何时引入的LogMiner？自 1999 年发布 Oracle 8i 的时候，正式引入 LogMiner 功能（参考：Redo Log Analysis Using LogMiner[1]）。该功能支持以SQL的形式分析redo中的数据，最初考虑的应用场景，主要还是偏于故障恢复、异常诊断、审计等，但是该功能的潜力很大，现在已经逐步成为Oracle CDC的主流方案之一。目前已经有很多的集成/同步工具都使用LogMiner进行变化数据获取，虽然，目前官方依旧不推荐这么做，文档中的原文如下：“Note:LogMiner is intended for use as a debugging tool, to extract information from the redo logs to solve problems. It is not intended to be used for any third party replication of data in a production environment.”根据经验来看，L ...继续阅读 (37)

AI 的浪潮正以前所未有的速度席卷着各行各业，而软件开发领域无疑是这场变革的风暴中心。从代码自动生成、智能调试到需求分析，从 Copilot 到 Cursor 等 IDE，AI 编程工具如雨后春笋般涌现，极大地改变了我们日常工作的逻辑。面对 Copilot/IDE 们日益强大的能力，许多开发者或许感到兴奋，或许也夹杂着一丝焦虑：当 AI 能写代码、能查 Bug 时，我们开发者的核心价值将何去何从？仅仅将 AI 视为提升编码效率的「高级自动补全」工具，是对这场深刻变革的误读。真正的挑战与机遇并存，它要求我们进行一次根本性的思维转变。如果仍然固守着传统的、以手动实现细节为主的工作模式，我们很可能错失 AI 带来的巨大红利，甚至在未来逐渐失去竞争力。这不再是简单地学习一个新工具，而是需要重塑我们的工作哲学和核心能力。今天我们将聊一下 4 个关键的思维转变和实践框架「AI 优先」 的工作流整合「指挥官思维」 的战略主导「向 AI 学习」 的持续进化态度构建高效「人机协同」复合框架的必要性1. AI 优先AI 优先是重新定义开发工作流的战略基石。1.1 核心内涵：从默认手动到优先 AI 协作「AI 优先」并非仅仅倡导使用 AI 工具，而是一种根本性的工作流程哲学和问题解决范式的转变。其核心在于，当我们启动任何一项开发过程中的任务——无论是需求分析、架构设计、编码实现、代码审查、联调测试、用例 ...继续阅读 (36)

Colima是一个免费的开源容器运行时，它使用QEMU在虚拟机中运行Docker容器。它是由Lima Project创建的，Lima项目是一群致力于创建工具以方便在 macOS上运行容器化应用程序的开发人员。Lima(Linux virtual machines (on macOS, in most cases)) 项目由一群MacBook开发人员用户于2019年启动，出于对macOS缺乏良好的容器运行时和工具的不满而DIY。当时，在 macOS 上运行Docker容器的唯一选择是适用于macOS的Docker Desktop，它需要大中型公司的许可证。Lima项目着手为macOS创建 Docker Desktop的免费开源替代方案，以提供更好的性能和更多功能。Colima的主要特点包括：支持多种芯片架构- 完美支持搭载Intel和Apple Silicon芯片的Mac设备，以及Linux系统简单的命令行界面- 提供直观的CLI操作方式，并采用合理的默认配置自动端口转发- 智能处理容器端口映射，简化网络配置卷挂载支持- 支持在容器和主机之间共享文件系统多实例管理- 可以同时运行多个独立的Colima实例灵活的运行时选择- 支持多种容器运行时：Docker（可选择性集成Kubernetes）Containerd（可选择性集成Kubernetes）Incus（支持容器和虚拟机）在底层实 ...继续阅读 (25)

官方文档FTS 简介FTS 的 IS 表FTS 的使用简介FTS 是倒排索引，对索引列上的文本分词并建立 词 -> 行 + 位置 的映射。词 -> 行 通过一个额外的隐藏列 FTS_DOC_ID 和 FTS_DOC_ID_INDEX索引完成。doc_id 是这一行的唯一标识，类似于自增唯一索引，并且在 FTS 文本更新时也会触发产生新的 doc_id。FTS 需要为每个建立 FTS 索引的表和每个 FTS 索引维护多张额外的表。这些表的维护穿插在常规建表/插入/删除等逻辑中。FTS 的数据可见性和提交逻辑与常规数据不同：即使在同一个事务内，FTS 索引的修改仅在提交后可见新增文本的 FTS 索引不随事务提交而落盘，只写入内存 cache，有额外的同步操作触发落盘删除文本的不删除 FTS 索引，仅记录删除的行（落盘），在 optimize 时触发真正的删除由于内存 cache 的机制，RW 上的修改在 RO 上不可见，PolarDB 新增日志类型同步 FTS cache 的修改，保证 RO 的一致性FTS 中一些重要结构和辅助表之间的关系代码建表建辅助表create_table_info_t::create_table /* Create the ancillary tables that are common to all FTS indexes on this table. ...继续阅读 (17)

随着大型语言模型（LLM）的快速发展，DeepSeek以其高效的性能和开源特性成为开发者关注的焦点。LM Studio作为一款强大的本地AI模型管理工具，为用户提供了便捷的DeepSeek部署方式。本文深入探讨如何通过LM Studio的用户脚本实现DeepSeek的自动化运行，涵盖环境搭建、模型部署、脚本开发以及优化技巧。文章通过大量代码示例和详细注释，分享实战经验，帮助开发者在本地高效利用DeepSeek进行任务自动化。无论是数据隐私保护还是成本控制，本文都将为您提供全面的技术指导，助力解锁本地AI的 ...继续阅读 (47)

https://www.youtube.com/watch?v=sGm505TFMbURoger Penrose: I don't believe it is consciousness that collapses the wave function, instead it's the collapse of the wave functions that produces consciousness这句话很美妙啊。一下子把唯物和唯心给联系起来了。我一直觉得，人的意识，就是因果律的推演。这个推演明显是一个离散的，有清晰步骤的，quantized 的和决定论的。人的潜意识和直觉可能是概率的。看完这个 90分钟的访谈，我大概明白为啥 量子力学 和 神棍 经常联系在一起了。一切都源于这个薛定谔方程 和 “观察者”观察者不是一个真实存在的定义。你甚至无法严格定义 观察。欧美神棍一般喜欢往三位一体，意识，灵性上面靠。感觉物理世界是混沌的，一下子有了光，状态就坍缩了。哈哈哈。国内的话 遇事不决，量子力学。民科重灾区。甚至还有量子佛学这种离谱的。他还写了一本书，Fashion , Faith and Fantacy，fashion就是弦论，faith 就是量子力学。fantacy是宇宙膨胀理论。哈！ ...继续阅读 (33)

图像分类作为计算机视觉领域的核心任务之一，在人工智能的发展中扮演着至关重要的角色。随着深度学习技术的迅猛发展，卷积神经网络（CNN）已成为实现高效图像分类的主流方法。本文旨在深入探讨基于Python的图像分类技术，系统介绍从基础CNN模型到更为复杂的残差网络（ResNet）的构建与优化过程。首先，文章回顾了CNN的基本原理，包括卷积层、池化层及激活函数等关键组件，并通过数学公式阐释其工作机制。随后，本文详细展示了如何使用Python及主流深度学习框架（如TensorFlow和PyTorch）实现一个简单的C ...继续阅读 (69)

在数据驱动的时代，文件和数据库的备份与恢复是保障系统稳定性和数据安全的关键。本文深入探讨如何利用 Python 开发一个自动化备份与恢复系统，支持文件系统和数据库（如 MySQL）的定期备份与快速恢复。通过详细的代码示例和中文注释，读者将学习如何实现文件的压缩备份、增量备份、数据库导出，以及异常处理和日志记录。本文不仅覆盖基础功能，还扩展到定时任务调度、恢复验证和云存储集成等高级特性。无论是个人开发者还是企业运维人员，都能通过本文掌握实用技能，构建一个健壮的自动化备份解决方案，保护数据免受意外丢失的威胁。 ...继续阅读 (155)

自然语言理解（NLU）是人工智能（AI）领域中的重要研究方向之一，其目标是让计算机理解和处理人类语言。在NLU的众多应用中，实体识别（Named Entity Recognition，NER）是基础而关键的任务之一。实体识别旨在从文本中提取出特定的实体，如人名、地名、时间等。本篇文章将详细介绍如何利用Python中的自然语言处理工具（如spaCy和NLTK）来实现实体识别系统。文章将包括理论讲解、代码示例和中文注释，帮助读者理解实体识别的基本概念、实现步骤以及常见的技术挑战。通过具体的实例和详尽的解释，读者 ...继续阅读 (41)

之前，也有小伙伴让我推荐几家物理服务器(后面简称杜甫), 趁着五一假期有活动，推荐两家我都在用的，各有优势，但是活动期价格会有优惠。物语云优点工单响应速度快有 DDoS 攻击防护大带宽流量套餐/上行限速的不限流量套餐(账单日可互换)测试不满意满足条件可退款不足多台机器暂不支持组内网暂不支持 ipv6暂时只支持国内只支持操作系统安装目前活动立减优惠码Event8259物语云计算物理机活动：双路铂金物理机600G防护399/月起。 🎉限时立减100循环优惠码： Event8259 ※优惠码使用流程：登录账号后选择对应产品，在下单处点击“我有优惠码”之后填入。 硬件配置： 物理服务器｜NVMe SSD｜资源完全独享｜自助管理面板 CPU：双路铂金Platinum8259CL 48核96线程 内存：128G RECC DDR4 硬盘：1TB NVMe SSD 网络规格： 以下四种网络规格可选，价格相同： - 浙江宁波/电信/50Mbps独享/100G防护/不限流量 - 湖北十堰/电信/50Mbps独享/600G防护/不限流量 - 浙江宁波/移动/50Mbps独享/10G防护/不限流量 - 浙江宁波/电信/500Mbps流量计费/100G防护/双向2TB 优惠活动： 销售价：1150/月 优惠价：499/月 活动价：399/月，循环优惠，续费同价。 ※上述产品均为独享带宽，并 ...继续阅读 (66)

WordPress 6.8 正式版发布了，按照 WordPress 官方说法，这是一个精雕细琢的版本，对日常使用的工具进行了全面的打磨和升级，让你的网站运行更快、防护更强、使用更顺手。样式手册全面优化样式手册（Style Book）采用结构化布局设计，界面更加清爽直观，通过清晰的标签，让管理员可以轻松管理全站的颜色、字体等样式设置。​特别值得一提的是，现在样式手册还兼容经典主题，只要主题包含editor-styles.css文件或theme.json配置文件，就能在「外观」＞「设计」中使用这一功能，在编辑 CSS 或使用定制器时，所有样式更改都能实时预览，让设计过程更加直观高效。编辑器改进数据视图（Data Views）的选项展示更加清晰明了，现在可以轻松地从查询循环中排除置顶文章。此外，编辑器还包含了70多处细节优化，从内容排版到最终发布，整个创作流程都变得更加流畅自然。极速预加载技术​WordPress 6.8 引入了极速预加载技术（Speculative Loading），它能够在用户鼠标悬停或点击链接时，会自动预加载下一页内容，使页面跳转几乎达到瞬时完成的效果。开发者还可以通过插件或自定义代码来调整预加载策略，最后这项功能仅在现代浏览器中生效，对老旧浏览器则完全无影响。更强的哈希算法WordPress 6.8采用了更强大的bcrypt哈希算法，这种算法算法需要消耗大量计算资 ...继续阅读 (46)

WordPress 6.8 正式版发布了，按照 WordPress 官方说法，这是一个精雕细琢的版本，对日常使用的工具进行了全面的打磨和升级，让你的网站运行更快、防护更强、使用更顺手。样式手册全面优化样式手册（Style Book）采用结构化布局设计，界面更加清爽直观，通过清晰的标签，让管理员可以轻松管理全站的颜色、字体等样式设置。​特别值得一提的是，现在样式手册还兼容经典主题，只要主题包含editor-styles.css文件或theme.json配置文件，就能在「外观」＞「设计」中使用这一功能，在编辑 CSS 或使用定制器时，所有样式更改都能实时预览，让设计过程更加直观高效。编辑器改进数据视图（Data Views）的选项展示更加清晰明了，现在可以轻松地从查询循环中排除置顶文章。此外，编辑器还包含了70多处细节优化，从内容排版到最终发布，整个创作流程都变得更加流畅自然。极速预加载技术​WordPress 6.8 引入了极速预加载技术（Speculative Loading），它能够在用户鼠标悬停或点击链接时，会自动预加载下一页内容，使页面跳转几乎达到瞬时完成的效果。开发者还可以通过插件或自定义代码来调整预加载策略，最后这项功能仅在现代浏览器中生效，对老旧浏览器则完全无影响。更强的哈希算法WordPress 6.8采用了更强大的bcrypt哈希算法，这种算法算法需要消耗大量计算资 ...继续阅读 (42)

这里记录每周值得分享的科技内容，周五发布。（[通知] 下周五一假期，周刊休息。）本杂志开源，欢迎投稿。另有《谁在招人》服务，发布程序员招聘信息。合作请邮件联系（yifeng.ruan@gmail.com）。封面图大阪世博会的中国馆，以"中华书简"为主题。（via）未来就是永恒感的丧失有一类人叫做未来学家（Futurists），专门研究未来。这类人通常很快被忘记，因为他们的预测基本不准。就算偶尔说对了，后人也会觉得稀松平常。历史上最著名的未来学家，大概是一个叫做阿尔文·托夫勒（Alvin Toffler，1928--2016）的美国人。上个世纪七十和八十年代，他写过很多预测未来的书，非常畅销。1983年，国内就引进了他的书，轰动一时。时过境迁，现在几乎没人提他了。前些日子，一个朋友对我说，你可以去看看他的书，居然没有完全过时。我看了一些片段，很震惊。这些片段根本不像写于半个世纪之前，更像写于现在。托夫勒的第一本书，叫做《未来的冲击》，写于1970年，国内有中文版。下面就是他的主要观点。大家一定要记住，这些话写于1970年，那个时候还没有信息革命，既没有个人电脑，也没有手机和互联网。托夫勒认为，人类以前是农业社会，现在是工业社会，即将进入超工业社会。超工业社会有两个特征。首先，工业人口只占少部分，大部分人从事脑力劳动。其次，即使少部分人从业工业，生产出来的工业品，也大大超过需要。那么， ...继续阅读 (46)

随着人工智能技术的快速发展，大语言模型（LLM）在边缘设备上的部署成为研究的热点。Ollama 作为一个轻量级开源框架，通过模型压缩技术（如量化、蒸馏和混合精度训练）显著降低了 DeepSeek 等大模型的资源需求，使其能够在资源受限的边缘设备上高效运行。本文深入探讨了 Ollama 的模型压缩技术，结合 DeepSeek 模型在边缘设备上的部署实践，详细解析了从模型量化到本地推理的完整流程。通过丰富的代码示例和数学公式，本文展示了如何在边缘设备上实现高效推理，并提供了性能优化和安全部署的实用建议。文章旨在 ...继续阅读 (36)