逆向工程 ANE


https://cra.sh/public_html/strlcpy3/iosmacos-exploit-chain-cve-2022-32845-32948-42805-32899-weightbufs


一个 Rust 的实现

https://github.com/computer-graphics-tools/ane

周末开始跑 Karpathy 的新工具，试了两个场景，一个是 SEO 优化，一个是爬虫数据的清洗。

步骤很简单：

1. 让 agent 读取 autoresearch 的文档和代码；
2. 让它根据你的需求改写条件和目标，审核之后，就开始跑。

很适合跑多种组合+明确目标+快速迭代的实验。

https://github.com/karpathy/autoresearch

Shopify 的老板 Tobias Lütke 基于上面的框架，发布了 pi-autoresearch，并且用这个工具把 Shopify 依赖的 liquid 的性能大幅提升：

53% faster parse+render, 61% fewer allocations

https://github.com/davebcn87/pi-autoresearch

https://github.com/Shopify/liquid/pull/2056

仔细想想，这个和机器学习里的 grid search 理念有点相似。

grid search 是在机器学习中找 hyperparameter 时常用的方法。即暴力穷举各种可能，然后开始跑 cross validation。当然一次只能针对一个算法跑，所以局限在机器学习的场景里。

最近碰到清洗数据的问题，最早用了基于规则的方法清洗，几乎所有 agent 给出的最先方案都是这些。当然拿来做 baseline 也不错。但很快就遇到瓶颈。于是我想着本地能跑的模型性能也还不错，不如再加上 llm，这些是现在业界常用的清洗方法。

两种方法各有长短：

1. 基于 regex 的规则写起来快，处理速度也快，但是维护起来困难，而且非常容易 overfit

2. nlp 写起来慢，处理起来也慢，但是维护起来相对容易，也更容易拓展到新数据上。

上面的截图里，baseline 是基于 regex 写的规则，抽取率是 31%。我希望达到的目标是提高抽取率，同时慢慢用 nlp 取代冗长的 regex 规则，经过 A - G 轮的迭代，抽取率从 31% 提高到了68%，直接翻番。

全程我就是定义了目标，让 claude 自己读取文档，然后根据数据写 regex，写 nlp 算法，然后自行组合做 auto-research，半天时间就把抽取率翻倍，这在以前想都不敢想！

把博士论文用到的 R 代码丢给 Claude，让它重构一遍。不到半小时，砍掉了 68% 的重复代码 🤣

最近帮朋友优化 Wordpress，不得不感叹，有了 agent 之后简单太多了：

1. 让 claude 写了一个 Wordpress MCP，直接可以读取/更新文章，不用再去 Wordpress 后台一篇篇贴；

2. 朋友把所有相关文档存在 google drive 里，问 claude 怎么可以批量获取数据，推荐了 mcp 和 rclone 两个方案，选了后者。一步步在 google cloud 上配置好权限之后，我们就顺利获得了文件；

3. 朋友的品牌设计林林总总好多个文件，字体文件，PDF 等等不同的格式。让 claude 读取了之后，直接生成一个 token.json 和 vi.html，所有视觉设计的要素就浓缩成几十 kb 的两个文件了。

Cline 出了自己的 kanban 调度系统，可以调用 claude / codex 之类的 agent。也是基于 worktree 设计的。

npm i -g cline

https://cline.bot/kanban

以前在各种后台改配置，最怕的就是不知道去哪里改，改完之后发现改错了。

现在准备了这么一个修改记录，每一步都问 AI，改完之后再让 AI 记录，这样一来，相当于有了一份 git 记录，即使改错了，也可以改回去。不同的改动有冲突也容易发现。

OpenAI 看到社区这么喜欢同时用 Claude 和 Codex，直接自己出了个 skill，可以在 Claude 里调用 Codex

https://github.com/openai/codex-plugin-cc

https://x.com/romainhuet/status/2038677236304245087

费了老半天劲，终于把开发环境部署到了 railway 上，架设在 tailscale 里，使用 cloudflare tunnel + access：

1. Container: node:22-slim based, deployed on Railway
2. Persistent volume: Railway volume — stores tools, workspace, Tailscale state
3. SSH access: Tailscale SSH
4. Browser access: code-server via Cloudflare Tunnel
5. Auth: Cloudflare Access

加了 persistent volume，所以现在部署很快。

code server 很不好部署，一直和 tailscale 有冲突，最后加了 cloudflare tunnel，绑定在自己的域名下。用 cloudflare 鉴权就可以通过浏览器访问了。

codex 可以用 device code 登陆。

其实我把开发环境丢在家里的 Mac mini 上好几个月了，没啥大问题，但是首次连接会有些小问题。

另外考虑到回国之后没法用很多工具，所以就在 railway 上部署了另一个环境。

以后应该会把 railway 作为主环境，家里的 mac mini 作为备份。

昨天在国内一个高校分享了这一年多来的编程体验，我的理解是差不多经历了现金支付，信用卡支付再到移动支付三个时代。

所谓的现金支付阶段，是指开着一个 AI 聊天窗口，问一个问题，AI 生成一段代码，然后把代码带回 IDE 里跑一下，如此往复循环；

而到了信用卡支付阶段，开始在终端里跑 agent，agent 可以了解整个 repo 的上下文，对整个项目有更全面的了解，进而有更强的自主性，人的角色也慢慢变成了参与者；

现在到了移动支付阶段，agent 可以根据上下文，根据需求制定计划，人审核之后，agent 可以拆分子任务交给不同的 subagents 执行，执行完还可以调用其他模型审核代码。人的角色慢慢变成了架构师。

当然这些都在极速变化，我们可以 keep calm and catch on。

来听讲座的大概有二三十位数学系/统计系的同学，除了个别几位用到了移动支付阶段的 AI 编程，剩下的大部分都还停留在现金支付阶段。

跑去见高中的校长，和他聊了不少。

尽管他是老师，但年长我不多，所以我们交流比较随意。

我举的例子是，比如备课这件事和写代码其实很像。他们有多年教学经验的老师，积攒了大量的课件。如果有新教材出来，其实可以让 agent 学习之前的课件，了解老师的风格，为新课程准备课件。老师审核之后，作出相应修改，就可以拿去教学了。就好像让 agent 进入一个 repo，学习了上下文，就可以写出更好的代码一样。

他也觉得这事有可能。但这样一来，学校和老师的地位都有可能动摇。因为学生可能有更强的 AI 学习技能，而老师能教授的可能还不如 AI 多，还不如 AI 快。这样一来，学校的意义是什么？老师的意义是什么？ 如果脑机接口进一步普及，那是不是只要接一个脑机接口，就能升级知识？那么考试的意义又何在？他还说现在那批在国外留学的学生，有不少都在研究脑机接口。可能未来会有更快的发展。

我的理解是：

1. 这样的变化只会越来越快，当然深处其中，我们很有可能会焦虑，这也在所难免。也许回头来看，这些都好像自然而然。就好像我们当时看到 devin 发布的时候，觉得 AI 写代码是天方夜谭，现在再一看，有几个程序员不用 AI 写代码？

2. 回头来说老师和学校的作用，我觉得可能会逐渐变化成 mentor 的角色。具体的知识点可能由 AI 来完成教学，但学什么方向，怎么学可能需要老师来指点。当然老师本身也需要具备更强的技能，更宽广的视野。他基本认同这一观点，但是要有破局者来作出改变，在现行环境下，极其困难。

3. 当然也许过几年回头来看，这些都是毫无意义的讨论，可能所有的发展都和我们想象的不一样。

Cloudflare 这个产品对于 GitHub 极具挑战性。特别是近来 github 事故频发。

https://blog.cloudflare.com/artifacts-git-for-agents-beta/

https://x.com/shadcn/status/2045324648464703596 😅

一月底最后一个周六有了一个灵感，想做个解放双手，优化了 AirPods 录音，边散步边和自己对话的 App。打开 Cursor coding 了一天，第二天就出门去 SoHo 散步就用上了，然后就完全离不开了，一天不落用到今天，录了300多条录音，200多个不同地点，近100小时和自己的对话。
这两个半月工作之余的 side project 时间全放在了这个 App 的打磨上，和自己和它的关系也有忽近忽远的变化，有意思的是也用它自己记录了下来。最近在读荣格，说自性化的目标是走向完整，走向完整指的是充分体验所有情感，如何充分体验所有情感？我给的答案是记录。放下手机，出门散步，踏出的每一步，对自己说出每个字，周围记录下来的环境音，路上随手拍的照片，都是值得记录下来的此时此刻。
随手录音，AI转录，适配了各种麦克风，privacy first，取名叫 Yuho，Logo是个伦敦的大肥鸽，昨天刚刚上线了，欢迎试玩，有机会一起散步🚶 如果用着感觉还不错，记得向我要 Pro 的兑换码

https://yuho.io