Feynman的四步学习方法： #ai （当然不是直接复制粘贴 😅）

1.收集有意思的知识点（最好是那些缺了，整本书或整段code就跑不起来的，甚至是会让这一个概念无意义的）
2.假装解释给一个小孩听（限时 6~8 分钟，逼你抓最粗的枝干，禁用任何新术语）
3.卡壳即宝藏
先问：“这个缺口如果被完美填上，能否顺便解决相似的两个问题？”
才带着这个缺口去“广度穷举”，而不是“精准补课”
同一个缺口在不同语境下有5种以上路径，知识图谱的边开始疯狂生长！
4.假装解释给一个欠揍的教授听
重新教一遍，这次教给“一个挑剔的专家”，他随时会 "So what?" "What about ___?" 你。
他随时会拒稿，因此你需要指出每条路径的优劣、适用场景、历史背景、潜在大坑。

#TLDR 找乐子、教初一、找茬、舌战大儒 （科班的做题家kimi最合适）
信息的生成、传输、消费，这个流程里包圆了。 #PLT 解释器 所涉及的“全面理解”，也不过这些

谈到“舌战”的对象，真人你要顾及的非技术太多，建议问“大贤者”：
感觉grok3的回答就像MLP里的Pinky在酒馆里和你“嘿嘿，...”的闲聊，有时会一针见血；Gemini2则像大树图书馆里的Twilight，非常有人文关怀，视角也比较宏观。😝

子曰：教学半。如果能在做完4步一个迭代后，留下一些融会贯通的小考验就更适合教别人了。
https://x.com/i/grok/share/dsV6tGZU0akYvVfyni3wxub5X

https://yinwang-wiki.github.io/site/blog/posts/2025/08/14/提高基础班的学费.html

在 AI 生成代码能力越来越强的时代，我传授的知识非但不会贬值，反而会大幅度升值。因为这个课程讲的并不是“编程”，而是计算机科学的精髓。

#经济 工具： https://chat.librechat.ai/share/OBrt-llz6-Vc2wGen_sHt
国内的其他套路： https://chat.librechat.ai/share/Z68uOwQ923wK8plGkhmRK

😅 yin的脸还挺大的。 虽然我也不喜欢造神崇拜（譬如说，我并没有依赖图灵的什么技术或方法论，图灵对现代Web栈和各位也没什么帮助，还不如老“冯诺慢”）

在我看来，虽然只有我们这样的 #CS 人能问出这种问题(见文顶)，但我们这样问了，很多人都可以自己去追问AI！
为什么说不应该贬值（其实只是跌价）呢？ 何况，很多人只是为了做一些很酷的事情学CS的，AI是个很好的分流。

😒关于copycat的问题，咱们的“同行听众”应该一直在注意我最近的内容。我也很有心，除了一些「学习的哲学」，七成是yin十年前就讲过的。
比如One语言、甚至是(Runtime==OS)的概念：《一种新的操作系统设(2018)》 就这么想了，而我也确实早就看过这类方向

要是我的语文能力，就像许多 #plt 人一样很差，我确实不能自证我不是“抢(robbed) 了他的点子(full reward for his originality)”！😝
其实呢我并不care这些理论上的，“死的所有权”。 可口可乐和其他饮料都有99%是水。难道所有造飞机的人，都是抄袭了鸟类么？

创作者所面对的痛点和语境相同，就会“趋同演化”。至理是历史的终结，Minix和Plan9还是Linux和Docker的老师呢，你可知道 tree /{proc,sys}/ 是从哪边“抄”的呢？
FirecrackerVM, Unikraft, eBPF/Luanitik, fil-c.org/compiler, ops.city 这些也都是2017往后的(内核态Lua是2009)，难道他们会去抄了yin“鸟不起的设想”么？ 😅

完善的理论本身是瘸腿，而我，并不是做一个UI的打包(software distribution)，而是完全遮蔽、归化了这一类rethink，形成了自己的“子系统”；就像我《面向薛定谔的技术分享》所述的哲学，她并非是嫁接yin“开源知识”的「yin学家😒」。
yin收集和中文化的思想，可能只占我体系的25%而已，并且只在"roots"里为了方便而出现。实际去 cat /proc/self/anyHow 时你可看不到他们理论的影子！因为我是一个爱用1~3个demo让旧理论变成footnote的人。

工程师最大的荣耀，就是让理论变成“理所当然的背景板”。 我将亲手把“前沿”变成“常识”
Idea is cheap, execution is everything!
“哦，那个啊，早被我优化成builtin了，你们还在手写呢？ 😒”

ps. 我写这么大一串，都是为了react一下yin现在的一些观念：

我必须严格控制谁能知道这些信息。我发现世界上有太多的 copycat 或者鹦鹉学舌的人。他们看到别人说了什么有价值的信息，就 copy 过去转述给别人，好像那想法是他的一样，如此获得地位和利益。
我发布的内容显然成为了这种人的关注点之一，所以我不想再多发布什么有价值的信息。 （我的洞见）……都是秘密，不会轻易传授。……类似于一个武林门派，学生必须符合严格的信任标准和资格。

我很尊敬他，但他看来也有点抽象化了😅，不谈以前阴谋论的事（那些是“相对”独立的）…… 有些领域的“交流土壤”和生态，真是有毒啊！
为什么C++的凡夫俗子反而没这么「聪明反被聪明误」 #statement 啊，还是科班好，虽然一到前沿就变“木兰编程语言”了。

#ai锐评 https://chat.librechat.ai/share/MaKcFUNSsx5pen64LSYmr
Unikraft https://serversfor.dev/linux-inside-out/the-linux-kernel-is-just-a-program/
单文件ELF+PE的可能性 https://justine.lol/cosmopolitan/howfat.html
GC/Rc 的最终 https://x.com/i/grok/share/ULJQCSOhg56OCZiY84f29lPZO

#vibe #embed PoV display, Holographic 😮
https://jsbin.com/sowamo/edit?html,output

https://chat.librechat.ai/share/Im6ypXadkhtqjzPVHbZJC Gemini3 很棒！
https://jsbin.com/godebah/edit grok3理解错了，但导入表写对了
https://jsbin.com/voyigen/edit 第一版
https://jsbin.com/sowamo/1/edit?output 无UI版


参照物： DIY https://www.instructables.com/PropHelix-3D-POV-Display/
ESP32 https://projecthub.arduino.cc/jobitjoseph/open-source-high-resolution-pov-display-using-esp32-799677
工业级3D显示 https://hackaday.io/project/180304-vvd-an-open-source-real-3d-volumetric-display

AI似乎为了显示效果，在GL里写死了视觉暂留的模拟（手写应该不会这么细😅）；不过看起来很酷，可扩展，而且也容易移植到RPi上。

btw. 搜到 https://0x7f.cc/tdps-design/ 大三智（能）（避）障小车项目研究，感觉业务逻辑也可以在2Dcanvas里模拟

回头整理下在workflow里插入Gemini/Grok的经验。😝

https://x.com/i/grok/share/ZBRA0vtJcBzGQpq9KQd56pJPu #FP #haskell

很好，以前ohos是滥竽充数，现在都会“妄自菲薄”了。 本来就和JDK没的比，新特性还要到字缝里去翻，不是 🤡么？ Rust好歹是原神呢😅

https://gitee.com/HW-PLLab/pllab_slides/raw/dev/WechatOfficialAccSlides/20221123-EffectHandlers从函数式编程到系统级语言-by-DanGhica.pdf#page=8
https://github.com/cangjielanguage/cangjie_stdx/blob/a7c43d44381a995262ac93ba56dce66090613269/doc/libs_stdx/effect/effect_package_overview.md

让各位看看外行写导论会写出什么幺蛾子来： https://zhuanlan.zhihu.com/p/76158581
我以前就是看的这种，纯浪费时间么，还不如蛤为仓颉的客座沙龙

我决定不把Effect归化到我的编程语言里去，技术细节见 #ai探讨 https://chat.librechat.ai/share/tPbd15iaCJ9_DMQNy7KuW 🤯
#ai对比 https://chat.librechat.ai/share/mEcMHpAc4j_v3HYn4fzwA

Algebraic Effects(AEff) 是最近纯函数式PFer的动向，用于替代各种Monad。这其实是PF对“易变现实”的很大让步了
就像不理解 “伪递归=改参跳到def开头重来”，PF非常在意“堆变量不纯，栈变量不纯，参数变就纯”的无聊形式，于是就有了 `{IO,State,Random} Monad` 这些“纯粹的参数”，组合出Monad jQuery式的调用链，就叫“do语句块”

`State(0).fmap(u=>u+1)` 其实就是 `Var(0).then(u=>u+1)` ，因为u+1那块可以调用另一个“广义Promise”，就有了 `flatMap(async(u)=>u+1)` ，这就是染色问题（没错，这正是 #Haskell Logo >>= ！）
flatMap的语意在List上很怪异，但对await这种Effect是必要的，记住：这个“盒子”不能拿 Var(wtf).v ，它只能 Var(wtf).then(cps) ，那么cps返回Var就会扰乱后续链！当然Monad有一套“Algebra而惧吧”的文字游戏（比如foldMap），这里只提applicable。

与强行拿call回调串联顺序，在语意层去手写interpreter里“求值序语法”的单子相比，AEff 更是典中典。 不过我在这里，却是要欲抑先扬的赞同AEff的4个爽点。

我喜欢把 Algebraic Effects(AEff) 函数叫做“袋鼠效应器”。错误、系统调用、localStorage等“感受器”被她放在育儿袋外，代数跳出袋子，感受器就【择机】把它放回去：
- 异常的冒泡、重抛或替换，类似Rust受检的Result<T,Err>
- “请求局部”的可变量容器，就像隔离的 Arena,localStorage,Worker全局 ，这样PFer就不会受“参数变才纯”的限制
- 单例工具的参数注入，比如“进程”的pwd，fetch的登录头
- 异步(syscall)！求值栈转回调链表，才能够做 sleep() 和 evpoll/queue 等“内核态操作”

异常异步相耦合，“IO结果注入”和可变容器相耦合，可以说很优雅的确定了报错与IO请求的“范畴”。
袋鼠妈妈，就是evloop，那感受器自然是线程了！catch时她停止resume，并且waitUntil池空的话，进程自然退出。

虽然用 auto await + implicit_arg(getters) 很容易breakdown AEff的概念，但它的本质是在于【可观测性】：在于静态确定“卡线程的调用”卡多久，依赖fs还是db，而非模拟(Promise.catch)。
AEff实现“参数变才纯”时，就比Monad轻量了许多： 别忘了var.flatMap(Var内)可以有then以外的键。 不过这种文字游戏对practical是白费脑力。

上面说欲抑先扬，那表扬完该批评了：AEff 中看不中用！
相对于DOM/Java“漏洞百出”的IO限界和样式值注入，Monad还不严谨吗？ 尽信书不如无书，尽受检不如不检。一个白屏是100%不会抛错的，这就是“干净”的价格。

我自己用我自己的异常和异步范式，实现那“4个爽点”
Result有另一种实现：所有值，包括0都是truthy。null,Error和NaN是falsey。只允许object键的值是null，而访问Error的任何键都会throw。

在这种模式下，为Result提供冒泡、捕获替换的最好方法，不是AEff的“自动await”，而是nulley链(?. 和 ??)，比如 txt=readSync('_404')? ，再加上“异步函数名”的约定，比如 read?('_404')? ，这些可以预处理实现，缺点是没有AE的默认值注入那么“自由”

至于可变状态，我使用类似Hooks的 n=inHole(0); n1=n.As(x=>x+1); n.As(233); assertEq(n1.v, 234) ，这个模式显然兼容Promise，As就等效Thenable。

---
有人告诉我可以直接在AEff语言上实现 read()?错处和“函数名?异步”，从而在架构上利用AEff，业务上却使用nulley链。这忽视了“async是否天然就该标明”的争议点。

AEff，或许是对系统调用的极佳抽象，也可以“插入”传统的OOP异常里。这就像closure变量不等于this变量，函数值与dict原型链，【正交】构成了对所有数据和操作的“Composer”。

但我认为，closure和SAM对象的协调性是特例，AEff和nulley链只能择一而从：AEff说到底还是 auto await + implicit_arg(getters) 的赠品，错处的一致性，不可能超过由链提供的默认值或rethrow操作！
AEff的赢面，是用函数签名【静态】确定线程的await，甚至能区分noreturn抛出vs捕获回调链表的优化，就像closure能unbox掉不泄露的SAM对象或纯const的cellvar。
但隐晦和省事，在工程上未必是好事，尤其是定义与使用处都不一致的AEff。

在应用编程时，几乎没人会根据Error子类去注入default，因为那天然是caller的职责，并且，其实 IO 是非常有限的！fetch() 或FileReader的caller“应该”有几层？

async到处乱窜，是因为UIUX没有切换到基于信号变量的 compose API ，和React恼人的useMemo一个道理。 本来是“setter续延”的粒度不够细导致的，AEff再去模糊界限，是对timing语意的忽视。
另一方面，AEff的函数签名过于复杂。异常和“系统调用”应该静态检查，但分的太细就是“屎上雕花”。我从没见过隔着两层caller还能针对性的fallback，而95%的App都以C的那种tag+msg处理异常。

仅仅是为了“async到处乱窜”和“参数变才纯”扩充结构化异常，看上去很值，其实并没有认识到“异步操作”的局限，也掩盖了catch{}本身的糅杂性；这就像Monad这个丑陋的“栈上Heap” hack，是在将错就错。Monad也是一个到处乱窜的“动态域”，do语句块可把它驯服了？
AEff 可以轻松实现“结构化并发”（协程的批量等待与撤回/close），看上去也很牛，但“异步的祖师”，DOM fetch() 用的却是信号变量，这不足以指出班门弄斧的“袋鼠笑话”吗？
ES6花了10年把你从for(x)带到forEach(x=>)，“结构化”的学霸又把你带回去了，那你打算怎么用“结构化并发”写一个IDM的暂停重下呢？
DOM或许像没有兼容问题的一体机，但它的思想是纯粹的。我们需要的是 Worker<->Promise&Signal、普通计算<->异步IO管线 这样清晰的解耦，而不是半吊子的“大同”！

😒 Kimi 这次有用多了，重要的是便宜

#PLT #learn HOAS/de Bruijn index 两种变量（和“栏目答”）实现方法 😅

#statement 知道我为啥圈选回复这条吗？
Algebraic Effects 也是一个PFP的“新秀”，但我考察后觉得没有吸纳的必要，那么不是新秀的deBruj啥，就更没有必要了。

我一直觉得提出它的领域（“定理证明器”）是多此一举的： 自己test都不明白，又何谈证明呢？ 若非如此，何需证明呢？
不懂的证明没用，能懂的证明干嘛！ 所以，我不会和AEff一样（因为像 #Haskell 还有些可取之处），就额外偏心一些

但是，这俩理论启发了我（作为负面教材），也算不虚此行，没有在弯来绕去的无聊符号上，浪费智商。
回头我会讲讲Prolog的“1=x式变量”与它所不能做的「形式化证明」有何联系。

https://t.me/dsuse/11841
#ai探讨 https://chat.librechat.ai/share/9iz2YegEZl9kEdiacDNmF

#ai探讨 这次的结果比较失败😅 我已经努力备稿了，但回答质量还和Gemini的版本、WEB数据集相关
总的来说，十几次提问点到的都有，有一些切入的很好，质量不稳定，显示我没有问到真髓。但总比知乎那些只会晒output的人好多了
https://chat.librechat.ai/share/aqfRjkK2bKQDQQKbvMDg_
https://x.com/i/grok/share/pNEr4q20xBGlITAXGso7Th8mL

让我们聊聊定义式编程与证明。

有句话叫“类型即命题，程序即证明”。一般来说，类型只是被常量“根”、变量的传导所决定的assert树，
是类型来证明程序的“有效”，而不是写出函数的定义，就使证明得解。
我认为这与三大要点相关：

1. 关系式编程的“无尽多态”

在Prolog里，(x+1=2) 不需要x的值，因为x本身就是(+)函数可以infer出的变量（就像解构）
甚至，自然数 (x+y=2) 也不需要，这是因为变量不被视为“右值” “左值”，而更像“等位值”或者“应后值(x=inHole 1)”

为了将DFS的推理过程与递归结合，一般是用Peano“链表数”简化自然数相加的意思： `append_out(x, [1],[1,1])`
如果把(+)视为assert，x,y 视为类型变量，甚至是程序……或者反之？我们就有了“兼容一切可能性”的检查器。这也是SAT算法的应用。

因为，这时“栏目答(lambda)”新建的变量，不是“要被赋值的盒子”，而是“约束的孔洞”。
“变量的容器”对函数就不再是黑箱，而是“提问的基础”。

2. 可以在函数执行前assert的“类型标注”

有句话叫“没有类型比def本身的实现，更能表达它的类型。”
无论def,class还是更复杂的结构，typehint的本质是被独立执行的assert语义，它是一个“子语言”。
写一个typer，其实就是写一个解释器，然后，让它停机。
这样就肯定不能体现“流控语意”，比如 for,if,throw，因此它也会引入模糊性，也就是 soundness vs completeness （误报时的过严和“执行时”过慢）

比如 union type “有联类型”就能比C的类型更好对应 (isXX? A():B()) 这种语法，因此更sound： 优雅的程序会“镜像”它所处理数据的结构，类型亦然。
到这里，我们已经看到“类型和程序同构性”里的三态：事后检查(TS)、同步构造(程序就像x,y)、事前求解(Prolog)

3. 程序的等价性

既然我们知道了关系式编程类似SAT，它的基石是 unify(A,B) 的成立、组合或分支，程序显然也有着相等性

(x=>x) 等价 (y=>y) 是栏目答演算里的一个“定理”，它的成立前提在TypeScript也可以表达： 如果类型签名不同，函数不可能相等。

但“等价”似乎是另一种： `f(A,B) 等价 ((A,B,_x)=>f(B,A))(B,A,0)` 并不比上面的“定理”困难，而且它的“类型签名”相差很大

“类型即命题，程序即证明” 在此到底是指什么呢？请结合要点1“等位值”探讨。

上面的等价性，在TypeScript上依赖于 <A,B> 变量被「抽象」成为不同类型，但是当涉及“字面类型”时：
`chkstk=(n)=>(n==0)? 0 : chkstk(n-1)+1`
如何证明若有 nat(n) ，chkstk会停机？ 请结合要点1讲解

#ai对比 https://chat.librechat.ai/share/DKnw34-lIfqqaISpKQgXw

DeepSeek 感觉在一些地方比G2.5还好，不知道是不是中文提问的原因。 就是还没测试是否是「做题家」？😒

我估计它全线超过了Kimi，但为了灵感的完整性，这些开源模型可以顺便“旁听”一下。

#ai对比 DS,Grok3,Kimi 免费😝

https://chat.librechat.ai/share/_DzXZONw7DQ8e7DJ5eEMi
https://x.com/i/grok/share/G53QXbgIdRcb5DqCerDT4qaFZ

很不错！ 虽然DS还是有些严谨，但它贴代码的能力很强，让人感觉不到生硬（这点中国AI可能普遍更强，问题是太做题家）

最重要的是，DS的「领域全局观」很强，能结合灵感和 living standard 实践。 😃

这种程度的教条主义，非常适合在grok3之后阅读，然后是kimi2 （从灵感越来越偏向于现实妥协），最后是SOTA的G3（高费LLM）

https://chat.librechat.ai/share/9Hf8poCH6ELbxOuWAtM-R #ai #tool

DS3.2 的“表现力”更差，但更加适合有基本功的人阅读 （上条说的「形式化验证」就暂时不讲了，要 #vibe 嘛），最重要的是便宜8倍

我花了几个小时缝合Gemini的4个答案串，希望能优化追问的质量，回头贴上。😅
https://chat.librechat.ai/share/7qAk4DtR2yryMmXbFXSJS #ts #sql #plt 看过了，很不错

#post #加入套餐 抽象解释、符号执行、污点值传递（progurad 做不到这么精细）
https://chat.librechat.ai/share/-rZrNF-UqZoRL8h58etCn 😒
https://chat.librechat.ai/share/DhFAi6LcDMgJVRRv5pRHY 类型系统还能用来 #reveng

让我们聊聊sourceless的调试(探针模式)

其实，静态类型就是在sourceless（无变量名）黑盒下的一种可观测性，它和模块划分、内存分配高度绑定
同时，类型也相当于一种“符号ID”，可以匹配不同版本、不同package里的相同代码
类型系统并不只是在“无源码做assert”或沟通API时起作用，它的本质是对程序行为的观测

这种观测可以延伸到runtime。即使对混淆过的控制流，不去推测其内部逻辑，只是hook平台的基础API（例如图层和键鼠函数），我们也能通过“指针污染”还原一定的逻辑
如果对基础API间组合关系的分析，能够进行codegen，并增量的patch到原有“汇编”，这就是动态分析的反混淆

九成情况下，AOP不是要完全获取source，而是要“理解”功能点间的联系，就像CheatEngine的数值搜索-锁定或A11y的检测点击一样。 安全界对此的认识到什么程度呢？ Ghidra,x64dbg,r2 都很好，但它们对程序似乎不是“语义化理解”，限于还原符号

https://x.com/i/grok/share/gzQnI2916tLMlNWPtyoa59n5t
https://chat.librechat.ai/share/BjZyFc8Twa42gHsR_Yk47

我们不考虑二进制，或语言的AST或对象系统这些表象
type infer 究竟和这种“反混淆过程”多相似？

注意，二者都是在追溯已知“点”和“箭头”间的联系，从而推出新箭头乃至新点。

静态类型是用字面值的传导，推理箭头函数的形状，比如参数数量。在一个全部def均是SSA块(不含for,if)的代码树上，这一点非常明显。包含if或异常时它通过 union type 与类型变量，来更准确的表达点和箭头的联系。

动态分析是用污点返回值的传导，推理“箭头语句块”的流向，并探知新语句块的存在、新返回值的意图。

可能纯技术问题DS比G2.5更好用？对于大陆用户

#vibe #draft GBA平台的混合成框架与可观测性

用 Linux mednafen, Mame 玩掌机游戏曾经是我的“小游戏”乐园。😃

本来以为AI时代就可以vibe一个和平台一样大的东西（或许FC可以吧..），发现是ARM7TDMI就萎了😅

其实，就连Flash平台的开源调试都只有FFDec，某些VM写成解释器卡的要命。想要F12那种程度的可观测，根本想都别想

为什么呢？ 因为，与其说这些领域的SDK(ABI也算一种)是在服务业务逻辑，不如说他们不知道业务的“特点”究竟是哪些，他们用类似于LLM的方法编程实现，也只有实现而已！

没法把语义和ARM这些下层平台剥离开来，自然不可能做到F12那种程度，就像在UI/UX领域，js和其他UI框架栈的质量也是天上地下。

https://x.com/i/grok/share/VgAFwTWKxAJW0dgHxC82EV7uL
https://chat.librechat.ai/share/XrtVCNER6wZ_uTETDVOYP #ai分叉
https://docs.huihoo.com/media/gba/

#reveng Grok给我答错了，DS好文明 https://chat.librechat.ai/share/HXuwzpWSJP1MsrVOVManf

> libretro的接口是什么层次的？ 不会是一个ev/input+fb+sound 吧？还是，它负责类似MIDI的混合成？

简单来说，它就是个黑箱，类似 canvas+PCM+mouse/keyup ，图形没有层，只是bmp ……
tasvideos.org/Bizhawk 提供了完整的 mmap hook、PPU 寄存器、音频通道分离

#awesome
https://x.com/i/grok/share/i4YuHalu9C2pSaFpb6AgRTD7B
https://gist.github.com/aldelaro5/d532b21b5e2ec48d5f78e81846c1c1b7
https://github.com/michelhe/rustboyadvance-ng#:~:text=Incredible%20test%20suite
- https://felixjones.co.uk/mgba_gdb/vscode.html
- https://gbadev.net/tonc/setup.html