本期热点#

今天最值得先看的是开源即时通讯应用 Conversations 与 Google Play 的分手——作者在 12 年里把一个学生宿舍项目做成可持续的生计，却在长期的审核不透明与客服缺席后，决定放弃付费分发，转为完全免费并以 F-Droid 为主渠道。原文把平台抽成、审核延迟与创作者生计放在同一张账单上算账，也让本期自然分出几条线索：一是当 AI 能一口气改写大量代码时，“计划”本身是否还需以厚重文档的形式存在；二是在另一些领域，被误读的短视频、被误用的监控数据与关于数学未来的呼吁，共同提醒“理解”这件事仍需人来完成。下面按主题展开。

商业与平台#

Conversations 宣布与 Google Play 分手，转为完全免费#

基于 XMPP 协议（一种去中心化、开放的聊天协议）的 Android 即时通讯客户端 Conversations 的作者 Daniel Gultsch 发文称，将不再依赖 Google Play 的付费分发，应用改为完全免费，主渠道转向 F-Droid。文章回顾项目自 2014 年在学生宿舍起步，到靠商店收入支付房租、再到近年以 NLnet 与欧盟资助为主的收入变迁。作者细数与 Google 关系的恶化：更新屡被以含糊理由驳回、应用曾两次被下架、一次被误指上传用户通讯录，最近一次更新甚至等待审核 14 天仍无结果，而安全更新与功能更新被同等延迟。按 15% 抽成计算，他每年向 Google 支付超过 1000 欧元，却无法换来一次与真人的沟通。作者表示资助已稳定到 2029 年，不再需要为收入忍受不透明的审核体系，并将可复现构建、由个人密钥签名的 F-Droid 版本作为主要分发渠道。简评而言，这不是一次情绪化的告别，而是对平台“收费却不提供基本服务”模式的核算：当 CDN 与税务处理之外几乎得不到支持，抽成就更像租金而非服务费。评论区普遍认为抱怨的重点不是费率高低，而是服务缺位——高赞评论指出，若能换来快速审核与有效反馈，多数开发者愿意付费，作者本人在回帖中也表示 15% 并非不可接受，难以接受的是零支持。讨论见 Hacker News 帖子。

技术与产品#

Plan mode is dead：当模型变强，计划文档为何变轻#

作者 Ayman Nadeem 在 Plan mode is dead 中复盘了自己围绕“计划模式”打造桌面编程产品 Nuanced 的失败。Nuanced 曾设想让人与模型先在聊天中澄清需求、形成一份持久的规格文档再实施，以解决模型一次生成数千行代码带来的理解负担。但实践发现，计划与计划文档是两回事：模型能力提升后，能自主探索代码库并做出合理假设，需要显式指令的场景在减少；而 AI 生成的长规格文档冗长、结构化过度，阅读体验差，团队尝试用导览来缓解也只是叠加复杂度。更关键的是，把“先规划再构建”切成线性流水线，切断了本应连续的思考过程。作者认为未来重点不应是产出一份静态计划，而是让人在并行代理不断改动系统的过程中，仍能以对话方式维持对意图与行为的清晰心智模型。HN 讨论呈现分歧：一派认为计划仍有价值，但应更轻量，如直接让模型写 plan.md 并在新会话中执行；另一派表示已自然弃用内置的计划模式，转为口头指令“先给计划”，也有评论强调，随着模型一次能做更多，未说清“不要做什么”反而变得更重要。讨论见 Hacker News 帖子。

Apple Cards 十五年后：乔布斯的 Speed Racer 与跨洋印刷的混乱现场#

2011 年随 iOS 5 推出的 Apple Cards 应用让用户定制信纸卡片并由苹果代为印刷寄送，其起源据称直接来自乔布斯。博主 Lex 披露，2019 年收到一位自称负责苹果代工厂印刷履约的匿名人士邮件，对方将代号 Speed Racer 的项目形容为三十年职业生涯中最混乱的项目管理案例。文章回溯该代工厂自 2006 年起承接苹果盒内说明书与 iPhoto 相册印刷，因长期信任而获得新业务，却在 Cards 上遭遇跨洲协作、时间压力与沟通错位的叠加。作者本人也曾因未强调卡片采用 100% 棉纸而被苹果投诉。尽管应用早已下线、相关企业多已不存，爆料者仍要求匿名，显示即使十五年后，人们对苹果保密文化的顾忌仍未散去。评论区对“看似简洁的产品背后是高度手工化的履约体系”最为感慨，不少读者分享自己在印刷与硬件代工中的类似痛点，认为小流程缺陷在跨洋大规模定制中会被急剧放大。讨论见 Hacker News 帖子。

PipePipe：在 NewPipe 之外硬分叉，集成 SponsorBlock#

PipePipe 是基于 NewPipe 在 2022 年初硬分叉的 Android 开源客户端，定位为更快、更稳定、功能更丰富的 YouTube 等平台浏览工具。与持续跟随上游的 Tubular 等分叉不同，PipePipe 宣布独立演进，不再与 NewPipe 双向同步，以便快速修复与频繁迭代。其核心亮点是集成 SponsorBlock（可自动跳过视频中赞助片段的社区标记工具），可自动跳过 YouTube 与 Bilibili 视频中的赞助片段，并通过 ReturnYouTubeDislike 恢复点踩数、显示非本地化原始标题、支持登录以访问受限内容。播放侧提供弹幕式直播聊天、AV1 与 VP9 解码、后台音乐模式、手势与长按加速、睡眠定时器，并支持按关键词或频道过滤、屏蔽 Shorts 与付费视频、批量下载与本地列表检索，项目强调仅在用户配置的场景下使用登录 Cookie 获取播放流。HN 讨论集中在硬分叉的可持续性上：支持者认为独立分叉让小团队能更快加入用户迫切需要的功能，也有读者担忧与上游脱钩后，安全与兼容维护压力将集中于单一维护者，而关于 SponsorBlock 是否削弱创作者变现的伦理讨论也颇为活跃。讨论见 Hacker News 帖子。

政策与治理#

陪审团认定 Facebook 在剑桥分析事件中误导用户#

据 CBS News 报道，新墨西哥州圣菲陪审团认定 Facebook 在剑桥分析事件中存在欺骗性行为。案件围绕一款第三方性格测试应用展开，该应用收集约 8700 万用户资料并出售给已倒闭的政治咨询公司 Cambridge Analytica，用于投放定向广告，其客户包括 2016 年特朗普竞选团队。检方指控 Facebook 未能保护用户数据并就后续对数据经纪人的调查误导公众，陪审团认定违规影响覆盖全州超过 200 万人，且存在超过 200 万次违规。具体赔偿将由法官裁定，检方主张按每次违规最高 5000 美元处罚。Meta 方面则在结辩中称州方证据陈旧，五年调查仅找到一起额外泄露案例。该州总检察长称此为追究大型科技公司责任的历史性裁决。HN 讨论聚焦于州级诉讼能否真正约束平台：不少评论认为按违规次数累计的巨额罚金才可能让公司感到痛感，否则和解金只是经营成本；也有读者提醒应区分平台设计缺陷与第三方滥用之间的责任边界，并关注此案对其他州类似诉讼的示范效应。讨论见 Hacker News 帖子。

仅凭一条 Flock 相机记录，无辜女子被羁押 13 天#

Jezebel 报道佛罗里达 23 岁女子 Lindsey Isaacs 因 Flock 自动车牌识别相机（ALPR，一种通过摄像头自动识别车牌的监控技术）的一条记录被错捕并羁押 13 天的案件。2025 年 10 月一起造成三人死亡的肇事逃逸事故中，目击者称肇事车为枣红色 Dodge Durango，Flock 相机在数英里外拍到 Isaacs 的黑色同款车。2026 年 4 月，在没有核实车辆是否受损的情形下，佛罗里达公路巡警以车辆存在碰撞损伤为由申请逮捕令，指控其八项重罪含三项车辆杀人。Isaacs 在最高安全级别监狱中度过两周，其中连续 86 小时被单独监禁，狱方称因指控严重。直到律师向法官出示被扣车辆无损伤的照片，她才获准保释，案件于 2026 年 5 月被撤销，警方随后逮捕另一名嫌疑人。Isaacs 已提起民事诉讼并在国会作证，称技术采集的信息一旦进入侦查流程，就可能在缺乏复核的情况下改写普通人的生活。评论区几乎一致批评警方将单一 ALPR 记录当作关键证据的懒惰侦查，不少读者指出数月的扣押时间本足以完成最基本的车损与颜色比对，讨论也延伸到 Flock 等监控网络扩张后，错误匹配的责任应如何分配。讨论见 Hacker News 帖子。

科学与研究#

我们将需要更多数学家#

加州大学洛杉矶分校教授 Amit Sahai 在陶哲轩的博客发表客座文章，提出 AI 时代需要大幅扩充数学人才储备。文章回忆学生时代许多理解稍慢的学生最终放弃数学研究的经历，认为整个共同体即将集体体验这种“跟不上”的感觉：他接触的 AI 系统已能提出超越人类研究者直觉的新想法，未来突破只会更多、更美、更难。作者以 1 太瓦聚变电站设想为例说明，若 AI 给出全新原理的设计，决策不能仅依赖模型自带的证明，因为定理只在模型内成立，材料的真实行为、失效如何收敛、储能如何安全释放等不确定性，仍需人类理解模型与证据。文章主张建立“可部署的智力储备”——由众多数学素养深厚的研究群体长期协作，花费一个学期甚至一年去消化 AI 产出，并将这种理解工作视为未来最重要的数学工作之一。HN 讨论主流认同“人类理解不可外包”的判断，高赞评论将焦点放在如何资助和组织这种长期消化工作，也有读者担忧人才缺口会被迅速放大，并追问教育体系是否准备好支撑这种规模的培养。讨论见 Hacker News 帖子。

社会与文化#

病毒视频中的妈妈自述：镜头外的丈夫与未被听见的对话#

在旧金山巨人队比赛转播中，一位抱着婴儿、双手端着食物返回座位的母亲被解说员戏称为“年度妈妈”，丈夫则被塑造成袖手旁观的形象，片段获得数百万播放。当事人 Erika 在 Mom of the Year 的自述中还原现场：她怀中的是女儿 Anastasia，丈夫 Ramses 并非不帮忙，而是她主动想抱着孩子取暖、顺手换尿布，并事先发菜单让丈夫选队短的档口；回到座位后，丈夫挪开外套、询问是否先吃、提出帮忙端食物与喂食，都被她以“不饿”“放在腿上更干净”为由婉拒，转头与邻座交谈也并非抱怨丈夫。她还提到，Ramses 近期正为一位自幼相识的棒球好友离世而悲痛，此行本是她为让丈夫在球场中获得片刻怀念与喘息而安排。原文提醒，镜头记录了手中的食物，却无法记录一个人当晚背负的情绪重量。评论区高赞观点是，公共讨论常把转播员的即兴配音当成事实证据，进而对陌生人进行二极管式审判，不少读者为这种“保护”式网暴感到不安，也有讨论从媒体伦理角度反思转播方在未经核实的情况下塑造人物形象的责任。讨论见 Hacker News 帖子。

如何在 LLM 时代继续享受编程#

Haskell 社区（Haskell 是一种以表达力著称的函数式编程语言）一篇长文 How to keep enjoying programming in a world of LLMs 探讨如何在生成式 AI 普及的时代保住写代码的乐趣。作者声明全文为人撰写，未使用 AI 辅助，并坦言担忧行业正把程序员从创造者降格为庞大机器中的零件。文章认为，生成式模型在产出人类可读的高质量代码上被高估，若将代码完全交由模型生成，代码库会逐渐变成只有代理能维护的荒原，个人技能也会在数周内退化。作者建议反向分工：保留亲自编写核心、有乐趣的代码，把重复、琐碎、易校验的工作交给模型，例如将漫长领域讨论转为待办、整理测试结果并规划修复路径，以及用作自然语言驱动的记账与整理工具。核心观点是，不必追求完全不用 LLM，也不应追求全部外包，而是在保持对代码所有权的前提下，让 LLM 承担不消耗创造力的部分。HN 读者对此共鸣强烈，不少人分享全量生成后难以回头阅读与调试的挫败感，高赞评论提醒，若完全放弃手写，代码库将逐渐失去人类可维护性，最终只剩代理能理解。讨论见 Hacker News 帖子。

当 AI 能完成所有作业，大学如何重设课堂#

卡内基梅隆大学教授在 How I changed teaching after AI managed to do all my homework assignments 中分享五年间的教学重构。早在 2021 年 GPT-3 已能通过阅读测验，到近年智能体可完成全部作业，课程《Machine Learning in Production》的考核方式已大改：放弃所有需在家撰写的文本反思与阅读测验，转为与助教的 15 分钟面对面问答，占作业 20% 且按通过与否计分，未通过可重考但需承受时间成本；实验课改为现场向助教展示任务完成情况并回答追问；团队项目引入跨成员抽问与“超出舒适区”加分。作者承认这些调整违背了低利害频测优于高利害考试等循证教学原则，也坦言学生仍可用 AI 准备口头回答，但面对面追问与视频演示更能检验是否真正理解与协作。课程允许除笔试口试外无限制使用 AI，强调学会负责任地使用工具本身也是学习内容。HN 讨论肯定了转向口试与现场演示的方向，认为在无法有效监管 AI 的前提下，与其围堵不如重设计评估；但也有高赞评论指出，这种模式对师生比与助教投入要求很高，20:1 且每助教每周约 10 小时的配置在许多学校难以复制，口试对焦虑学生的额外负担也需通过补考与便利安排来平衡。讨论见 Hacker News 帖子。

尾巴#

从应用商店的抽成账单，到 AI 生成代码的阅读成本，再到监控数据与短视频剪辑对普通人生活的改写，本期像一次关于“理解成本”的盘点——技术让产出更快，却也让验证、解释与共情变得更贵。无论是把商店收入换成资助以换取独立性，还是把厚重计划换成持续对话，或是呼吁更多人一起消化 AI 产出的数学之美，背后的选择都指向同一点：让人保持清醒与可追责的位置，而不是把判断完全外包给系统。课堂里把作业搬回面对面的尝试，亦是同一逻辑的延伸：当工具能代劳，人才更需证明自己真的懂了。

我们下期再见。