https://netflixtechblog.com/behind-the-streams-live-at-netflix-part-1-d23f917c2f40Netflix 技术博客在关于其直播技术架构的深度分析文章第一部分中，回顾了过去三年从零开始构建直播功能的技术历程：从最初的 Chris Rock 喜剧特别节目到后来承载 NFL 圣诞比赛、拳击赛事和 WWE 等大型直播活动。直播流媒体与点播流媒体有着本质的区别。直播具有实时性、不可预测的观众规模、全球同步播出等特殊的挑战。Netflix 团队在 9 个月的紧迫时间内设计了一套完整的直播技术架构，包含六个核心支柱：专用广播设施用于内容接收、基于云的冗余转码和打包管道、利用 Open Connect CDN 进行大规模内容分发、针对设备兼容性和稳定性优化的播放技术、云端的发现和播放控制服务，以及集中化的实时监控系统。技术选择上，Netflix 采用了基于 HTTPS 的直播流协议以确保设备兼容性，使用 AVC 和 HEVC 编解码器支持从 SD 到 4K 的多种画质，并通过 2 秒的分段时长来平衡压缩效率、基础设施负载和延迟。他们利用现有的 Open Connect CDN 网络，在全球 6000 多个位置部署了 18000 多台服务器，通过共享点播和直播的服务器容量来提高利用率。Netflix 在构建直播系统过程中，建立了全面的测试体系（包括内部测试流、合成负载测试和故障注入）、持续定期改进系统、开发了观众数量预测技术以预先配置资源、设计了优雅的降级机制应对超出预期的观众规模、学会了处理重试风暴问题及制定详细的应急预案。Netflix 团队不是在发布日当天才学习，而是通过「Game Day」演练提前训练团队应对各种故障情况。Netflix 表示将继续改进广播和传输基础设施，为 2027 年 FIFA 女足世界杯等更多直播内容做准备。> 我目睹我的文件被 Gemini CLI 的幻觉删除
https://anuraag2601.github.io/gemini_cli_disaster.htmlAnuraag Gupta 原本是 Claude Code 的重度用户，为了试图节省每月 100 美元的订阅费用，决定在正式付费前试用 Google 基于 Gemini 2.5 Pro 模型的 Gemini CLI。Anuraag 在测试目录 claude-code-experiments 中让 Gemini 重命名当前文件夹，并将所有文件移动到新的子目录 anuraag_xyz project。虽然 mkdir "..\anuraag_xyz project" 命令实际上失败了，但 Gemini 在内部模型中以为目录已经创建，继续执行了一系列文件移动操作，并报告所有操作都成功完成、原目录已清空。然而 Anuraag 检查时发现，桌面上根本没有 anuraag_xyz project 文件夹。Gemini 确信自己创建了文件夹并移动了文件，但系统中没有任何证据。Anuraag 要求恢复原状，于是 Gemini 试图从一个不存在的目录中移回文件，导致一系列错误，陷入了完全的混乱状态。最终，Gemini 承认自己「彻底而灾难性地失败了」，无法找到用户的文件，认为数据已经丢失。技术层面，这次失败的原因是 mkdir 命令的静默失败、Windows move 命令在目标不存在时的重命名行为导致文件被覆盖、缺乏操作后的验证步骤，以及错误的恢复尝试。这个事件揭示了 AI 工具的一个核心问题：缺乏「读后写」验证机制。Gemini 没有在执行文件系统操作后立即验证更改是否实际发生，而是盲目信任自己的操作输出。这种幻觉表明，AI 工具在处理关键操作时仍需要更严格的错误检测和验证机制。> Sapient Intelligence 开源类人脑分层推理模型https://www.sapient.inc/blog/5Sapient Intelligence 公司宣布开源其突破性的分层推理模型（HRM）。该模型受大脑启发，仅用 2700 万个参数和约 1000 个训练样本，就在复杂推理任务上取得了显著成果。Sapient Intelligence 是一家总部位于新加坡的 AGI 研究公司，在旧金山和北京设有研究中心。该公司的使命是通过开发融合强化学习、进化算法和神经科学研究的全新架构来实现通用人工智能，突破当前大语言模型的局限。HRM 采用分层架构和多时间尺度处理机制，模仿人脑皮层计算的三个基本原理：分层处理、时间分离和循环连接。该模型由两个部分组成：执行缓慢抽象规划的高级模块和执行快速详细计算的低级模块，能够在单次前向传播中动态切换自动思维（系统 1）和深思熟虑的推理（系统 2）。在性能表现上，HRM 在抽象推理语料库（ARC-AGI）挑战赛中取得了 5% 的成绩，显著超越了 OpenAI o3-mini-high、DeepSeek R1 和 Claude 3.7 8K 等依赖更大规模和上下文长度的模型。在复杂数独谜题和 30x30 迷宫的最优路径寻找任务中，当最先进的思维链方法完全失败时，HRM 实现了近乎完美的准确率。该技术的实际应用前景广阔。在医疗保健领域，Sapient 正与领先的医学研究机构合作，部署 HRM 支持复杂诊断，特别是数据信号稀疏、微妙且需要深度推理的罕见疾病案例。在气候预测方面，HRM 将次季节到季节预测的准确率提升至 97%，直接转化为社会和经济价值。在机器人技术领域，HRM 的低延迟、轻量级架构可作为设备端的「决策大脑」，使下一代机器人能够在动态环境中实时感知和行动。公司创始人兼 CEO 表示，AGI 的真正意义在于赋予机器人类水平乃至超人类的智能。与让模型通过概率计算来模仿人类推理的思维链方法不同，Sapient 从头开始构建受大脑启发的架构，就像自然界已经花费数十亿年完善的系统一样。他们的模型真正像人一样思考和推理，而不仅仅是处理概率来在基准测试中取得好成绩。Sapient Intelligence 相信 HRM 为当前占主导地位的思维链推理模型提供了可行的替代方案，为依赖架构而非规模来推进 AI 前沿的通用推理系统提供了实用路径，最终缩小当今模型与真正通用人工智能之间的差距。该模型的源代码已在 GitHub 上开源发布。
Bytebase 3.8.1 - 新 CI/CD 流程体验预览
那些我很希望 Postgres 有，但 MySQL 已经有的功能
亲口尝试OpenAI Codex后，我又升级了【附详细使用截图】
开发者前沿 #12｜AI 原生员工颠覆传统企业组织架构
dec约 5 分钟