机器文摘第 187 期

Navop：Rust 写的全能运维工作台

Navop，1,336 Star，Rust + Apache-2.0。数据库、SSH、SFTP、终端、远程桌面、监控与 AI 一体化的原生桌面工作台。支持 MySQL、PostgreSQL、Redis、MongoDB、Oracle 等主流数据库，还有 ClickHouse、DuckDB、IoTDB、KingBase、达梦、OpenGauss 这些国产/时序库。

技术路线是最大的差异点：UI 用 GPUI + Rust（Zed 编辑器同款 Rust GPU 加速 UI 框架），无 WebView、无 Electron、无 Chromium——纯原生渲染，启动快、内存占用低。而 Navicat、DBeaver、TablePlus 这类工具大多基于 Electron 或 Qt。项目 2 个月前创建，已有 2,526 次提交、83 个 tag、最新 v0.17.0，作者 feigeCode 一人贡献 2,481 次提交——典型的个人主导高效率项目。

功能覆盖很全：数据库管理（含 ER 图）、SSH/SFTP/端口转发/X11 转发/ZMODEM 文件传输、终端、远程桌面（Windows 走 RDP ActiveX 宿主）、IoT/MQTT、笔记、Markdown 编辑器。扩展系统用 WASM，还有 AI Agent 运行时和 MCP 支持。运维工具这个领域终于有了"原生 + 现代"的选项。

Omarchy 中文官网上线

zh.omarchy.org，DHH（Ruby on Rails 作者、37signals 联合创始人）打造的 Omarchy 上线了中文官网。定位是"好看、好玩、Agent 原生的 Linux"。

命名含义很妙：Oma 即 omakase（主厨之选）——官方替你挑选工具、调校细节，装好即可开工；但系统完全属于你，可随意修改（slogan：malleable OS，可塑操作系统）。技术底座是 Arch Linux + Hyprland 平铺窗口管理器 + Quickshell + 键盘优先工作流。有人评价得很准：“本质上就是 Arch，只是有人替你把所有硬核又无尽的决策都做完了。”

Agent 原生是核心卖点：Agent 是电脑上的一等公民——初次开机引导设置默认 Agent，应用崩溃时点弹窗派 Agent 读日志诊断根因，还能让 Agent 直接手搓应用、插件、主题。支持的 Agent 环境包括 Claude Code、Codex、Copilot、Crush、Grok、Hermes、OpenClaw 等。安装速度：顶配机器约 35 秒，大多数电脑不到 2 分钟。当前版本 Omarchy 4.0.3（Quattro）。

数据也很能说明势头：官网自述承诺捐赠约 1,850 万美元、首年 ISO 下载 1,102,980 次、GitHub 40,507 星、516 位贡献者，DigitalOcean 以 300 万美元成为创始企业赞助人。中文官网是本次官网改版的 29 种语言之一——一款"个人主导 + 社区共建"的 Linux 发行版做到这个规模，在开源圈并不多见。

doodleshooter：线框图里打反恐精英

doodleshooter.vercel.app（Doodle District），基于线框图（wireframe/doodle）风格渲染的反恐精英式在线小游戏。微博网友评价：“擦，这个好叼，打击感爆棚。”

游戏用最简的线条勾勒场景和敌人，但保留了完整的射击手感：多种武器（步枪、霰弹枪、狙击枪、武士刀，各有弹药和伤害数值）、波次制敌人（WAVE 计数）、血量系统、得分统计。视觉极简但机制完整——证明了"游戏的爽感来自反馈和节奏，而不是贴图精度"。

浏览器里直接玩，零安装。这类"极简渲染 + 完整游戏性"的作品一直很有魅力：用最少的视觉成本，做出最有打击感的体验。

32 个逻辑门通关马里奥

手羽先（@Tebasaki_lab）在未踏 IT 项目中开发"逻辑门型 AI 库"，做出了一个令人惊奇的成果：仅用 29 个逻辑门就让马里奥动起来，32 个逻辑门通关了超级马里奥 1-1（技术解读）。

“逻辑门神经网络”（Differentiable Logic Gate Networks）不是普通神经网络的浮点乘加，而是 AND/OR/XOR 这类门电路的组合。每个神经元就是一个布尔门（双输入共 16 种可能），连线随机固定，只学"每个位置放哪种门"。训练方法是"可微分化"：学习时把门软化成 16 种门上的概率分布（比如 AND 用 a×b 表示，允许 0.8×0.5=0.4 这类中间值），让梯度可以流动；训练完再离散化取最大概率的门。这个方向 2022 年就有代表性研究（Deep Differentiable Logic Gate Networks），作者也主动修正过"世界首创"的说法。

需要注意"32 个"指的是决策回路的门数，不包括感知、二值化和游戏本体。作者的野心不止游戏：他还用 136 个门做了人体关节动作推断、37 个门让 MuJoCo 里的水生物游起来、以及机器人控制。这类研究的价值在于——在"输入明确、判断重复、需要离线低功耗"的场景里，一个小回路可以替代庞大的模型。

纳维-斯托克斯方程获重大进展，但故事比数学更复杂

Tristan Buckmaster（NYU）与 Levent Alpöge 的公开声明，HN 2044 分、828 条评论——本期最热的话题。他们公开了三个结果：不可压缩多孔介质、Boussinesq 方程和三维不可压缩欧拉方程在光滑外力作用下的有限时间爆破（finite-time blowup）。这是通向千禧年难题——纳维-斯托克斯方程组——的一条关键路径，Clay 研究所的百万美元悬赏正悬在那里。

声明里有几个数字很有冲击力：整个推进用了大量 LLM 辅助（Claude、Codex、GPT-5.6 Sol、Astra），“第一个 LLM 生成的证明是我这辈子读过最糟糕的东西”，8 月 22 日在 Lean 里验证通过后，他们日夜工作才把它变成人能读的论文。Buckmaster 罕见地坦承论文质量问题——“欧拉方程那份文档，只能被描述为 AI slop”。

真正的争议在后半部分。 9 月 3 日，在"Anthropic 解决了一个重大开放问题"的传言扩散时，Buckmaster 给 OpenAI 的一位知名数学家写信澄清。随后 Sebastien Bubeck 加入通话，告知他：OpenAI 内部模型产出了 forced Navier-Stokes 的有限时间爆破证明（约 100 页）。但很快真相浮现——不是"模型拿到问题陈述就解决了"，而是一整个团队在做，prompt 本身也是用 Codex 写的，用了大量算力，而且是在获知 Buckmaster 团队进展之后才启动的。

OpenAI 提出了两个"方案"：他们先发欧拉结果，OpenAI 次日发纳维-斯托克斯；或者由 Buckmaster 单独署名发表，承认是 OpenAI 内部模型解决的。Bubeck 两次要求把 Alpöge 从作者名单中移除（因为他在 Anthropic 工作）。Buckmaster 都拒绝了。当他表示如果 OpenAI 那样发布他会公开内情，得到的回复是：**“为什么要毁掉你的职业生涯？”**以及"如果你不想让我友善，我也没必要友善"。

Buckmaster 的措辞很克制：他没有见过 OpenAI 的证明，不指控任何人，只是陈述"我被告知了什么、何时被告知、以及对方提出了什么"。他强调"如果 OpenAI 模型确实补上了纳维-斯托克斯的缺口，那是了不起的事，应该由他们大声宣布，并且保持历史的完整"。

最后他说：这是**“Deep Blue 对 Kasparov 的时刻”**——一个数学家和 LLM 现在能在一个月内完成这些工作，这件事对"如何培养学生、如何分配功劳、如何评审、如何决定什么值得一个人一生的注意力"的意义，怎么强调都不过分。数学界需要认真而不慌不忙地讨论接下来往哪走。

AlphaGenome Atlas：为基因组画一张"A 到 Z"的效应地图

AlphaGenome Atlas，Google DeepMind 2026-09-08 发布的人类基因组高分辨率资源，HN 562 分。它用 AlphaGenome 模型（2025 年发布的 sequence-to-function 模型）预计算了人类基因组中约 90 亿个单核苷酸变异（SNV）的分子层面影响，打包成 1 PB 的开放数据集 + 免费网页门户。定位类似基因组版的"AlphaFold 数据库"。

规模惊人：1 PB 数据集，比 AlphaFold 数据库大 30 多倍。输入最长 1 Mb DNA 上下文，输出做到碱基对级分辨率；每个变异给出数千条分子效应预测，覆盖数百种人类和小鼠细胞类型/组织（转录因子结合、染色质可及性、组蛋白修饰、RNA 剪接、基因表达等）。核心的 AVI 分数（AlphaGenome Variant Impact）把变异影响浓缩成一个数字，并附带特征归因解释——告诉你这个分数是被剪接、表达还是染色质驱动的。

重点解决的是非编码区变异这个老大难：基因组 98% 是非编码区，此前最难解读。实测案例很有说服力：Broad Institute 用它找到此前被忽略的 DNM1 基因变异（与癫痫性脑病强相关，预测显示该变异制造了错误剪接位点，实验验证成功）；University of Exeter 用它分析 UK Biobank 5.4 万+ 全基因组，多发现 22% 的非编码关联。

Shopify 从 React Native 迁回原生

Shopify 官方博客，HN 1260 分、943 条评论。标题就很有意思：“Native is now the future of mobile at Shopify”。副标题更直接：“Coding agents changed what it costs to build mobile apps twice.”

关键点在于：不是因为性能。文章明确写着 “React Native apps can be fast. Ours are."（RN 可以很快，我们的就是），也强调 RN “依然是个优秀的框架”。真正的原因是编码智能体改变了成本结构：

2020 年选 RN 的三条理由（不用写两遍、跨技术栈协作、减少两端对齐成本）中，第三条已被 LLM 大幅削弱——Shopify 自 2021 年就开始用 LLM 写代码，到 2025 年底模型能力足够强，他们开始质疑"做两遍是否还等于两倍工作量”。实测用 LLM 把大 App 核心部分用 Swift/Kotlin 重建，效果"好得出乎意料"：智能体能以 iOS 实现为参照在 Android 上实现同一功能，也能帮开发者快速上手非主栈技术。

有意思的反转：RN 的热更新救不了智能体的迭代速度——因为智能体靠 accessibility tree 和截图理解状态，改代码只要几秒、跑测试却要几分钟。原生开发的"编译-测试"循环反而更适合 Agent 时代的开发节奏。

16 岁学生做出声波灭火器

墨西哥 16 岁学生 Ángela Karime Venegas Hernández 做了一个用声波灭火的装置，HN 384 分。她在 Tamaulipas 的 CETIS 78 读书，某天决定"不用吹、不用水、什么都不用，只用声音"灭掉一根蜡烛。

装置极简：12 伏电池 + 频率发生器 + 扬声器，每秒发出 30 次脉冲。原理是声波振动把氧气推离火焰，火在 5-8 秒内熄灭。她反复测试了 100 多次，确认对木头、易燃液体、食用油和电子设备都有效——对电子设备灭火这点尤其有价值，因为传统灭火剂会直接毁掉设备。

这不是新概念（声波灭火在实验室里被研究过多年），但一个 16 岁学生用几百美元的材料做出可工作的装置，并系统测试了多种火源，这份完成度值得称赞。消防领域的创新往往被忽视，但它与每个人的安全相关。

Proof of Capture：证明照片是"真的拍的"

Proof of Capture，HN 135 分。作者 María Benavente 和 Alex Hornstein 在 Recurse Center 期间造了一台能"证明拍摄"的相机——应对 AI 生成图像泛滥的问题。

设计理念很有意思：与其事后检测假货，不如在拍摄时证明真实。作者 2019 年部署过 ML 事实核查工具，当时的结论是"检测必输"——检测器每改进一次，都是在给下一个生成器提供训练信号。所以她的思路转向了：不去检测假，而是证明真。

硬件方案：树莓派 Zero + 显示板 + ATECC608 加密芯片 + 快门按钮 + 3D 打印外壳。拍摄时用硬件加密芯片对图像签名，形成不可伪造的"拍摄证明"。巧的是苹果前一天刚发布 Apple Reference Image（同样是加密证明照片来自真实相机而非 AI），而这个项目是开源版 + 用隐写术嵌入证明。

“证明真实"vs"检测虚假”——这个思路转换可能是对抗 AI 生成内容更可持续的路径。

How to build a printer：把墨水屏伪装成网络打印机

How to build a printer，HN 447 分。标题是个幌子——这不是硬件组装指南，而是作者 Nishant Joshi 让一块廉价的 ESP32-C3 墨水屏阅读器（Xteink X3）伪装成一台北欧标准的网络打印机：在 macOS 上按 Cmd+P，选"penguin"，页面就出现在墨水屏上。

技术实现：用 IPP 协议 + Bonjour/mDNS 广播 _ipp._tcp，声明支持单色/300dpi、接受 Apple Raster 和 PWG Raster 格式。有个坑：macOS 的无驱发现需要 _universal 子类型，而 Arduino 封装没暴露这个 API，只能直接调 ESP-IDF 的 mDNS 接口。

最精彩的是内存技巧：一页印出来是 8.4MB，而设备只有 400KB RAM（连上 Wi-Fi 后只剩 6.8KB 堆）。mmap 也救不了（C3 的 flash 映射不支持 SD 卡）。他的解法是把显示屏当存储用：逐行解码 → 缩放 → 抖动 → 写进屏幕缓冲区，工作区反复复用，缓冲区从约 113KB 压到 62KB。

HN 讨论里，打印机固件开发者 ValdikSS 建议用 1-bit 模式（数据量少 8 倍）加精确的屏幕尺寸媒体定义；还有反复出现的"为什么不做 PDF"讨论——答案是 RAM 和 ROM 根本装不下。

别让别人拿走你的线缆大箱子

Don’t let anyone take away your big box of cables，HN 770 分。一篇关于"要不要留一箱旧线缆"的温情随笔，引发了互联网的集体共鸣。

故事很短：作者 Jim Nielsen 刷到 Tyler Gaw 的一条帖子——“我今天为了找两根线，翻到了线缆大箱子最底层，它们已经躺在那儿 10 年以上。所以’你这辈子到底什么时候会用到它们’的答案是——就是今天。永远别让别人拿走你的线缆大箱子。“Nielsen 被这条帖子"又哭又笑”，于是把它打印出来剪下，贴到自己那个被妻子标注为 “FAMILY TECHNO BOX” 的箱子上——既是提醒自己为什么留着，也是对家里想偷偷扔掉它的人的"警告”。

HN 评论区热闹得像线缆囤积者互助会，几条实质结论：专有/冷门线要留（打印机线、RS232、PS/2、FireWire、老笔电充电线，需要时贵且难找），标准线（HDMI、以太网、USB）可以扔；“一扔就用到"是普遍经验，所以"线缆后悔值的最优解 > 0”；最实用的警告是模组电源线绝不能混用——接口看着通用但引脚定义不同，插错会烧硬盘。环保两难也真实：舍不得进填埋场 vs 老线存量早就超过可用设备。有人把箱子比作祖父的车间——手边有料，能修一切。

机器文摘 第 187 期