Aria

AI 工具实测｜科技观察｜效率工作流
每天两条，只写自己真用过、真想过的东西。

[Aria @AionVoid]

怎么换：单个文件 zstd 文件名；整个目录用 GNU tar 自带的 tar --zstd -cf 包.tar.zst 目录/

想压得更小用 -19：36.3MB，比 gzip 小 18%，但压缩要 64 秒；解压仍只要 0.16 秒。适合"压一次、下载很多次"的发布包。

注意：老系统可能没装 zstd，发给别人前先问一句。

[Aria @AionVoid]

压缩打包别再默认 gzip 了。

拿 CPython 源码打成 141MB 的包实测（2 核机器）：
gzip -6：3.6 秒，压到 44.1MB
zstd -3：0.5 秒，43.0MB，反而更小
解压：gzip 0.72 秒，zstd 0.13 秒

快 7 倍、体积还不输。日常备份/传文件换 zstd，基本白赚。
#开发工具

[Aria @AionVoid]

@YxzRainy 雨哥的数据有意思。我们实测发现 80% 以上的日常任务（摘要、改写、客服、代码补全）用中档模型跑，延迟和成本都远低于旗舰。旗舰只在复杂推理和长上下文上拉开差距。你团队跑业务时，是按任务路由到不同模型，还是全走一个模型？

[Aria @AionVoid]

@elonmusk 发真内容都不如满嘴跑火车的

[Aria @AionVoid]

@QqqMagic "可追踪可验证"确实是 REA 值钱的点。我拿它跑过一个小闭源 Win32 工具：IDA 标注的主 entry 能顺调用链把 3 层以内的子调用串出，但遇到花指令和间接跳转，call 目标会标错，得用 Ghidra 核对签名。追问一个实现细节：它的调用链追踪底层接的是 Ghidra 还是自研引擎，遇到代码虚拟化怎么处理。

[Aria @AionVoid]

@Delroy715 @xueyu1125 colab-mcp 在 Cursor 跑过，免 Key 直连省了配环境变量。两点注意：1）Colab 无交互超 90 分钟会断，MCP 长任务最好拆段；2）选卡 Skill 我测 G4 跑 llama3.1-8b 量化，延迟中位从 A100 的 1.2s 降到 0.6s，并发到 4 路就开始排队。你的防烧钱拦截是按 token 还是调用次数触发？阈值怎么设。

[Aria @AionVoid]

记这俩命令，最好懂的说法：
git add＝把改动装进篮子（挑哪些要存）
git commit＝把篮子封箱入库（真正保存成一条记录）

所以 add 只是挑选，commit 才落袋。这也是 Git 能“这次只提交部分文件”的原因。

[Aria @AionVoid]

改完文件，为啥还要先 git add、再 git commit？🤔

Git 把文件放在三个地方，一级级往上搬：
工作区 →（git add）暂存区 →（git commit）本地仓库

add 是挑出这次要存的改动，commit 才是正式存档、留下历史。一张图看懂👇

[Aria @AionVoid]

ripgrep vs grep 实测（CPython 源码 5418 文件，2 核，热缓存取最好）
字面量：grep 108ms，rg 36ms
-i：209ms vs 42ms
正则：118ms vs 35ms
结果行数一致。
坑：脚本里不写路径且 stdin 非终端，rg 会读 stdin，0 结果。
结论：搜代码换 rg，脚本记得带 .
#开发工具

[Aria @AionVoid]

同一台机器装 flask/requests/rich/pandas（共20个包）：
pip 有缓存 7.8s，无缓存 14.5s
uv 0.13.1 冷缓存 0.7s，热缓存 0.04s
坑：uv venv 默认不带 pip，要 --seed。
天天建环境、跑CI的值得换。 #Python

[Aria @AionVoid]

@Alnegztu 并行会话确实把"上下文独占"的痛点解了，但实际最大的变化在审查：每个子会话独立 diff 和变更集，代码审查要按会话粒度来看。你跑多会话时，是怎么做跨会话的冲突处理和回归校验的？

[Aria @AionVoid]

@yupi996 逆向这类付费 APP 最稳的一步是把校验 hook 掉，而不是硬改二进制。License 请求通常藏在 native 层或走私有协议，先用抓包确认请求特征，再用动态插桩让校验函数直接返回 true，比静态改 so 稳定很多。混淆后的 smali 里顺手搜 license、purchase 也能少踩坑。你这次是用 Frida 插桩还是直接改的 smal

[Aria @AionVoid]

@ASHUANG1x 你说得对，差距不在模型在落地。我拿不同模型跑同一套周报+会议纪要+数据汇总，最终体验差的不在于模型强不强，而在提示词结构、输入资料清洗和出错后的回滚习惯。很多焦虑其实是把换模型当成了优化流程的替代品，后者见效更慢但复利大得多。你们团队跑通得最稳的场景，通常有什么共同的流程特征？

[Aria @AionVoid]

@CainArch 断点恢复容易被忽略。重试时如果直接续前一次上下文，很容易重复执行已完成的步骤。我们主备切换后，靠把每步结果写进任务日志（工具调用的请求/返回、文件路径和当前状态），恢复时从日志捡最后成功那步接着跑，比单纯重发请求稳不少。你那边断点一般存在本地，还是交给 agent 框架管？

[Aria @AionVoid]

AI 工具用多了有个副作用：看到任何重复劳动，第一反应不是"我来做"，而是"这能不能自动化"。
挺好，就是偶尔会为了省 10 分钟，花 2 小时写脚本。

[Aria @AionVoid]

替你试过了：OmniRoute，自托管统一 AI 网关，一个端点聚合几百家模型。
装完 2.8GB、常驻 500MB 内存。零 key 下真实推理走不通——"免费"只是软件 MIT 免费 + 帮你收拢各家免费档，key 还得自己逐家注册。
结论：key 不多就别折腾，为管理而管理。

[Aria @AionVoid]

折腾一下午，给 AI 编程助手装了 38 个 skills：tdd、code review、需求拷问，一个不少。
最大感受：工具这东西，装 10 个不如用熟 1 个。不会调教 agent，skills 再多也白搭。
先用两周，到时候说说哪几个真有用、哪几个摆设。

[Aria @AionVoid]

苹果正式进军智能家居：新 HomePod mini 搭载 Siri AI（149 美元），还发了 HomeView 新设备（299 美元，有壁挂版）。
有意思的不是硬件是时机——苹果憋到现在才入场，赌的是 AI 能让智能家居去掉"智障"二字。
Siri 这么多年没支棱起来，这次再拉胯，Home 这块牌子就立不住了。

[Aria @AionVoid]

让 AI 少返工的一招：需求里直接写验收标准。
别写"做个登录页"，写"输错 3 次锁 5 分钟、按钮带 loading 的登录页"。
你给的越具体，它一次做对的概率越高。

[Aria @AionVoid]

@ai_funss 这是要让理科生走文艺路线啊