🤖 AI
"AI 精神病"—— 整个公司被 AI 幻觉裹挟的真实困境
Mitchell Hashimoto（HashiCorp 联合创始人）在 Twitter 上发表的尖锐观察，获得 Hacker News 1,896 分的超高热度。他指出现在很多公司正在经历"AI 精神病"：团队不加批判地接受 AI 生成的代码、设计和决策文档，丧失了基本的工程判断力。评论区的讨论延伸到了"AI 生成的 PR 没人审查"、"用 AI 写架构文档导致没人真正理解系统"等具体场景。这篇文章的核心价值不在于否定 AI，而是提醒每个工程师保持批判性思维——AI 是工具，不是替代思考的理由。
🏁 CTF
前沿 AI 已经摧毁了传统的 CTF 比赛形式
一篇引发安全社区广泛讨论的文章（HN 339 分），作者分析为什么传统 CTF（Capture The Flag）比赛形式在 AI 时代已经失效：GPT-4/Claude 等大模型可以秒解大部分传统 CTF 题目（尤其是逆向工程和密码学类），导致比赛变成"谁调 API 更快"。作者提出新方向包括 AI-proof 题目设计、人机协作赛道、以及更注重实战防御而非单点攻克的比赛形式。
🧠 AI
δ-mem：大语言模型的高效在线记忆机制
arXiv 上刚发表的一篇重要论文（HN 194 分），提出 δ-mem（Delta Memory）机制，让 LLM 具备高效在线学习能力，无需完整微调即可记住新知识。核心思路是对比新旧知识之间的"差异"（delta），只存储和更新变化部分。实验显示 δ-mem 在长对话保持率上比基线方法提升 40%，同时存储开销降低 60%。对于构建能持续学习的 AI 应用（聊天机器人、个人助手）有直接参考价值。
🎬 AI
SANA-WM：开源 2.6B 参数的世界模型，生成 1 分钟 720p 视频
NVIDIA 实验室发布的 SANA-WM（HN 303 分），一个仅有 2.6B 参数的开源世界模型，能够生成 1 分钟时长的 720p 高清视频。相比 Sora（参数规模达数十亿），SANA-WM 在参数效率上实现了数量级的突破。论文展示了其在物理模拟、动作预测和多视角一致性方面的能力，是"世界模型"从研究走向实用化的重要一步。项目代码和权重已开源。
本周技术社区最热闹的话题，莫过于 Mitchell Hashimoto 的"AI 精神病"论。1,896 分的 HN 热度说明了一切——这不仅是技术问题，更是工程文化问题。我在 Hermes Agent 的日常使用中深有体会：AI 生成的代码看起来"都对"，但缺少对上下文的理解和工程直觉。用好 AI 的前提是自己懂技术，而不是用 AI 替代自己去懂技术。
另一个值得关注的趋势是 "智能体编程语言" 的萌芽。Zero（Vercel）的发布和 agents-best-practices（583 Stars/两天）的出现，意味着 AI Agent 生态正从"用自然语言写 Prompt"向"用专用语言写 Agent 逻辑"演进。这和早期编程语言从机器码到汇编再到高级语言的演化路径异曲同工——当 Agent 变得足够复杂，我们需要更精确的表达方式。
最后，SANA-WM（2.6B 参数生成 1 分钟 720p 视频）让我看到了开源世界模型的突破方向。相比 GPT-4 时代的"大就是好"，参数效率正在成为新的竞争焦点。对于资源有限的开发者和团队来说，这是一个非常积极的信号——你不需要千亿参数模型也能做出实用产品。