Hacker News Digest

Volkswagen теперь продаёт мощность по подписке
Вместо разовой оплаты за «спорт-пакет» VW предлагает арендовать +20 кВт (≈27 л.с.) и ускорение 0-100 км/ч на 0,9 с для электрокаров ID.4/ID.5.
Стоимость — €15/мес или €150/год в Европе; функция активируется «по воздуху» и действует до отмены.
Авто уже технически готовы, но мощность ограничена ПО. Подписку можно оформить в любой момент.
Пользователи критикуют: «Покупаешь машину, а полный доступ к ней — нет».

• Пользователи возмущены тем, что Volkswagen продаёт машины с уже установленным «турбо», но требует подписки за его активацию.
• Многие считают это скрытым повышением цены и называют практику вымогательством.
• Упоминается, что BMW и Ford уже пробовали подобное, а Tesla отдаёт дополнительную мощность навсегда за разовый платёж.
• Часть комментаторов готова платить за временный «апгрейд», но большинство требует «купил — и всё».
• Растёт интерес к простым EV без подписок и сбора данных; некоторые называют марки, которых теперь будут избегать.

Фред Фримен: мастер разрезов
Во время работы над книгой LOOK INSIDE мы наткнулись на выдающихся художников, не вошедших в финал. Один из них — Фред Фримен, американский иллюстратор 30–60-х годов, специализировавшийся на технических и морских темах.

Его главное достижение — серия полноцветных разрезов для журнала Collier’s (1952–1954) в рамках цикла «Человек скоро покорит космос». Иллюстрации детально показывают станции, корабли, аварийные системы и другие элементы будущих полётов, воплощая идеи Вернера фон Брауна, директора Центра космических полётов Маршалла.

К сожалению, о самом Фримене сохранилось мало сведений. Если у вас есть дополнительная информация, поделитесь — мы опубликуем обновление.

• Участники делятся ностальгией по винтажным и современным «cutaway»-иллюстрациям: от реакторов в Nuclear Engineering Magazine до книг Стива Бисти и «Visual Dictionary».
• Отмечают мастерство художников, рисовавших в натуральную величину гуашью на картоне, и упоминают современных авторов вроде Glenn Fabry и Dave Kimble.
• Книга «Look Inside» вызывает интерес, но «Visual Dictionary» 2000-х стала раритетом — найти можно лишь за ≈ $225 на немецком Amazon.

Pfeilstorch (нем. «стрел-аист») — аист, найденный в Европе с застрявшей стрелой, копьём или дротиком, доказывающий, что птицы мигрируют из Африки.

Первый такой экземпляр — мёртвый белый аист, обнаруженный 1822 г. в нем. Мейнингене со 75-сантиметровым африканским копьём в шее. Птица стала первым физическим свидетельством зимних миграций и до 1840-х хранилась в университете Ростока, но затем была утеряна.

С 1822 по 2023 г. зафиксировано около 25 «стрел-аистов» в Германии, Франции, Испании, Италии и Венгрии; большинство погибло, но несколько выжили. Среди них:

• 1831 г., Тюрингия — аист с метательным ножом в грудной клетке;
• 1978 г., Северный Рейн-Вестфалия — птица с металлической стрелой, пролеченная и выпущена;
• 2023 г., Мекленбург-Передняя Померания — аист с охотничьей стрелой, успешно спасённый.

Слово «Pfeilstorch» стало символом миграций и вошло в научный и популярный обиход.

• Участники обсудили «Pfeilstorch» — белого аиста 1822 г. с африканским копьём в шее, ставшего первым прямым доказательством миграции птиц между Африкой и Европой.
• Удивлялись, что до этого многие учёные полагали: птицы зимой превращаются в других зверей, впадают в спячку под водой или улетают на Луну.
• Вспомнили анекдоты про «выживший самолёт» и Монти Пайтона, а также связанные мифы о гусях-ракушках и самопроизвольном рождении мух.
• Обсудили, как трудно было представить тысячекилометровые перелёты в эпоху, когда 100 км считались большим путешествием.

Свечи как часы
Свечи тысячелетиями улучшали, чтобы не мерцать, но три плотно поставленные свечи «сговариваются» и начинают стабильно колебаться с частотой ≈ 9,9 Гц, зависящей от силы тяжести и диаметра пламени.

Почему мерцает связка из трёх свечей

• Отдельная свеча: точно подобранный фитиль регулирует подачу расплавленного воска, избегая фликера.
• Три свечи рядом: пламя объединяется, баланс нарушается, возникает пилообразный цикл «рост-падение» высоты пламени.
• Измерения показывают стабильный сигнал 9,9 Гц (спектр почти без ширины).

Датчики колебаний

• Фототранзистор: простейший способ — 3-мм корпус с резистором, выдаёт ток без усилителя.
• Проволока в пламени: изменение ёмкости за счёт ионизированных газов позволяет «считать» частоту и делить до 1 Гц.

Итог
Обычный огонь превращается в природный кварц: гравитация + размер фитиля = почти идеальный 10-герцовый генератор.

• У стандартной свечи частота мерцания пламени почти постоянна — ≈ 9,9 Гц, и зависит от силы тяжести и диаметра факела.
• Исследователи использовали FFT для анализа и даже предложили «свечные часы», хотя точность не раскрыта.
• История: до изобретения самообрезающихся фитилей свечи требовали постоянной стрижки, чтобы избежать сильного мерцания.
• Практические отголоски — от детекторов пламени на ТЭЦ до «свечных» LED и игровых эффектов вроде строки «abcdefg…» в Quake.
• Сообщество в восторге: от useless-but-fun науки до мыслей о «свечных» компьютерах и лавовых лампах как следующем объекте изучения.

Девять дней переговоров в Женеве по глобальному договору о пластике завершились провалом: утром в пятницу председатель, эквадорец Луис Ваяс Вальдивьесо, закрыл заседание без соглашения. Почти все страны отвергли последний проект, заявив, что он не отражает мандат ООН «положить конец загрязнению пластиком» на всём жизненном цикле.

Ключевым препятствием стала «группа единомышленников» нефтедобывающих государств (Бахрейн, Иран, Кувейт, Саудовская Аравия, Россия и др.), отказавшихся от юридически обязательных обязательств и блокировавших положения о сокращении производства, фазауте опасных химикатов и обязательной отчётности. Консенсусная процедура позволяет одной коалиции ветировать любое решение, превращая переговоры в «День сурка».

Два новых проекта, опубликованных в среду и в ночь на пятницу, были названы «отталкивающими» и «бесполезными»; делегаты предпочли вернуться к основе из Пусана. Несмотря на провал, почти все выступили за продолжение работы. «Мы не можем допустить мёртворождённый договор», — заявила представитель ЕС. Но без перехода к голосованию большинством дальнейшие встречи, по словам наблюдателей, вряд ли станут продуктивными.

• Участники сходятся во мнении, что консенсус в переговорах и право вето нефтедобывающих стран делают глобальное соглашение по пластику невозможным.
• Многие считают, что вместо «договоров ради договоров» стоит действовать односторонне: вводить тарифы, ограничивать импорт и требовать раскрытия химсостава.
• Обсуждаются бытовые трудности отказа от пластика: почти всё упаковано в него, а альтернативы дороги или их нет.
• Некоторые подчеркивают, что пластик сам по себе не зло, а проблема — в плохом обращении и отсутствии переработки.
• Есть мнение, что Запад любит обвинять «нефтегазовые государства», но сам продолжает потреблять и производить пластик в больших объёмах.

Всё, что я знаю о хорошем системном дизайне

Системный дизайн — это то, как мы собираем сервисы, а не строки кода. Его примитивы: серверы, БД, кэши, очереди, прокси и т.д.

Хороший дизайн выглядит скучно: ничего не ломается, задачи решаются проще, чем ожидалось. Сложные системы с CQRS, консенсусом и прочими фокусами часто компенсируют плохие решения. Сложное должно расти из простого, а не строиться сразу.

Состояние и его минимизация
Сложность — в управлении состоянием. Stateless-сервисы (например, конвертер PDF → HTML) перезапускаются и живут вечно. Stateful-сервисы могут «испортиться» и требуют ручного лечения. Поэтому:

• Один сервис пишет в БД, остальные общаются с ним по API/событиям.
• Чтение иногда проще делать напрямую, но писать — только через «владельца» данных.

Базы данных
Главный компонент.

• Схема: читаемая человеком, достаточно гибкая, но не «всё в JSON».
• Индексы: под самые частые запросы, не больше.
• Узкие места: обращения к БД часто тормозят всё.

• Сложность ≠ хороший дизайн: большинство участников согласны, что переусложнённые системы часто свидетельствуют о слабом проектировании, но на собеседованиях это лучше не озвучивать.
• Главный критерий — пригодность (fit for purpose): универсальных «правильных» архитектур не существует, нужно исходить из задач команды и бизнеса.
• Простота и KISS ценятся выше модных паттернов; монолит или «скучные» технологии часто эффективнее микросервисов и самописных очередей.
• Ключевые боли — синхронизация состояний и транзакционность между сервисами; чем меньше распределённого состояния, тем проще жить.
• Не забывать людей: Conway’s Law и топология команд влияют на архитектуру не меньше, чем технические решения.

PuTTY — бесплатный SSH-клиент для Windows и Unix с эмулятором терминала xterm. Разрабатывает Саймон Тэтем.

• Скачать последнюю версию
• Основной сайт

Кто управляет страницей?

• PuTTY официально отказался от «красивого» домена и оставил сайт на старом URL, несмотря на риск фишинга.
• Пользователи вспоминают, как доверяли «первобытному» виду сайта и сомневались в легитимности putty.org.
• putty.org действительно не принадлежит разработчикам и используется для распространения дезинформации; новая посадочная страница создана, чтобы дать короткий официальный путь.
• Многие отмечают, что после появления OpenSSH в Windows PuTTY стали использовать реже, в основном для последовательных портов.
• Кто-то радуется ностальгическому дизайну, кто-то критикует мелкие скриншоты и лишний клик.

Гауссовские процессы визуально

Гауссовские процессы (ГП) — это вероятностный метод регрессии, который не просто подгоняет кривую, а выдаёт распределение по всем возможным функциям, совместимым с данными. Среднее этого распределения — наилучшее предсказание; дисперсия — мера неопределённости. ГП применимы к регрессии, классификации и кластеризации.

Многомерное нормальное распределение

ГП строятся на многомерной нормальности
$X \sim \mathcal N(\mu,\Sigma)$.

• $\mu$ — вектор средних.
• $\Sigma$ — симметричная, положительно полуопределённая ковариационная матрица: диагональ $\sigma_i^2$ задаёт дисперсии, вне-диагональ $\sigma_{ij}$ — корреляции.

Интерактивный пример показывает, как меняется форма плотности при изменении $\mu$ и $\Sigma$.

Маргинализация и условие

У нормального распределения важное свойство:

• Маргинализация — переход к подмножеству переменных сохраняет нормальность.
• Условие — распределение переменной при фиксированных других тоже нормально.

Эти операции лежат в основе вывода ГП: наблюдая часть точек, мы получаем нормальное апостериорное распределение на остальных.

От многомерной нормали к ГП

ГП обобщает многомерную нормальность на континуум индексов (например, все точки времени или пространства). Любой конечный набор значений функции имеет совместное нормальное распределение. Задаётся:

• Средняя функция $m(x)$ (часто $m(x)=0$).
• Ковариационная функция $k(x,x')$, задающая гладкость и масштаб.

Популярные ядра:

• RBF (радиальная): $\exp(-\tfrac{|x-x'|^2}{2\ell^2})$ — гладкие функции.
• Периодическое: $\exp(-\tfrac{2\sin^2(\pi|x-x'|/p)}{\ell^2})$ — повторяющиеся паттерны.
• Рациональное квадратичное: $(1+\tfrac{|x-x'|^2}{2\alpha\ell^2})^{-\alpha}$ — промежуточная гладкость.

Интерактив позволяет менять гиперпараметры $\ell$ (характерная длина) и $\sigma$ (амплитуда) и видеть, как меняются выборки функций.

Регрессия с ГП

1. Выбираем ядро и гиперпараметры.
2. Вычисляем ковариационную матрицу на обучающих точках $K_{XX}$.
3. Добавляем шум $\sigma_n^2 I$ для учёта наблюдательной ошибки.
4. Условное распределение на новых точках даёт предсказание и доверительные интервалы.

Формула предсказания:
$\bar f_* = K_{X}(K_{XX}+\sigma_n^2 I)^{-1} y$
$\text{cov}(f_) = K_{**} - K_{X}(K_{XX}+\sigma_n^2 I)^{-1} K_{X}$.

Интерактив показывает, как добавление точек уменьшает неопределённость.

Обучение гиперпараметров

Маржинальное правдоподобие
$\log p(y|X) = -\tfrac12 y^T(K+\sigma_n^2 I)^{-1}y - \tfrac12\log|K+\sigma_n^2 I| - \tfrac n2 \log 2\pi$
максимизируется по $\ell,\sigma,\sigma_n$ через градиентный спуск. Интерактив демонстрирует поверхность лог-правдоподобия и оптимум.

Дополнения

• Нетривиальные ядра: суммы и произведения базовых (например, тренд + сезонность).
• Стохастические процессы: ГП можно рассматривать как случайные функции, что полезно для байесовской оптимизации.
• Сложности: $O(n^3)$ по числу точек; для больших данных применяют разреженные или приближённые методы.

Итог

Гауссовские процессы превращают маленькие математические блоки в мощный инструмент вероятностного моделирования. Надеемся, что интерактивные примеры помогли увидеть, как работает этот метод и как его настроить под свои данные.

• Пользователь восторгается интерактивной визуализацией и спрашивает, какой инструмент использовался.
• Уточнение: авторы применяют шаблон Distillpub и пишут D3.js «вручную».
• Это даёт высочайшее качество, но требует огромных усилий и времени.
• Поэтому проект давно офлайн — поддерживать такой уровень сложно.
• Пользователь надеется, что появится технология, которая упростит создание подобных визуализаций.

Двухуровневая модель

Основной агент ведёт диалог, помнит контекст, раздаёт задачи.
Под-агенты — чистые функции: получили вход, вернули результат, забыли всё.
Больше двух уровней — лишние точки отказа.

Под-агенты без состояния

Каждый вызов — как вызов функции:

• одинаковый вход → одинаковый выход
• легко кешировать, тестировать, запускать параллельно
  Пример сообщения:

{"task": "sentiment", "data": [...], "constraints": {"timeout": 5}}

Разбиение задач

• Вертикальное: последовательные шаги (сбор → извлечение → сравнение).
• Горизонтальное: параллельные ветки (исследовать 5 конкурентов одновременно).
  Смешиваем: сначала параллельная категоризация фидбека, потом последовательная приоритизация.

Протокол общения

Каждая команда содержит:

• цель, входные данные, ограничения, формат вывода.
  Ответ: status, result, confidence, processing_time.
  Болтовни и «помни, что мы обсуждали» — нет.

Специализация агентов

• Research — поиск по базе фидбека.
• Analysis — извлечение тем и настроений.
• Summary — генерация отчётов и changelog.
  Один агент = одна чёткая функция.

Оркестрация

• Round-robin — когда порядок важен.
• Priority queue — сначала критичные фидбеки.
• Fan-out/fan-in — параллельные под-агенты, потом сбор результатов.
  Состояние хранит только основной агент; под-агенты не знают о существовании друг друга.

Управление контекстом

• Сжатие: оставляем только релевантные куски.
• Слайды: отправляем под-агенту только нужную подборку.
• Версионирование: каждый результат имеет id, чтобы легко откатиться.

Обработка ошибок

• Повторы с экспоненциальной задержкой (до 3 раз).
• Fallback-агенты: если «анализатор» упал, включаем «резервный».
• Circuit breaker: после N ошибок отключаем агента и пишем алерт.

Производительность

• Кешируем по хешу запроса.
• Параллельные вызовы без блокировок.
• Пакетная обработка: отправляем 50 фидбеков за раз, а не по одному.

Мониторинг

Отслеживаем:

• latency под-агентов,
• точность (сравниваем с разметкой),
• частота ошибок,
• объём контекста (токенов).
  Всё пишем в Prometheus + Grafana.

Уроки из продакшена

• Начинайте с 2–3 под-агентов, добавляйте постепенно.
• Пишите юнит-тесты для каждого под-агента.
• Не давайте агентам доступ к внешним API без rate-limit.
• Держите промпты в git; версионируйте как код.

Принципы

1. Простота > масштаб.
2. Чистые функции > разделяемое состояние.
3. Структурированные сообщения > свободный текст.
4. Мониторинг с первого дня > дебаг в проде.

Частые ошибки

• «Умные» под-агенты с памятью → гонки и непредсказуемость.
• Слишком большой контекст → таймауты и лишние токены.
• Отсутствие таймаутов → зависшие цепочки.
• Игнорирование кеширования → лишние $$$ на API.

Как начать

1. Определите 1–2 ключевые задачи (например, «суммаризировать фидбек»).
2. Создайте под-агентов: research, summarize.
3. Напишите структурированные схемы входа/выхода.
4. Покройте тестами, добавьте метрики.
5. Подключите к реальному потоку данных и наблюдайте.

• Автор делится опытом построения практичных «агентов» как чистых функций без состояния и истории разговоров, что экономит токены и упрощает отладку.
• Поддержка: дешёвые/локальные модели на 75 % задач, жёсткое разбиение на под-агентов, явное описание шагов вместо «умных» решений.
• Критика: часть читателей считает описанное не настоящим агентством, а обычным workflow с LLM-вызовами; стиль текста вызывает раздражение как «AI-generated».
• Практические инструменты: Claude Code (файлы .claude/agents), AWS Lambda + Step Functions, Spring AI, кеширование промптов.
• Сообщество обсуждает, где грань между «агентом» и «инструментом», просит примеров и данных, а также делится ссылкой на оригинальный пост Anthropic.

vp.net
Извините, сайт не работает без JavaScript. Включите его и обновите страницу.

• Ключевая идея VP.NET — использовать Intel SGX и remote-attestation, чтобы «доказать», что сервер запускает именно опубликованный код.
• Подавляющее большинство участников не верит: SGX неоднократно взламывали, а сами основатели (Mark Karpeles и Andrew Lee) вызывают недоверие из-за историй с MtGox и Freenode.
• Даже если SGX «чист», нет гарантии, что именно этот enclave обслуживает ваш трафик: можно поставить балансировщик и направлять пользователей на другой, незащищённый сервер.
• Критикуют и практические моменты: дорогие планы, нет Monero/наличных, регистрация требует почту и имя, ошибки при оплате криптой.
• Альтернативы: Mullvad (фиксированные 5 $, оплата наличными), собственный AlgoVPN-сервер или OVPN с «бездисковыми» машинами.