好资源和短想法
#Github

📦 macOS Containers

Github | 官网

Features

- 在 Mac 上启动 Mac 容器
- 支持 HomeBrew 安装
- 兼容 Docker

在 Mac 上启动 Mac 虚拟机的我们见过了不少,比如 UTM。但是在 Mac 上启动 Mac 容器倒是第一次见。macOS Containers 还可以打包成 Docker 镜像,分享给其他人一起使用。

⚙️ rund

macOS Containers 基于 rund。rund 是一个实验性的 containerd Shim,用于在 macOS 上运行 macOS 容器。rund 在九月底发布了第一个预览版本,最新版本为 0..4。

rund 由于 macOS 内核 API 的限制,无法提供其他操作系统上可实现的常规容器隔离水平。

rund 提供的功能包括:

- 通过 chroot (2) 实现文件系统隔离
- 使用进程组清理容器进程
- 与 OCI 运行时规范兼容
- 仅支持宿主网络模式
- 绑定挂载

为什么 macOS 原生容器很重要?

最常见的 Docker 也并不是 macOS 原生的。主要原因是 macOS 和 Linux 操作系统之间存在差异。并且 XNU 内核缺少多种隔离原语,这些原语是实现具有与其他平台相当功能的容器支持所必需的。

在 macOS 上,Docker 运行在一个虚拟机中,这意味着容器操作比在 Linux 上慢。最明显的差别之一是在共享文件系统上。通过 macOS 中的虚拟机访问大文件或大量文件的性能,将始终不如直接访问来得好。

频道:@NewlearnerChannel
Key OpenAI DevDay Announcements:

GPT-4 Turbo, new cheaper model with massive 128K token context, 3× cheaper input, 2× cheaper output than GPT-4

Assistants API: essentially automates part of the vector-based context-management that everyone's been manually coding up to now. Nice, but not the huge upset to AI agent startups that many were expecting. Actually not all that huge at all.

Custom models: OpenAI finally openly admits that fine tuning the last layer is different from, and vastly inferior to having control over full model training, and says they'll be picking the few lucky winners who will be allowed to do the real, full custom training. I.e. fine tuning is vastly inferior to true custom models.

Verdict:

Appears the only startups who got wrecked today are the countless vector-database-as-a-service startups.

Not as bad as many startups expected.

Rest of the AI startups can rest easy, for now.

As far as features, 128k context is massive, potential gamechanger, but the turbo models in the past have been heavily crippled, so let's see how well this new one does.
新买了相机,拍了一些城市照片
我一直都在用Linux的命令行,要么用ansible和fabric来批量管理自己的Linux服务器。前几天看到AI火火兔的玩家在用 1Panel 部署 Docker 镜像,我试了试 1Panel,确实很方便,使用 1Panel 能大大降低 Linux 服务器的使用难度。于是我又录一个部署的视频,用1panel来部署folotoy,用的Windows操作的 :https://youtu.be/89paeh35qBA
#编程语言
Daniel P Friedman在编程语言界的贡献

转自微博:https://m.weibo.cn/status/4952639604523552

因为最后一段文字,特地找了王垠的两篇文章:
* 《写小人书的老顽童》
* Chez Scheme 的传说》

------ 分割线,以下为原文 ------


绝对是今年计算机专业的一件大事。Daniel P Friedman,79岁高龄,在2023年出版了他的The Little ... 系列的新书,The Little Learner。


老爷子是Lazy Evaluation的发明者,Scheme届一哥,发明Scheme的人都亲口承认这一点;现在还在Scheme届抗梁的人物,除了UBC那个发明Aspect Oriented Programming、MIT肄业、Xerox Parc精英Gregor Kiczales之外,全是Friedman的徒子徒孙;因为Scheme是最接近Lambda的语言,所以Friedman可以理解为能写『顶尖』代码的Church。『顶尖』二字在这里的意思不但指它在学术界的编程能力是顶流,他给Scheme语言留下的诸如Pattern Matching宏代码可以正面刚Kernel里的所有工业代码。


不止Scheme语言教学。Friedman的同事,另一个传奇人物Kent Dybvig,写了工业级的Scheme语言编译器,Chez Scheme,包括Cisco在内的很多大企业都是他的客户。Chez Scheme后来出现了开源的版本,在这个版本里Friedman和Dybvig合作了被称为nanopass的编译器框架;虽然Scheme不是流行的工业语言,但是两个版本的Chez Scheme在编译速度和执行速度上都可以跟任何工业级语言编译器抗衡;而且Chez Scheme自带的解释器,性能高达编译器的1/2.5的水平,想想v8出现时直接把JavaScript速度提高了1000-5000倍,这个名称为Petite Chez Scheme的解释器毫无疑问是性能最好的编程语言解释器。


远不只这些。


The Little Typer,是介绍Dependent Types的入门书籍,提供了仅6000行代码实现的Pie语言;任何人都可以从这里开始了解现代计算机语言的类型系统。


The Little Prover,通过ACL2定理证明器讲解现代定理证明器使用。


The Reasoned Schemer,仍通过Scheme语言讲解relational logic和logic programming。这本书神奇的出到了第二版,令人匪夷所思,因为这实在是非常冷门的领域。该书的第二作者William E. Byrd是Friedman的学生,他在Youtube上有故弄玄虚的视频讲解他当年看到Friedman的代码时,是如何获得了被天打雷劈的感受的。


++++


以上都是符号主义在编程领域的巅峰之作。


我承认我会因为Frank Pfenning(Peter Andrews的学生,Alonzo Church的徒孙),Robert Harper(Robert Constable的学生,Stephen Cole Kleene的徒孙,Alonzo Church的曾徒孙),Steve Awodey(Saunders Mac Lane的学生,Mac Lane是Weyl和Bernays的学生,前者是Hilbert的学生,后者是Landau的学生)等人的学术成就,把他们的学术水平看在Friedman之上,这三个人是cmu三剑客,活跃在youtube上的oplss频道,讲解constructive logic, type theory和category theory。但是如果没有Friedman,你将只会淹没在符号和数学里,远没有现在这样容易只通过一种语言了解计算机科学的如此广阔的领域。


而他在79岁这一年,出版了The Little Learner,关于Deep Learning,给这本书写序的人是MIT的Guy Lewis Steele Jr.(Gerald Jay Sussman的学生)和Peter Norvig(人工智能:一种现代方法的两个作者之一)。


无法表达对老爷子的敬佩之情,不把这些书的习题都做了,都对不起他老人家。


++++


王垠写过不少盛赞Dybvig和Friedman的文字,他是令人羡慕的看见过光的人,但不知道为什么他拿着手电筒离开了印第安纳。
#数据库
http://sqlvisual.net/ :可视化SQL执行的网站,鼠标悬停在右边的树形图上,还能看到具体是哪一步,方便理解SQL的执行流程