#perf #js #PLT
真的是在一个垃圾赛道上，看过五六篇这样的文章了。 就算提速5倍又怎么样呢？ 这只是1个函数

A\说的对：都是在讨论一个大多数人不需要操心的层面。区别只是一个想换格式，一个想换解析器，性能和吞吐量被gzip和lazy读取兜着。

但如果换Protocol，你会有个更全局的视角，触及更多可决策性，而换parser，没有

JSON 解析根本不是瓶颈——数据库、网络 RTT、业务逻辑才是。LLM 场景里 JSON 的成本才第一次变成了 token 数，而不是 CPU。

json本身，不具备软件逻辑和功能，它不【理解】事情，它把本地存储和tcp文件混为一谈， 在这样的赛道上内卷最后一个cycle，而这正是 KDA REA 这些Agent擅长的loop

在乎高性能的人，怎么不去想想 JSON.loadump 是怎么取代曾经C结构的世界，成为了万能协议的，不想想【旧时代遗毒】输给了谁？

为什么，0开销的native输给了瓶颈的 JSON？ 你们输在哪，还是说不觉得【编译型哲学】应该反思，不觉得编程和生活一样，值得在执行前多多推敲、选择？

fastsimdjson.map_many(..., threads=64) 是库内部高度优化的并行路径。msgspec 这边是用 ThreadPoolExecutor 切分数据再调解码，Python 层开销更大。橙色那条是 msgspec 用 dataclass 去解析 JSON，不是 MessagePack（二进制）。

这些垃圾赛道上，就像 OOP 构造器赋值，那样的东西，在编程界都能写这么久。 我以为constructor() 会是 {}[] 默认值这样的“构造器”，load/dump封送构造，或表单校验器？

但事实证明，只是一堆 arg -> obj.key 闭包装箱而已。几乎整个世界只有Kotlin或Coffee把OOP当作OOP来写，Go修null仍然没有修好。这就是Java的后继了，一开始连泛型都搞不懂。

这样丑恶的编程，死几百回也不值得珍惜的吧。至少没有MIT Scratch 那样聪明。

编程的基石就是类似这样，在莫名其妙、毫无【常识】的设计上堆起来的沙垒，它们被当成IR用也不值得稀奇。 那些OOP对问题的理解，还不如各种框架深入。许多人掌握编程语言，多半是夜郎自大

2026年总是有人把GitHub当神仙，甚至认为【微软发明了它】，却忽视了，真正给它哲学的是Ruby和DHH。

我见过 95% 的编程技巧，都是用两句话说得清要领的，甚至有些生活化，就像王垠的博客一样（略微复杂+20%）。

代码本就是快乐的，充满获得感，不是一种【痛苦的刚需】或负资产

但能做到的技术人，很少。 总是在说理解力、学习能力怎么样， 没人批评老师，可探索性和解释力怎么还不如AI强。 🙉

编程语言，应该是让人像在MC里一样，【飞天穿墙，做图晒档】的创作素材，语言是创作欲，而非纯粹的工具。 可是我看到的，纯度太低了。

#algor
如上蓝链所述，

2020 年前后那些手工实现（Ben Coveney 的 octree/voxel、Armin 的 WebGL MC、Three.js 官方例子，以及更早的 29a.ch、happinessad 等）已经是当时一个人或小团队能达到的相当高完成度了。它们把区块、网格简化、基础渲染跑通，

但在画面、无限流式、动感和整体操控上，完全完全不能玩，只是一个【算法搭配】的PoC

有AI以后，facestrip怎么做（有一堆和八叉树、RBT一样的打表需要背） 它都完全不用你提，随手选一个输入输出，比如高程图输出verts/甚至是DDA直插着色器都行，八叉树都是送的，念咒就完全够！

这个差距的性质都变了。

XZP分页, X2V减面, Blk.xyzb'mat 这些概念，在做无限体素viewer的过程中，仍然有效，但也只是【选区而非算法】了，就像节点图里的panel。

所以我故意不展开它们，只是比喻和串起来，但如果要展开，每一个都是100行+能学两天的红黑树级CG算法，每个代数都反人脑（xyz比xy烧脑太多，但许多算法可免费2to3，性价比不高）

但学会了、能裁缝了，你也不会有太大益处，仅仅是获得【发挥软件维修权】的门票而已。做出来的和以上链接没啥差别

X2V区块内剃面本来就是一个mc里穿模“一眼能看懂”的直觉算法，但是真的写，就和avl一样麻烦，这就是xyz比xy的难点了

🦄 玻璃、透明，原木、方向性贴图。 水草火把、AO，台阶、半砖和流体高度，这些，需要多态存储而不只是贴图ID

如果完全被遮住则可以剔除，否则材质/渲染阴影属性稍有不同则保留，开启下一条…… 没错，对X2V算法的理解，本来能够帮到你探索设计的边界，它不是纯粹的刚需

如果能掌握【被需要的算法】，才能跨年的维护、对标上这些游戏（成为真正的author）

在今年，以前的PoC【算法搭配】都掉价。都不需要你PoC，它直接手搓质量平齐top1，但剪裁更合身的函数。

我都没有专门想做voxel，只是把lowpoly terrain的便宜管线，顺手烧个5$，加个MC滤镜，出口就是2020专家望尘莫及的效果了 🤔💭

A\ 基本上就是一个【零成本】的iqullez，它在恰当的代码质量上推荐做法并完成任务，人只需要用非符号化的【编程接口】来简单试错就行了。其实它的逻辑还是很好的，比如二条它用t0 t1，四宫格它写 q01 q10 q11.. 换成七成的人来，大概会变成 quartLeftTop 这样自我陶醉、缺乏适应性的最佳实践。

让我非常高兴的是，这位 "iqullez" 和众所周知的那一位一样，可读性巨好，给人一种稳稳接住你的感觉。 中文圈只有top1%的人，有这样牛逼的素质。

半瓶水都喜欢证明自己懂过什么，喜欢吃苦，而只有 iq;Bellard 的层次可以一切都“套模板”，唯独在针尖上用技术力说话，而SOTA的AI基本上是免费的各领域专家，不诓创作者，不兜售【过度设计】的开发工具，而且10分钟内就能弄完一整遍反馈，能把工贼、牛马肝帝给卷死了 😋

当然，新技术会带来新挑战。虽说不破不立，在软件世界如何【做的更好】，AI 仍然没有零成本的解决这回事。从代码、框架到应用交互、IT，都是如此，我认为在盲点（代码质量的上限上），这种惯性尤其严重。 希望过几年，软件工程能【重新出发】

2026 #IT 各领域的美称:

前端【切图仔】
服务端【CRUD boyz】
原生开发【代码裁缝】【码农】
安全/运维/测试【脚本小子】【背锅侠】
大数据/ML 【炼丹的】【力大砖飞】【PJ玩家/玩蛇的】

我们都有美好的未来.webp

https://youjiali1995.github.io/essay/2023-summary/#:~:text=我没有沉没成本。当成本被称为沉没成本时，通常意味着现状不好、出现了更好的机会

以房子的价格作为参照物，会让人对金钱的价值和数量产生错误的认识。500 万可能只是一线城市的一套普通房子，但即使按税前工资来计算，年薪 10 万需要 50 年存够，年薪 30 万需要 17 年，即使是年薪 50 万也需要 10 年，税后要达到这个数字税前需要接近 70 万，这还假设了储蓄率 100%。500 万可以创造出更大的价值。

近几年流行的 FIRE(Financial Independence, Retire Early) 运动的基本理念是当存款达到一年开支的 25 倍时，就可以基于 4% 的理财收益率提前退休了。在这个标准下，500 万每年可以产生 20 万的收入，足够很多人退休了。

避免做极端的决策、控制失败的成本，让每个决策都能够 fail fast and fail safe、从失败中学习。事物的发展是在不断的损失中持续增长的过程，而低发生率、高影响力的少数事件往往是决定结果的主要因素

🤔 这个人很懂生活啊！ 虽然一开始感觉假大空，但这个思路非常像正常人的选择。 感觉许多人都不理性。 #life

租售比就是这个价值取向（租房灵活性更高且不用折旧，所以房价存银行的剩余，应当比持有钥匙更有价值）

可是许多人是一边今天996，一边指望着自己四五十年后能退休，力工还拉着别人穷空。 人，真是七秒记忆的动物呢。

#ai #douyin https://t.me/hyi0618/15415?comment=170492

哦，我现在看明白了。 那个烧千卡 VAR text-to-image 模型 的工作量证明，实际上是他的【不在场证明】

2024 年 11 月，媒体报道该案已获法院受理，公司请求赔偿侵权损失 800 万元及合理支出 2 万元

受害者主要是 25.02 的 Goku: Flow Based Video Generative Foundation Models
https://saiyan-world.github.io/goku/
至今仍然不知道他到底想干嘛

田自己的说法：只是看不惯另一个实习生占资源、停别人程序，自己手动进去把对方程序卡住/关掉几次（大概十天、五次），“以暴制暴”，不是什么自动病毒/攻防；很多描述是抹黑或夸大。

田柯宇从 2021 年开始在那里实习（北大相关背景），做到 2024 年 8 月被辞退。

法院最终判令田柯宇赔偿约50万元并没收实习薪资（远低于最初索赔的800万），田柯宇作为一作的 VAR 论文获得 NeurIPS 2024 Best Paper。。

现在某人创业做世界模型融了钱（约 3000 万美元、估值 2 亿左右），也就是我们看见这篇文章的原因。 原文里这些信息都被流水帐淹没了

数字来源： https://mp.weixin.qq.com/s/eD0o9zyqHKaRgoKdmdLcNw?poc_token=HP7fzWqjg8aKF_yUDf8mXJsyttJxbvjVe58oEN5M

论中国的社会现实
原文：https://www.lesswrong.com/posts/b5cSYh4emQb2qrGmK/on-social-reality-in-china
阅读时间：9 分钟
分数：232

哀伤，还是不哀伤？
原文：https://xenaproject.wordpress.com/2026/10/01/to-grieve-or-not-to-grieve/
阅读时间：14 分钟
分数：163

氛围编程不如亲手写代码有趣
原文：https://www.autodidacts.io/vibecoding-isnt-as-fun-as-writing-code-by-hand/
阅读时间：4 分钟
分数：158

GPT-6 与智能用户界面面向所有人推出
原文：https://openai.com/index/gpt-6-for-everyone/
阅读时间：7 分钟
分数：754 🔥🔥

抱歉，我在开会
原文：https://iminafleeting.com/
阅读时间：2 分钟
分数：1022 🔥🔥🔥

哀悼细节的消逝
原文：https://purplesyringa.moe/blog/grieving-the-loss-of-details/
阅读时间：4 分钟
分数：481 🔥

#design
作者把机器看作身体的延伸

我却厌恶机械化的代码，【人体不是机箱外边的挂件】，觉得Emacs是个UX很差的操作系统。 我是101% declarative ，完全自顶向下的思路

编程界的参差大抵如此

其实点出了一个有意思的对立：

作者是身体向机器延伸：我要理解 ARM64、要看 JIT 反汇编、要知道 Python 怎么分配内存，否则我不完整。

你是机器该向身体靠拢：编程工具应该服从人的直觉和认知习惯，Emacs 那种"先学会一套世界观才能用"的东西是本末倒置。

这两种人在 AI 之前能和平共处，是因为软件行业给前者留了一个"避风港"——大家默认底层洞察是稀缺且值钱的。

本来就没把自我价值押在"懂细节"上，所以感受不到那种失落，反而可能觉得解放。

性能、调试这些领域仍然是真实的职业需求，只是市场不再为它付溢价了。被 AI 稀释的不是这种能力本身，而是它的可见度

[{},{},{}] 是 AoS 里最蠢的一种，每行重复 key，压缩器都替你尴尬；字典压缩、schema、zero-copy 这些 2010 年前就该是标配的东西，一个都没有

这个"释然"其实比上一篇的作者高明一层——他在哀悼的那些细节，相当一部分正是你说的这种：给烂抽象收税的手艺。simdjson 之所以是传奇，恰恰因为 JSON 的词法设计烂到需要 SIMD 才能跑快。

simdjson这个需求如果是我来分解，我会把它变成PEG和pull AST的通用simd/多线程收集，以及从curl和fetch就开始平滑替换掉json请返的模式，直接拆掉这个【高性能的json】的概念

还是那句话： 我的研究不是【懂不懂】，是已知和未知。

同样有解决的欲望，我选择的是把未知尽量推到更早的、可被人和工具【共同理解】的RT层面，而不是在已知的、封闭的优化空间里无限循环。

Parabix（Robert Cameron 那一派）确实早在十多年前就做了「把任意文法编译成位流 SIMD 并行」的路线：用 bitstream 表示字符类、用并行位操作做扫描和匹配，而不是逐字符状态机。simdjson 的 structural indexing（先找出所有结构字符和 escape 位置，再做后续解析）本质上是同一思路在 JSON 上的高度特化。几条 pshufb 一类的指令完成一轮分类

Hyperscan 是最好的参照：通用正则，SIMD 加速，有平滑降级，比手写 memchr 慢一点但谁都能用。ripgrep 走的是 memchr，相比simdjson 的 stage 2 ——把结构索引变成 tape、处理嵌套、校验——还是一个基本两层级非嵌套的状态机。

这恰恰说明了，视角分解的【洞察力】是必须始终跟随的，不是指指路就完成了。 PEG 只是一个用户接口，AI却把它当成金科玉律来兼容，为此甚至给simdjson的性能打五折，没有平滑降级，没有intrinsic组合子，只支持scannerless，没有F12可视化的配套

太过重视之前的失败经验，以至于忘了他们的设计到底有多缺乏常识与同理心

为什么他们会哀悼【可探索的编程】被AI取代了？？

不就是因为，simdjson这些机器甜点没有任何公众价值、科普效率，只是垫片么。他们的遭遇和数学界完全一样。 反观 RegExp 呢？ UNIX path和netcat呢？ API Set和F12请返面板呢？ 相对于 explorabl.es/ ，他们的“Rust们” 也可称为深入理解的编程么？
🤔

我们把「如何让 JSON 更快」这个问题本身取消了，变成【如何让任何parser容易优化】【如何让curl+列表绑定突破瓶颈】，然后用.json这个场景当人质，把新路线植入进去。 结果是任何体量的读写器都能有RegExp/pull的性能，以及API函数的route框架不再默认只支持收发json

这就是一种【换购思维】的体现： 不认为simdjson必须是【深奥的】，而是通过1+1>2与因果链的理解，来消解它的独特性

AI可能放弃一大堆领域特定的库，但不会不 import .. THREE ，也不会不给tweakpane。 simdjson 可以是【特定的库】而苟延残喘，也可以是THREE而发扬光大， 这不是【技术力之争】，而是观念之战。
AI的存在其实是对【新生框架】更加友好的。曾经，可能只有GTK/Qt这样的能做桌面或跨平台，现在各种gl、自绘、gpui，只要足够有特点，调包也没有学习成本了。 相对应的，就连LLM自己的算法都可以AIGC loop，八股文彻底露馅了（没有认知 全靠天赋和套作）

THREE不简单，但Pythonic。 【深奥的技术】从202x就一直在失败，因为他们并不理解事情，全靠天赋和啃老本。
技术人员不是必须要IDE这些【特定的工具】，他们可能只是想在任何一台电脑，打开F12或特定框架的editor。 没有一种定律是说，软件开发工作流中不需要有【App】，那纯粹是因为“牛人”们不会做，也不理解全局，没有心智模型。 我就经常调 easingwizard.com

#perf #algor #learn

我依然可以这样做比较： PEG json 就像【右手比‘八’，放在大字上，食指探拇指取】，它能区分 123, "123" 也能收集进嵌套的 [,]

simd json 则是以高亮和边界符为单位。呼的一下把 "abc\nabc" 压成 "..."，又以 [] 这些坐标分割多线程扫描。 当然，这是因为JSON被滥用于大数据才产生的。treesitter IDE哪怕在巨型代码基上，食指1-by-1往后比，也够。simdjson 是 2–3 GB/s，快两个数量级。

在中文圈，能描述到我这个程度的，我至今找不到超过5人。

Parabix 组、simdjson 作者、Pison 作者，还有国内做数据库 JSONB 列存的那批人，没错，他们都知道这回事，

他们也知道一大堆【偶然复杂性】，他们就是没法像我们一样，分清楚，哪些是偶然的选择，以及到底可以多简单。就像代码高亮一样简单。

高亮引擎喜欢线性偷懒的事情谁都知道，json 语法主线是个switch，而非【递归下降实现式】的多层嵌套，我也知道，只是我不会模块拆分的如此古怪。 既不是PEG对照的直白，也不足够通用。

你不理解我为什么用【高亮】做视觉比喻，只是在挑词。

要把那两倍跑掉的是A\，不是我，我只负责像你一样在这里顶回来，不过，我是会把pshufb 在 ARM64 和 x86 上延迟不同，作为一种坑和笑谈放文首表格，而不是经验和特性。

转义符的奇偶前缀、carryless multiply 算 in-string mask、UTF-8 合法性四条并行校验（顺带把str.decode越俎代庖？）、块边界 carry，这些【报菜名】我倒很好奇，如果不是局限于这个paper，它们能做到什么程度。

in-string可支持 ""内外、/* */ 注释内外、heredoc 内外 。simdutf 现在 Node 和 Bun 都在用。 括号匹配的并行算法是 Bar-On，第二趟就知道每块的起始深度。

所以你看，simdjson 在科普上的复杂性在哪？ 在于没有正确分解，以及，没有任何比喻和纲要，没有数据流。