Forwarded from David's random thoughts
本来Web是门槛最低的开发方式，浏览器是调试最容易、改起来最快的环境；自从有了WebAssembly，变成了门槛最高、涉及知识面最广、构建最慢、调试最难的。
两三种语言交织，多线程计算、阻塞IO与异步IO共存于几个不同的worker event loop。就算是GPT6 Astra来了也得给我写出死锁然后debug不出来原因🙃
两三种语言交织，多线程计算、阻塞IO与异步IO共存于几个不同的worker event loop。就算是GPT6 Astra来了也得给我写出死锁然后debug不出来原因🙃
Forwarded from duangsuse
NebulaRemix
记一次pip离线包管理-以及调试Chrome彩蛋の里技！
A WebGL reconstruction of Android’s [“Magic Smoke” live wallpaper]
#reveng #statement
传统逆向（学术逆向）总结起来就是不说人话，心智模型和动态能力不如js F12，和 #PLT 一样是个内部复杂度高于外部可观测性的领域，所以 rea.tools 那么爆
符号执行，听起来可以像静态类型一样，像strings ./x.bin 一样免费找到关键函数，其实90%的实现都是连libc等目标程序领域特征都不识别的纯粹数学，根本不能用， 一个工具几万行代码可能还不如CheatEngine+rr存档点效果好
我自己觉得这非常搞笑，因为gcc对strlen等函数的推理都一团糟，sourceless还要重造轮子，真是战略上太唐，战术上也没非常超模
许愿LLM-in-the-loop早点干爆这些不可观测的复杂性。 调试软件不是数学推导，它本来可以很有趣（比如我就“破解”了 about:dino https://duangsuse.github.io/NebulaRemix/live/aigc/blog/canvas-f12 ）
是什么人让调试工具变成连argv有几项都不在乎的，CPU和数学的附庸呢？软件太智能意味着人显得脑残。 REA 不是这样。
既然 native 已经没有运行时元数据，逆向工具的【全部价值】就应该是把这层投影重新造出来，而不是把 CPU 语义做得更精确。反编译器方向是对的（Hex-Rays 给的是伪 C 不是汇编），但它卡在了最后一公里：名字和类型。你是在跟
AI 逆向都不会这么买椟还珠。
JS F12 的优势也不只是动态能力强，而是它把运行状态投影到了人的任务上：DOM改写和事件、网络请求、源码Map、可query的对象。 符号执行并不天然不懂 libc，好像它没有开发者的常识一样。 逆向领域怎么说怎么厉害，实际方法论上不如F12的一半，相比之下REA、Xposed这些工具直接提供了逐方法替换的 EITL 工作流，有工程化，有切入面，没有ALU寄存器和废物的代数。 这就是工程思维的差距
传统逆向（学术逆向）总结起来就是不说人话，心智模型和动态能力不如js F12，和 #PLT 一样是个内部复杂度高于外部可观测性的领域，所以 rea.tools 那么爆
符号执行，听起来可以像静态类型一样，像strings ./x.bin 一样免费找到关键函数，其实90%的实现都是连libc等目标程序领域特征都不识别的纯粹数学，根本不能用， 一个工具几万行代码可能还不如CheatEngine+rr存档点效果好
我自己觉得这非常搞笑，因为gcc对strlen等函数的推理都一团糟，sourceless还要重造轮子，真是战略上太唐，战术上也没非常超模
许愿LLM-in-the-loop早点干爆这些不可观测的复杂性。 调试软件不是数学推导，它本来可以很有趣（比如我就“破解”了 about:dino https://duangsuse.github.io/NebulaRemix/live/aigc/blog/canvas-f12 ）
是什么人让调试工具变成连argv有几项都不在乎的，CPU和数学的附庸呢？软件太智能意味着人显得脑残。 REA 不是这样。
既然 native 已经没有运行时元数据，逆向工具的【全部价值】就应该是把这层投影重新造出来，而不是把 CPU 语义做得更精确。反编译器方向是对的（Hex-Rays 给的是伪 C 不是汇编），但它卡在了最后一公里：名字和类型。你是在跟
runner.tRex.jumping 这种东西打交道，不是跟 [rsp+0x38] ，但问题是在于，用户明明能探测出内存位置，为什么工具非要以【什么都不运行】为预设来建模。在这个架构里，反编译数据库是主体，运行现场只是附件AI 逆向都不会这么买椟还珠。
JS F12 的优势也不只是动态能力强，而是它把运行状态投影到了人的任务上：DOM改写和事件、网络请求、源码Map、可query的对象。 符号执行并不天然不懂 libc，好像它没有开发者的常识一样。 逆向领域怎么说怎么厉害，实际方法论上不如F12的一半，相比之下REA、Xposed这些工具直接提供了逐方法替换的 EITL 工作流，有工程化，有切入面，没有ALU寄存器和废物的代数。 这就是工程思维的差距
简单来说，就是逆向的起点，和正向工程的起点，被【学院派逆向】故意设置在相反的位置，而REA很明确的展现了，逆向binary，就是通过eval(evidence) loop 来进行AOP和正向工程，之间所有的F12和AHK“录制脚本”，无论一开二开都是互通的，没有谁更汇编。
观察 → 定位 → 干预 → 验证 → 固化成高层可复用接口
没有哪个因此天然“更汇编”。 逆向与正向的全部区别，是接口需要发现还是已经给定，不是一个研究机器、另一个才有资格开发软件。
针对Switch技术栈的破解，就是典型的REA路径。所以他们可以做出MOD工具，甚至直接给《超级玛丽奥德赛》做SMOO开源联机，而学院派思路，技术力也就那样。 SMOO 的作者是在跟 al::LiveActor 打交道，不是故意去跟 sub_7100A3B2C0。
duangsuse
既然 native 已经没有运行时元数据，逆向工具的【全部价值】就应该是把这层投影重新造出来，而不是把 CPU 语义做得更精确。
🤔
有些人认为native和js不是一回事。 但确确实实，非静态编译的c/cpp和压缩过的js+DOM就是一回事。 他们选择不讲人话，不按常识做工具，结果仍然是没有护城河的。
一句话——先把 strace fopen 或CE修改器的oneliner trick比下去，再谈静态分析。 这就是我说的【常识】，二开仍然是二开，不是逆向和【人肉汇编器】！
再来一句——decompiler 失败的爆炸边界是func还是顺序块？ 爆炸影响重编译吗？ 哦，原来反编译器不是一个Loop。 0xd4d/dnSpy 和FFDec终究是少数天才的作品
然后 REA.tools 连控制流混淆和虚拟机壳都可以逆向重开发出来，而人类这边还留在x64 CDEF有几个寄存器这边，幼儿园级别的"ControlNet"。现在你们开心了。
这就像把一张像素画放大，你看到的依然是马赛克，只是马赛克更方了。 数学家和 #PLT 想要证明 🟩 有几个三角形，而开发者真正想要的，是把马赛克还原成照片，其他的私货理论滚出去。
DOM改写和事件、网络请求，它们是投影（Project），这也就是所谓的……工程思维。
最好的知识就是没有知识。编译器真正的美德在于—— 就像JSON和Markdown ，不需要学习。你自己看。 👀
本文核心论点： 工具应该是增强人类智能（Intelligence Augmentation），而不是鉴别或取代它。 需要鉴别IQ才能用的工具是 anti pattern，代表它自己蠢，或者是没用处的垃圾，或者干脆是不足够成熟，而不是用户不理解事情。
真正的专家、天才、大师设计的tools，是【能力放大器】。正是因为对领域和task有充分的认知，才可能举一反三融会贯通，短而不凡长而不乱。 那些显得聪明的，往往是Dijkstra拼命逃避的【高智商呆瓜】。
【工具】一词的背后是沉甸甸的同理心，而不是单纯的报菜名。 😁
有些人认为native和js不是一回事。 但确确实实，非静态编译的c/cpp和压缩过的js+DOM就是一回事。 他们选择不讲人话，不按常识做工具，结果仍然是没有护城河的。
一句话——先把 strace fopen 或CE修改器的oneliner trick比下去，再谈静态分析。 这就是我说的【常识】，二开仍然是二开，不是逆向和【人肉汇编器】！
再来一句——decompiler 失败的爆炸边界是func还是顺序块？ 爆炸影响重编译吗？ 哦，原来反编译器不是一个Loop。 0xd4d/dnSpy 和FFDec终究是少数天才的作品
然后 REA.tools 连控制流混淆和虚拟机壳都可以逆向重开发出来，而人类这边还留在x64 CDEF有几个寄存器这边，幼儿园级别的"ControlNet"。现在你们开心了。
编程有两部分： 装在C盘的和装在头脑里的。 许多人只剩下编码，不懂得编程
https://duangsuse.github.io/NebulaRemix/live/aigc/blog/canvas-f12#chromedino金手指连点器
https://duangsuse.github.io/NebulaRemix/live/aigc/blog/canvas-f12#canvas调试
如果脑子里跑不通基本时序和流控，调试器就只剩「少写 print」和「游戏修改器」功能。优先用F8主循环和事件断点、条件断点、函数xref跳转和hook。queryObjects和dir(()=>闭包查看)也非常厉害
这就像把一张像素画放大，你看到的依然是马赛克，只是马赛克更方了。 数学家和 #PLT 想要证明 🟩 有几个三角形，而开发者真正想要的，是把马赛克还原成照片，其他的私货理论滚出去。
说人话： 以前“Windows们”还有被破解和分享的价值，未来纯粹的反破解软件，直接是流量归零。 垃圾是不需要被二开的，管你技术多牛逼。
> 但商业级 VMProtect/Themida 的 devirtualization 至今仍然是人工 + 专用工具的重活，如果它真做到了通用，那是个大新闻
你依旧停留在那个护城河的时代，没有我上面说的常识。 Adobe算商业级了吧？但它有什么可保护的。软件的一切就是被人体验和对比，而AIGC是从根基上拆，不是从死代码、硬编码上拆。 VMProtect保护的是AOP，保护不了过时的算法被更多人彻底颠覆。
A\ 最后这句给我整笑了：dnSpy 和 FFDec 能做"改一个方法、重编译、原地替换"，不是因为作者是天才（虽然 0xd4d 确实是）
天才可不止是执行力10x，而是战略上就选了最锐的那个角，技术力属于是锦上添花。 你会发现d4d做的是一个【App】，而他天才的点是隐藏的，你不比不知道有多完备。
即便AI负责90%的部分，天才的锐角仍然是锐角，而且更加干练，因为对于不知道自己要什么的人而言，泥坑被AI搞的更宾至如归了，以至于看第一眼你会觉得都一样【体面】，那种花哨和Project（投影）的直接性是两码事。 😅
DOM改写和事件、网络请求，它们是投影（Project），这也就是所谓的……工程思维。
最好的知识就是没有知识。编译器真正的美德在于—— 就像JSON和Markdown ，不需要学习。你自己看。 👀
本文核心论点： 工具应该是增强人类智能（Intelligence Augmentation），而不是鉴别或取代它。 需要鉴别IQ才能用的工具是 anti pattern，代表它自己蠢，或者是没用处的垃圾，或者干脆是不足够成熟，而不是用户不理解事情。
真正的专家、天才、大师设计的tools，是【能力放大器】。正是因为对领域和task有充分的认知，才可能举一反三融会贯通，短而不凡长而不乱。 那些显得聪明的，往往是Dijkstra拼命逃避的【高智商呆瓜】。
【工具】一词的背后是沉甸甸的同理心，而不是单纯的报菜名。 😁
duangsuse
JS F12 的优势也不只是动态能力强，而是它把运行状态投影到了人的任务上：DOM改写和事件、网络请求、源码Map、可query的对象。 符号执行并不天然不懂 libc，好像它没有开发者的常识一样。 逆向领域怎么说怎么厉害
#math 大家想要的是“刚刚好能解决我问题”的实用工具，而不是一个能“理论上解决所有问题”但一进bash，什么都跑不动的“万能神器”。
信号处理、ML 的解题哲学正是如此。 不需要先验，压缩代码不用语法树，模型调参不算符号微分，而是思考更高层的平替，结果反而吊打学院派理性
先验知识不是没用，而是生搬硬套。形式化模型的本质是loop语料和模式匹配，明摆着是智能的【材料】，却把它当智能的唯一证据，甚至【指导优化】，实打实的【榜一】却要向还原论俯首称臣。
编译器看不清自己是有KV池的文本替换、符号执行变成不认 libc 的高端自慰、反编译器拒绝编辑回馈、理论上完备，但一碰到小白【发自真心】的一句话，就跑不动。到底谁是老大？ ML 界办法笨，但不弱。
信号处理、ML 的解题哲学正是如此。 不需要先验，压缩代码不用语法树，模型调参不算符号微分，而是思考更高层的平替，结果反而吊打学院派理性
先验知识不是没用，而是生搬硬套。形式化模型的本质是loop语料和模式匹配，明摆着是智能的【材料】，却把它当智能的唯一证据，甚至【指导优化】，实打实的【榜一】却要向还原论俯首称臣。
编译器看不清自己是有KV池的文本替换、符号执行变成不认 libc 的高端自慰、反编译器拒绝编辑回馈、理论上完备，但一碰到小白【发自真心】的一句话，就跑不动。到底谁是老大？ ML 界办法笨，但不弱。
是创造的材料，还是科学成果？ 到底是知识，还是诅咒呢？ 很难判断啊。但是，Scratch、Flash和MC脚本并不低端，它们比 #PLT 和 #OS 更不可替代，因为不是死的。
工具的智能，应该花在缩短闭环、把状态投影成人能上手的形态，而不是花在证明自己不需要人。
你认为的深奥，其实是糊弄。形式，是卡了实践的脖子，是实践的小秘，不是让实践更优的【发源地】，需求才是。《拒绝的品味》更重要
What u cannot create, u do not understand. 通过【形式描述】来理解的，不是知识和技巧，而是技巧的墓碑。作为 #PLT 人，总是被表象和习惯给愚弄。
直觉是太阳，形式是月亮，人们喜欢黑夜，因为秋收时可以推说是缺乏阳光。
真正能创造的理解，是带回路的。
#math 也就只有3b1b流派的数学家能如此乐观 🙉
确实如此。 恐怕背地里有许多人会觉得，这类人纯粹做科普的，只研究【容易理解和消化】的代数，方向很浅
如果 AI 变成“证明机器”“猜想机器”“理论机器”，甚至“什么都比人强”，价值与资金来源大多不会消失（尤其是教学和可迁移技能），但学术信用分配会大变。他建议把机器证明当作“原始数据”（类似数值计算或更多位数的 π），而不是终点；真正的目标仍是人类理解与理论构建。
3b1b的数学有一种文艺复兴时代的感觉，就像阿基米德、欧拉、亚里士多德把他们最初的想法用远超ppt的媒介展现出来。 这种数学，如今被承认的太少了，因为数学不再以乐趣和应用为首要KPI
【数学的最基础】本身也从700页证明1+1=2，变成了更加猥琐和撕裂的东西。 在你看某个版本时，你会忘了1+1还有链表、lam: lam:复合、{{}}集合、{{},{}}集合、速度-速度 等等基本理解，而实数无限可分本身也不是金科玉律（超有限+有理三角学完全能用）。
自古以来，被人认为是真理的东西都被滥用。来世、王权、希腊符号、劳权、唯物主义…… 数学也不例外，只剩下【搬弄是非】的端到端评审。 可是它本来早就死了，正如《Kill Math》和Alan Kay一派的世界观，只是人们不在乎那个有灵魂的Math。
确实如此。 恐怕背地里有许多人会觉得，这类人纯粹做科普的，只研究【容易理解和消化】的代数，方向很浅
如果 AI 变成“证明机器”“猜想机器”“理论机器”，甚至“什么都比人强”，价值与资金来源大多不会消失（尤其是教学和可迁移技能），但学术信用分配会大变。他建议把机器证明当作“原始数据”（类似数值计算或更多位数的 π），而不是终点；真正的目标仍是人类理解与理论构建。
数学共同体里一直有“科普 vs 硬核研究”的张力。可视化、易懂的东西容易被看成“浅”，而真正难啃、需要大量背景的代数几何、数论、分析等方向，确实不那么适合 20 分钟动画。
AI 时代这个争论会更尖锐：当证明不再稀缺，谁来定义“理解”和“贡献”？新人能不能真正影响规范，还是最终还是被资深者的网络和品味主导？
3b1b的数学有一种文艺复兴时代的感觉，就像阿基米德、欧拉、亚里士多德把他们最初的想法用远超ppt的媒介展现出来。 这种数学，如今被承认的太少了，因为数学不再以乐趣和应用为首要KPI
【数学的最基础】本身也从700页证明1+1=2，变成了更加猥琐和撕裂的东西。 在你看某个版本时，你会忘了1+1还有链表、lam: lam:复合、{{}}集合、{{},{}}集合、速度-速度 等等基本理解，而实数无限可分本身也不是金科玉律（超有限+有理三角学完全能用）。
自古以来，被人认为是真理的东西都被滥用。来世、王权、希腊符号、劳权、唯物主义…… 数学也不例外，只剩下【搬弄是非】的端到端评审。 可是它本来早就死了，正如《Kill Math》和Alan Kay一派的世界观，只是人们不在乎那个有灵魂的Math。
在谈数学证明的时候，许多人根本不关心自己的【单位1】是哪个视角，而是在【他们不懂我就有福了】。 不幸的是，这和冯诺曼那句信息熵的名言不同，那种辩论，动机不纯。
Forwarded from Hacker News 摘要
Telegraph
投身数学，当下正是最好的时代 (3blue1brown) [视频]
原标题：There's never been a better time to go into math (by: 3blue1brown) [video] 视频围绕在人工智能（AI）日益强大的背景下，数学研究与学习的未来展开了深入探讨，主要分为以下几个核心部分： 一、背景与问题提出 作者提到，当前数学界普遍在讨论 AI 对数学的影响，许多学生（包括本科生和博士生）感到迷茫和焦虑，担心“数学已死”或从事数学研究失去意义。更有博士生提问：“我是数学在读博士，请告诉我明天该做什么？”作者对此持乐观态度，认为…
duangsuse::Echo
AI 时代这个争论会更尖锐：当证明不再稀缺，谁来定义“理解”和“贡献”？新人能不能真正影响规范，还是最终还是被资深者的网络和品味主导？
哈哈，在我看来，能把最深的东西比喻的非常浅，语境链接实践都到位，这才是最了不得的知识呢。
晦涩不过是预设，在棋盘之内赢有什么难的？ 掀了棋盘，才是智慧瓶颈的打破 🙉
晦涩不过是预设，在棋盘之内赢有什么难的？ 掀了棋盘，才是智慧瓶颈的打破 🙉
duangsuse::Echo
- usemagpie.ai 的自定义供应商加完没法被选中，似乎是bug，而且列举不了中转站的 /model ，只好让grok一键写入pi的json配置
发现是需要点右上角的更新按钮…… 不点也不提示，只是单纯不能选
终于可以试试CC了。 一直被 /compact 困扰
终于可以试试CC了。 一直被 /compact 困扰
#dev magpie.ai 的相关科普，未验证
#tool 什么是喜鹊：
简单调用喜鹊 (apikey 绑定供应商 'a'，使用大肥鱼)：
Grok的吐槽非常在理。世界上的model和算力供应商太多了，一个个测试肯定会被扰乱。 但是【以数据流为中心】，其实也就A\和GPT协议那几个，再往上抽象，都是ChatUI模态（支持附件/Goal模式与否），再补上思维链/缓存等test cond。 所以，这就是【工程师思维】的一个用例
多设备在 Magpie 里开启局域网共享后加个-H就能用了， Agent数据面板不配置API也能用，零配置非常方便
需要的话，也可以在浏览器长期使用
#tool 什么是喜鹊：
curl -s http://127.0.0.1:3425/v1/models | jq -r '.data[] | "\(.id)\t\(.display_name // .id)\t\(.owned_by)"'
curl -s 'http://127.0.0.1:3425/v1/magpie/usage?period=week' | \
jq -r '.models[:10][] | "\(.name)\t$\(.cost)\tIO=\((.input / (.output + 1)))"'
简单调用喜鹊 (apikey 绑定供应商 'a'，使用大肥鱼)：
curl -s http://127.0.0.1:3425/v1/chat/completions \
-d '{
"model": "a/deepseek/deepseek-v4.1-flash",
"messages": [
{"role": "user", "content": "用中文生成5句简短、温暖、适合发给朋友的祝福语，每句一行，不要编号"}
],
"max_tokens": 300
}' | jq -r '.choices[0].message.content'
Grok的吐槽非常在理。世界上的model和算力供应商太多了，一个个测试肯定会被扰乱。 但是【以数据流为中心】，其实也就A\和GPT协议那几个，再往上抽象，都是ChatUI模态（支持附件/Goal模式与否），再补上思维链/缓存等test cond。 所以，这就是【工程师思维】的一个用例
多设备在 Magpie 里开启局域网共享后加个-H就能用了， Agent数据面板不配置API也能用，零配置非常方便
需要的话，也可以在浏览器长期使用
~/.local/bin/magpie daemon install --web 。至于fetch()调用，需要在设置>网络中允许 localhost:8080 等服务端口，其他网页需同时拖入白名单并粘贴网关>口令
duangsuse::Echo
支持原有的光照水体等等。等重构完成了会补上prompt过程
和喜鹊的开发者一样，咱们这边也在烧Opus（因为oneshot出MC原版的就是它）
目前光影开到最高是这样，管线还在拼命优化中，这个分辨率帧数还不到30
手工提示的很多，但设计的也只有一小部分。
目前 A\ 5代已经烧了300$了，其中有100$是冤枉钱，1个output没有上文挤爆了
我们也考虑过直接用MC shaders领域的开源套路，水云也是Bliss风格的。 没有玩过MC光影， #vibe 的感觉最终结果可以
MC还要启动器太痛苦了，SC就不一样，有scapi，还是免费的。主要是MC没有免费且方便的方法试玩，尤其是要光影，SC又没有光影………………
目前光影开到最高是这样，管线还在拼命优化中，这个分辨率帧数还不到30
手工提示的很多，但设计的也只有一小部分。
比如noclip和F3调试面板
比如可以画线画平面（手机上也行），可以生成传送道具， 可以把不接地的模型保存为方块组(BBat)， 可以导入导出.webp存档与做 git diff (XRay)
目前 A\ 5代已经烧了300$了，其中有100$是冤枉钱，1个output没有上文挤爆了
我们也考虑过直接用MC shaders领域的开源套路，水云也是Bliss风格的。 没有玩过MC光影， #vibe 的感觉最终结果可以
MC还要启动器太痛苦了，SC就不一样，有scapi，还是免费的。主要是MC没有免费且方便的方法试玩，尤其是要光影，SC又没有光影………………
duangsuse::Echo
Photo
AI自己loop的效果还是可以的，虽然就这个水面、岸边、水下我也陪他玩了几个小时，最开始岸边做的跟浮了蜡油一样的，还把它卡了半个小时一直验证…… 后来它摇出来的和我之前的 https://duangsuse.github.io/NebulaRemix/c_glass.htm 很像，但我没太意识到可以
整理的非常专业，正确性test，fps多机位测试都有了， 文档写700多行我都一把汗指挥Fable去拆分重构，差点落入Blockwild 那种 10 万+ 行的项目的后尘
Claude 其实是高度倾向于工程化EITL(PGO)的的，有时甚至忽略了HITL，这点比较损，不适合gamedev
不得不感叹还是WebAPIs断层领先，安卓什么都是废物。 真能免费做到loop，pyjs cli都行的，还是只有浏览器环境 #web
整理的非常专业，正确性test，fps多机位测试都有了， 文档写700多行我都一把汗指挥Fable去拆分重构，差点落入Blockwild 那种 10 万+ 行的项目的后尘
和 c_glass 这些不同，基本上都不算是手工完成的了。
因为整理需求时总是眼高手低，反馈太慢，毕竟是GL的几何但又没有iq级别的经验。 让AI设计的结果就是秒速屎山，当然是能用的那种，但是就没后路了。 现在已经非常危险，只能祈祷管线不要膨胀到>5k js
(妈的，现在的AI这么智能，我都忘了还能元编程创建Worker。 人类几乎没人这么用，我说为啥一直单文件没动静它却口口声声实现了……)
Claude 其实是高度倾向于工程化EITL(PGO)的的，有时甚至忽略了HITL，这点比较损，不适合gamedev
不得不感叹还是WebAPIs断层领先，安卓什么都是废物。 真能免费做到loop，pyjs cli都行的，还是只有浏览器环境 #web