[程序员] NPM 挂了
Degraded Package Install and Publishing
https://status.npmjs.org/#
via V2EX (author: tianjiyao)
Degraded Package Install and Publishing
https://status.npmjs.org/#
via V2EX (author: tianjiyao)
[问与答] 关于婚前婚后的两性关系，到底要怎么处理
[写着写着发现很乱，但是是想改了，乱也是真实的想法] [没在原贴发是因为大家很容易绕回楼主🐢的事情，没有跳出单件事情讨论]
今天看到两个 00 后结婚的帖子： https://v2ex.com/t/1250834?p=1#reply130 ， 下面有人说 [有时候在想，能上 v2 的应该认知不能够太下沉吧，怎么一碰到男女关系这种事就跟脑子丢了一样？] 这是很常见的事情，看到太多太多了。这应该是另外一个课题吧？目前摸鱼学到的就只有多经历才能学会这些。但很多人其实没有这部分的经历。
我自己也处理不好这方面的事情，同时已经工作几年有点小存款，结婚年龄也到了，虽然现在变回孑然一身的状态，但摸鱼看多了这种帖子难免有些恐婚。 当然，最重要的是我开窍确实比较晚，错过了高中大学的颜值巅峰期。不开玩笑，当年跟过几个不同的女同学和学妹单独出去逛街，看电影，逛公园，但我不知道对方的意思，以为就是好朋友。。。好吧，我以前确实傻逼，不会这方面的事情也不去好好学习，纯浪费黄金阶段了。
目前摸鱼学到的就是： 现实是结婚肯定是两个人甚至两个家庭的事情，不可能把钱分的特别清，这或许需要摸索怎么处理。家务能用钱解决最好可以花钱解决（扫地机，洗碗机，洗衣机，烘干机之类的东西）。钱肯定不可能交出去，最好是有一个共同账户，约定好每个月每人放多少进去，每个月有一次对账。
发现说的有点乱，说到底其实还是看人，前期发现对方巨婴或者有某些不好的就赶紧跑路。。。。。。无解了，还是要多经历。 刻板印象做技术的相对宅一些，经历自然就少了一些，龟概率更高一些了属于。好吧，再次无解。
via V2EX (author: kcerty)
[写着写着发现很乱，但是是想改了，乱也是真实的想法] [没在原贴发是因为大家很容易绕回楼主🐢的事情，没有跳出单件事情讨论]
今天看到两个 00 后结婚的帖子： https://v2ex.com/t/1250834?p=1#reply130 ， 下面有人说 [有时候在想，能上 v2 的应该认知不能够太下沉吧，怎么一碰到男女关系这种事就跟脑子丢了一样？] 这是很常见的事情，看到太多太多了。这应该是另外一个课题吧？目前摸鱼学到的就只有多经历才能学会这些。但很多人其实没有这部分的经历。
我自己也处理不好这方面的事情，同时已经工作几年有点小存款，结婚年龄也到了，虽然现在变回孑然一身的状态，但摸鱼看多了这种帖子难免有些恐婚。 当然，最重要的是我开窍确实比较晚，错过了高中大学的颜值巅峰期。不开玩笑，当年跟过几个不同的女同学和学妹单独出去逛街，看电影，逛公园，但我不知道对方的意思，以为就是好朋友。。。好吧，我以前确实傻逼，不会这方面的事情也不去好好学习，纯浪费黄金阶段了。
目前摸鱼学到的就是： 现实是结婚肯定是两个人甚至两个家庭的事情，不可能把钱分的特别清，这或许需要摸索怎么处理。家务能用钱解决最好可以花钱解决（扫地机，洗碗机，洗衣机，烘干机之类的东西）。钱肯定不可能交出去，最好是有一个共同账户，约定好每个月每人放多少进去，每个月有一次对账。
发现说的有点乱，说到底其实还是看人，前期发现对方巨婴或者有某些不好的就赶紧跑路。。。。。。无解了，还是要多经历。 刻板印象做技术的相对宅一些，经历自然就少了一些，龟概率更高一些了属于。好吧，再次无解。
via V2EX (author: kcerty)
[分享创造] Agent 拉的屎太多了，我 1T 都满了，开源一个 Agent-Shit-Cleaner
Agent 开发各种安装依赖，构建编译产物，大多数情况下都懒得管，但是耐不住越来越多
于是开源了一个小工具，名字很诚实：agent-shit-cleaner （ Agent💩清理工具）
https://github.com/Viyozc/agent-shit-cleaner
做的事情很简单：
- 扫描主要的工作区目录，统计每个项目/目录的磁盘占用
- 重点识别安装依赖、构建产物这类"垃圾大头"
- CLI 交互式操作、严格避免误删除
via V2EX (author: Viyozc)
Agent 开发各种安装依赖，构建编译产物，大多数情况下都懒得管，但是耐不住越来越多
于是开源了一个小工具，名字很诚实：agent-shit-cleaner （ Agent💩清理工具）
https://github.com/Viyozc/agent-shit-cleaner
做的事情很简单：
- 扫描主要的工作区目录，统计每个项目/目录的磁盘占用
- 重点识别安装依赖、构建产物这类"垃圾大头"
- CLI 交互式操作、严格避免误删除
via V2EX (author: Viyozc)
[远程工作] <远程>agent 架构师
AI 平台架构师 / AI 基础设施架构师
岗位方向：AI Platform / Agent Infrastructure / Cloud Native / GPU Infrastructure
经验要求：8 年以上开发/架构经验，3 年以上 AI 相关项目经验优先
岗位职责
负责公司 AI 平台及 AI 应用基础设施的整体架构设计与技术落地，支撑 AI Agent 、AIGC 图像/视频、大模型 API 、模型推理等业务稳定运行。
不仅要求具备传统后端及云原生架构能力，还需要理解当前 AI 应用的技术体系，能够完成从：
AI 应用 → Agent → 模型服务 → GPU 算力 → Kubernetes → DevOps → 可观测性
的完整技术架构设计。
1. AI 平台架构
负责公司 AI 平台整体技术架构设计、技术选型及核心模块建设。
负责 AI Agent 、LLM 、AIGC 图像/视频等业务的基础架构设计。
建设统一 AI Gateway ，对接 OpenAI 、Claude 、Gemini 、DeepSeek 、Qwen 、MiniMax 及私有部署模型。
设计统一模型调用层，实现模型路由、Fallback 、负载均衡、限流、熔断、重试及成本控制。
设计 Agent Runtime / Tool Runtime ，支撑 Tool Calling 、MCP 、Workflow 、异步任务等能力。
建设模型、Prompt 、Agent 、Workflow 的版本管理和发布体系。
负责 AI 服务高可用、高并发、可扩展架构设计。
2. Python / Go 后端架构
熟练使用 Python + Go 进行后端及基础设施开发。
Python 方向熟悉 FastAPI 、Pydantic 、AsyncIO 、Celery 等常见技术。
Go 方向熟悉 Gin 、Fiber 、gRPC 等技术体系。
熟悉 REST API 、WebSocket 、SSE 、gRPC 等通信方式。
熟悉微服务、分布式系统、任务队列、缓存、数据库及对象存储等基础架构。
能够针对 AI 长任务、GPU 任务设计异步任务系统。
具备高并发、限流、熔断、降级、幂等、重试、分布式锁等实际工程经验。
3. Kubernetes / 云原生
精通 Kubernetes 生产环境部署及运维。
熟悉 Deployment 、StatefulSet 、DaemonSet 、Job 、CronJob 、Service 、Ingress 、HPA 、PVC 等核心资源。
熟悉 Helm / Kustomize 。
能够设计多 Namespace 、多环境、多集群部署架构。
熟悉 Pod 调度、资源限制、健康检查、滚动更新、自动扩缩容。
能够快速定位 Pod Pending 、OOMKilled 、CrashLoopBackOff 、MinimumReplicasUnavailable 等常见问题。
熟悉 GPU Kubernetes 调度，包括 NVIDIA Device Plugin 、GPU Resource 、Node Selector 、Affinity/Taint/Toleration 等。
有 EKS / ACK / GKE / Azure AKS 等公有云 Kubernetes 生产经验优先。
4. GPU / AI Infra
理解 GPU 推理服务的部署和资源管理。
熟悉 NVIDIA GPU 、CUDA 、显存、GPU Utilization 等基本概念。
能够设计 GPU 资源池及任务调度机制。
熟悉多 GPU / 多节点推理场景。
熟悉模型加载、模型缓存、冷启动、显存回收及 OOM 处理。
理解 FP16 / BF16 / FP8 / INT8 / INT4 等推理优化方式。
有 vLLM 、SGLang 、TensorRT-LLM 、Triton Inference Server 等经验优先。
有 ComfyUI / Diffusers / 图像视频生成任务的 GPU 调度经验优先。
5. CI/CD & DevOps
负责公司 AI 系统完整 DevOps 体系建设，包括：
Git → Build → Test → Image → Registry → Deploy → Monitor → Rollback
熟悉 Git / Gitea 。
能够基于 Gitea Actions / Drone / Jenkins / Argo CD 等建设自动化流水线。
熟悉 Docker 镜像构建及镜像优化。
熟悉 Harbor 或其他 Docker Registry 。
熟悉 Helm 自动化部署。
熟悉 GitOps 。
能够设计 Dev / Test / Staging / Production 多环境发布体系。
支持灰度发布、滚动发布、蓝绿发布及快速回滚。
建设代码、镜像、配置、模型、Workflow 的版本追踪体系。
6. 云计算架构
熟悉 AWS / 阿里云 / 腾讯云 / GCP 等至少一种主流云平台。
熟悉 VPC 、Subnet 、NAT Gateway 、Load Balancer 、安全组、DNS 等基础网络。
熟悉对象存储 S3 / OSS 。
熟悉 CDN 。
熟悉云数据库、Redis 、消息队列等云服务。
能够设计跨区域 / 多云架构。
能够针对 AI GPU 业务进行云资源成本优化。
有混合云 / 本地 GPU + 云 GPU 架构经验优先。
7. 可观测性与稳定性
建设完整的：
Metrics + Logs + Traces + Alerts
可观测体系。
熟悉：
Prometheus
Grafana
Loki / ELK / OpenSearch
OpenTelemetry
Jaeger / Tempo
能够针对 AI 系统建立：
API 请求耗时
Token 消耗
模型成功率
Agent Task 成功率
Workflow 执行时间
GPU 利用率
GPU 显存
Queue Length
模型推理耗时
单任务成本
等关键指标。
负责线上故障定位、容量规划、性能优化及稳定性治理。
任职要求
必备能力
计算机相关专业本科及以上学历优先。
8 年以上软件开发 / 架构相关经验。
有大型互联网系统、AI 平台或云原生平台架构经验。
熟练掌握 Python 和 Go ，至少一门达到高级水平。
熟悉 Linux / Docker / Kubernetes 。
有 Kubernetes 生产环境实际管理经验，而不仅仅是部署过 Demo 。
熟悉微服务及分布式系统设计。
熟悉 MySQL / PostgreSQL / Redis / MQ / Object Storage 等基础组件。
熟悉 Gitea / GitLab / GitHub 等代码管理体系。
有完整 CI/CD Pipeline 建设经验。
熟悉至少一种主流公有云。
有良好的系统设计能力。
简历投递联系 telegram @nini0804
via V2EX (author: nini0804)
AI 平台架构师 / AI 基础设施架构师
岗位方向：AI Platform / Agent Infrastructure / Cloud Native / GPU Infrastructure
经验要求：8 年以上开发/架构经验，3 年以上 AI 相关项目经验优先
岗位职责
负责公司 AI 平台及 AI 应用基础设施的整体架构设计与技术落地，支撑 AI Agent 、AIGC 图像/视频、大模型 API 、模型推理等业务稳定运行。
不仅要求具备传统后端及云原生架构能力，还需要理解当前 AI 应用的技术体系，能够完成从：
AI 应用 → Agent → 模型服务 → GPU 算力 → Kubernetes → DevOps → 可观测性
的完整技术架构设计。
1. AI 平台架构
负责公司 AI 平台整体技术架构设计、技术选型及核心模块建设。
负责 AI Agent 、LLM 、AIGC 图像/视频等业务的基础架构设计。
建设统一 AI Gateway ，对接 OpenAI 、Claude 、Gemini 、DeepSeek 、Qwen 、MiniMax 及私有部署模型。
设计统一模型调用层，实现模型路由、Fallback 、负载均衡、限流、熔断、重试及成本控制。
设计 Agent Runtime / Tool Runtime ，支撑 Tool Calling 、MCP 、Workflow 、异步任务等能力。
建设模型、Prompt 、Agent 、Workflow 的版本管理和发布体系。
负责 AI 服务高可用、高并发、可扩展架构设计。
2. Python / Go 后端架构
熟练使用 Python + Go 进行后端及基础设施开发。
Python 方向熟悉 FastAPI 、Pydantic 、AsyncIO 、Celery 等常见技术。
Go 方向熟悉 Gin 、Fiber 、gRPC 等技术体系。
熟悉 REST API 、WebSocket 、SSE 、gRPC 等通信方式。
熟悉微服务、分布式系统、任务队列、缓存、数据库及对象存储等基础架构。
能够针对 AI 长任务、GPU 任务设计异步任务系统。
具备高并发、限流、熔断、降级、幂等、重试、分布式锁等实际工程经验。
3. Kubernetes / 云原生
精通 Kubernetes 生产环境部署及运维。
熟悉 Deployment 、StatefulSet 、DaemonSet 、Job 、CronJob 、Service 、Ingress 、HPA 、PVC 等核心资源。
熟悉 Helm / Kustomize 。
能够设计多 Namespace 、多环境、多集群部署架构。
熟悉 Pod 调度、资源限制、健康检查、滚动更新、自动扩缩容。
能够快速定位 Pod Pending 、OOMKilled 、CrashLoopBackOff 、MinimumReplicasUnavailable 等常见问题。
熟悉 GPU Kubernetes 调度，包括 NVIDIA Device Plugin 、GPU Resource 、Node Selector 、Affinity/Taint/Toleration 等。
有 EKS / ACK / GKE / Azure AKS 等公有云 Kubernetes 生产经验优先。
4. GPU / AI Infra
理解 GPU 推理服务的部署和资源管理。
熟悉 NVIDIA GPU 、CUDA 、显存、GPU Utilization 等基本概念。
能够设计 GPU 资源池及任务调度机制。
熟悉多 GPU / 多节点推理场景。
熟悉模型加载、模型缓存、冷启动、显存回收及 OOM 处理。
理解 FP16 / BF16 / FP8 / INT8 / INT4 等推理优化方式。
有 vLLM 、SGLang 、TensorRT-LLM 、Triton Inference Server 等经验优先。
有 ComfyUI / Diffusers / 图像视频生成任务的 GPU 调度经验优先。
5. CI/CD & DevOps
负责公司 AI 系统完整 DevOps 体系建设，包括：
Git → Build → Test → Image → Registry → Deploy → Monitor → Rollback
熟悉 Git / Gitea 。
能够基于 Gitea Actions / Drone / Jenkins / Argo CD 等建设自动化流水线。
熟悉 Docker 镜像构建及镜像优化。
熟悉 Harbor 或其他 Docker Registry 。
熟悉 Helm 自动化部署。
熟悉 GitOps 。
能够设计 Dev / Test / Staging / Production 多环境发布体系。
支持灰度发布、滚动发布、蓝绿发布及快速回滚。
建设代码、镜像、配置、模型、Workflow 的版本追踪体系。
6. 云计算架构
熟悉 AWS / 阿里云 / 腾讯云 / GCP 等至少一种主流云平台。
熟悉 VPC 、Subnet 、NAT Gateway 、Load Balancer 、安全组、DNS 等基础网络。
熟悉对象存储 S3 / OSS 。
熟悉 CDN 。
熟悉云数据库、Redis 、消息队列等云服务。
能够设计跨区域 / 多云架构。
能够针对 AI GPU 业务进行云资源成本优化。
有混合云 / 本地 GPU + 云 GPU 架构经验优先。
7. 可观测性与稳定性
建设完整的：
Metrics + Logs + Traces + Alerts
可观测体系。
熟悉：
Prometheus
Grafana
Loki / ELK / OpenSearch
OpenTelemetry
Jaeger / Tempo
能够针对 AI 系统建立：
API 请求耗时
Token 消耗
模型成功率
Agent Task 成功率
Workflow 执行时间
GPU 利用率
GPU 显存
Queue Length
模型推理耗时
单任务成本
等关键指标。
负责线上故障定位、容量规划、性能优化及稳定性治理。
任职要求
必备能力
计算机相关专业本科及以上学历优先。
8 年以上软件开发 / 架构相关经验。
有大型互联网系统、AI 平台或云原生平台架构经验。
熟练掌握 Python 和 Go ，至少一门达到高级水平。
熟悉 Linux / Docker / Kubernetes 。
有 Kubernetes 生产环境实际管理经验，而不仅仅是部署过 Demo 。
熟悉微服务及分布式系统设计。
熟悉 MySQL / PostgreSQL / Redis / MQ / Object Storage 等基础组件。
熟悉 Gitea / GitLab / GitHub 等代码管理体系。
有完整 CI/CD Pipeline 建设经验。
熟悉至少一种主流公有云。
有良好的系统设计能力。
简历投递联系 telegram @nini0804
via V2EX (author: nini0804)
[Claude] Claude 封号，可能不是在查你的环境，而是在读你的上下文
Claude 又封了我一个 Max 5x 账号，复盘了下，讨论基本都集中在：节点不干净、浏览器指纹不对、时区没改、支付方式有问题。
这些当然可能是原因。但我觉得，大家可能还在用传统风控的思路，去理解一家模型公司。
Claude 不是普通 SaaS 。传统平台查设备、IP 、行为规则；
模型公司最擅长的，是直接理解内容。它完全可以在云端定时读取你的上下文，让另一个模型判断：你长期用什么语言、问什么问题、怎么描述自己的工作、提到哪些中文互联网才懂的词、对哪些话题的反应像“自己人”。
它甚至不需要准确判断你的国籍。它只需要判断：你像不像一个它不想继续服务的用户。
聊天记录本身就是一份比浏览器指纹更完整的身份画像。
那还有解吗？
via V2EX (author: willwon1)
Claude 又封了我一个 Max 5x 账号，复盘了下，讨论基本都集中在：节点不干净、浏览器指纹不对、时区没改、支付方式有问题。
这些当然可能是原因。但我觉得，大家可能还在用传统风控的思路，去理解一家模型公司。
Claude 不是普通 SaaS 。传统平台查设备、IP 、行为规则；
模型公司最擅长的，是直接理解内容。它完全可以在云端定时读取你的上下文，让另一个模型判断：你长期用什么语言、问什么问题、怎么描述自己的工作、提到哪些中文互联网才懂的词、对哪些话题的反应像“自己人”。
它甚至不需要准确判断你的国籍。它只需要判断：你像不像一个它不想继续服务的用户。
聊天记录本身就是一份比浏览器指纹更完整的身份画像。
那还有解吗？
via V2EX (author: willwon1)
[生活] 关于手动剃刀，最近从吉列换成舒适了，消费降级，体验没降。
一直用的是吉列的锋隐致护刀头，用了六年，感觉耐久度越来越低，我一周差不多刮个五次左右，一个多月就感觉刀头钝了，剃须时有拉扯感，想要有更好的剃须体验，只能换新刀头。
查了一下，吉列在出了新款后，会把老刀头转到越南工厂生产，现在只有最新的极光系列刀头是在美国产的，本来想直接换成极光的，发现极光的刀头真是一点不便宜，8 个刀头 200 元，基本上要 25 一个。
然后在检索信息时才知道舒适这个牌子，盒刀里份额排第二，但是之前一点没听过，新出的 pro 外形不错，135 买了一个刀架加五个刀头，又花了 110 买了 8 个刀头，如果不买新款刀头，水次元 5 刀头大概 10 元一个。
剃须体验上和锋隐致护没什么区别，耐久度还有待观察，性价比目前来看绝对是比吉列高不少。
没用手动剃须之前以为手动省钱，其实手柄基本上是白送的，剃须泡沫和刀头才是厂家赚钱的地方。
via V2EX (author: xtx)
一直用的是吉列的锋隐致护刀头，用了六年，感觉耐久度越来越低，我一周差不多刮个五次左右，一个多月就感觉刀头钝了，剃须时有拉扯感，想要有更好的剃须体验，只能换新刀头。
查了一下，吉列在出了新款后，会把老刀头转到越南工厂生产，现在只有最新的极光系列刀头是在美国产的，本来想直接换成极光的，发现极光的刀头真是一点不便宜，8 个刀头 200 元，基本上要 25 一个。
然后在检索信息时才知道舒适这个牌子，盒刀里份额排第二，但是之前一点没听过，新出的 pro 外形不错，135 买了一个刀架加五个刀头，又花了 110 买了 8 个刀头，如果不买新款刀头，水次元 5 刀头大概 10 元一个。
剃须体验上和锋隐致护没什么区别，耐久度还有待观察，性价比目前来看绝对是比吉列高不少。
没用手动剃须之前以为手动省钱，其实手柄基本上是白送的，剃须泡沫和刀头才是厂家赚钱的地方。
via V2EX (author: xtx)
[酷工作] 招聘 FPGA 工程师，欢迎投递
受限于平台邀请制，帮朋友发布一条招聘信息，欢迎大家投递
FPGA 工程师
我们是一家专注通信领域的集成电路设计公司，公司聚焦光通信与网络芯片赛道，面向 PON 、以太网交换机等场景开展自研芯片研发。
目前项目正处于关键研发阶段，现扩充 FPGA 开发团队，承担芯片原型验证、高速接口、数据通路及协议逻辑开发工作。优先招募拥有 PON 、交换机、通信网络相关项目经验的 FPGA 工程师。
基本信息
● 工作地点：南京或深圳，优秀者可远程
● 薪资区间：25 万–40 万/年
● 工作经验：5 年左右
● 联系人：Steve
● 联系邮箱： 443276678@qq.com (
岗位职责
1. 负责芯片原型方案设计、RTL 代码编写与调试、FPGA 平台测试、软硬件功能联调；
2. 嵌入式系统开发与维护：负责嵌入式底层软件的设计、开发与迭代维护；
3. BSP 与底层驱动开发：基于 ARM 架构完成底层软件包开发，参与 U-Boot 等系统启动引导代码开发与调试；
4. 软硬件协同工作：配合硬件团队完成新单板底层软件调试、系统启动适配与 bring-up 。
via V2EX (author: emery223)
受限于平台邀请制，帮朋友发布一条招聘信息，欢迎大家投递
FPGA 工程师
我们是一家专注通信领域的集成电路设计公司，公司聚焦光通信与网络芯片赛道，面向 PON 、以太网交换机等场景开展自研芯片研发。
目前项目正处于关键研发阶段，现扩充 FPGA 开发团队，承担芯片原型验证、高速接口、数据通路及协议逻辑开发工作。优先招募拥有 PON 、交换机、通信网络相关项目经验的 FPGA 工程师。
基本信息
● 工作地点：南京或深圳，优秀者可远程
● 薪资区间：25 万–40 万/年
● 工作经验：5 年左右
● 联系人：Steve
● 联系邮箱： 443276678@qq.com (
mailto:443276678@qq.com)岗位职责
1. 负责芯片原型方案设计、RTL 代码编写与调试、FPGA 平台测试、软硬件功能联调；
2. 嵌入式系统开发与维护：负责嵌入式底层软件的设计、开发与迭代维护；
3. BSP 与底层驱动开发：基于 ARM 架构完成底层软件包开发，参与 U-Boot 等系统启动引导代码开发与调试；
4. 软硬件协同工作：配合硬件团队完成新单板底层软件调试、系统启动适配与 bring-up 。
via V2EX (author: emery223)
[分享创造] 原生游戏移植门槛降低.游戏大航海时代来了!
最近做了个小站，叫 PortGames 域名也简单粗暴，意思就是希望大家能玩到原生的高效的移植游戏，玩得开心
这个站主要用来收集整理社区里的游戏移植项目。可以按游戏和平台找项目，看看需要准备什么，再去原项目那里继续了解
起因是看到了 D2R Mobile 当时第一感觉就是：哇，终于要打破这面墙了嘛，大一统时代终于要来了，终于不用背着我厚重的 NS 出门了哈哈哈。深入了解后发现，它居然是个通用方案，靠 AI 打破了原本最费劲的那部分转译，一下子就井喷了
越看越上头,就做了这个小站
AI 真是个神兵利器，解决了很多以前不太好解决、或者需要花很大精力才能解决的问题。我现在 Codex 额度没用完，总归会觉得有点浪费。人才是 AI 整个工作流上最低效的一环呐哈哈哈
既然 AI 这么好用，相当于给了所有团长一艘船，可以出海找自己的 One Piece。大航海时代，去到哪里、能遇到什么样的伙伴、干成什么样的事情，比最后的宝藏还吸引人。就看大家的想象力和执行力了
看到如今井喷的这么多项目，我也观察了一下：其实更多大佬热衷于移植，而不是热衷于游戏本身。这真是一个很有意思的事情
这种整理项目的网站已经不少了。我自己还是想做一个，把看到的项目和原始来源放在一起，也记录一下这波让我觉得很有意思的探索
现在先做成了目录。后期再来增加一些，比如机型或者运行情况的反馈收集，能做成一个小小社区的话就更好了。当然，这也只是我的设想
希望大家玩得愉快~
https://portgames.fun
via V2EX (author: v2vTZ)
最近做了个小站，叫 PortGames 域名也简单粗暴，意思就是希望大家能玩到原生的高效的移植游戏，玩得开心
这个站主要用来收集整理社区里的游戏移植项目。可以按游戏和平台找项目，看看需要准备什么，再去原项目那里继续了解
起因是看到了 D2R Mobile 当时第一感觉就是：哇，终于要打破这面墙了嘛，大一统时代终于要来了，终于不用背着我厚重的 NS 出门了哈哈哈。深入了解后发现，它居然是个通用方案，靠 AI 打破了原本最费劲的那部分转译，一下子就井喷了
越看越上头,就做了这个小站
AI 真是个神兵利器，解决了很多以前不太好解决、或者需要花很大精力才能解决的问题。我现在 Codex 额度没用完，总归会觉得有点浪费。人才是 AI 整个工作流上最低效的一环呐哈哈哈
既然 AI 这么好用，相当于给了所有团长一艘船，可以出海找自己的 One Piece。大航海时代，去到哪里、能遇到什么样的伙伴、干成什么样的事情，比最后的宝藏还吸引人。就看大家的想象力和执行力了
看到如今井喷的这么多项目，我也观察了一下：其实更多大佬热衷于移植，而不是热衷于游戏本身。这真是一个很有意思的事情
这种整理项目的网站已经不少了。我自己还是想做一个，把看到的项目和原始来源放在一起，也记录一下这波让我觉得很有意思的探索
现在先做成了目录。后期再来增加一些，比如机型或者运行情况的反馈收集，能做成一个小小社区的话就更好了。当然，这也只是我的设想
希望大家玩得愉快~
https://portgames.fun
via V2EX (author: v2vTZ)
[程序员] PingCap TiDB 生产环境 10.6 TB 数据泄露
原文: https://fulcrumsec.vg/pingcap/
摘要:
● 累计外泄数据：10.6 TB
● 文件数量：4,901,203 个
● 生产控制平面导出：连续 88 次（每 6 小时导出一次），全程未被检测/察觉
● GCP 存储桶：约 50 个
● BigQuery 数据仓库：单仓数据量达 5.338 亿行
● 租户组织：180,046 个
● 独立电子邮箱：403,262 个
● 客户明文 API 密钥：115,308 个（其中 42,612 个处于有效/活跃状态）
● 客户 SQL 语句：20,645,574 条
● 网关连接记录：102,003,766 次
● 客户服务器 IP：5,036,738 个
● Jira 工单 (Issues)：377,446 个
● CRM 联系人：433,928 个
● 带租户标签的 AWS 成本数据：92 GB
● 私有源码仓库：413 个
via V2EX (author: BrbiwsFtd9zDGZqB)
原文: https://fulcrumsec.vg/pingcap/
摘要:
● 累计外泄数据：10.6 TB
● 文件数量：4,901,203 个
● 生产控制平面导出：连续 88 次（每 6 小时导出一次），全程未被检测/察觉
● GCP 存储桶：约 50 个
● BigQuery 数据仓库：单仓数据量达 5.338 亿行
● 租户组织：180,046 个
● 独立电子邮箱：403,262 个
● 客户明文 API 密钥：115,308 个（其中 42,612 个处于有效/活跃状态）
● 客户 SQL 语句：20,645,574 条
● 网关连接记录：102,003,766 次
● 客户服务器 IP：5,036,738 个
● Jira 工单 (Issues)：377,446 个
● CRM 联系人：433,928 个
● 带租户标签的 AWS 成本数据：92 GB
● 私有源码仓库：413 个
via V2EX (author: BrbiwsFtd9zDGZqB)