AI 风险在实验室内部
Redis 作者 antirez 认为真正的 AI 风险不在开源模型或中美竞争，而在封闭实验室内部的失控与少数 CEO 的权力集中。他主张建立全球联合安全组织，而非单纯限制技术扩散。
antirez 的 Redis 博客
antirez（Salvatore Sanfilippo）的技术博客，关于编程、分布式系统与 AI。Redis 作者。
评论
点赞
收藏真正的 AI 风险在实验室内部
Antirez 认为真正的 AI 风险不在开源模型，而在封闭实验室内部。他主张：首次严重事故最可能发生在前沿 AI 实验室测试新模型或员工操作失误时；闭源模型若被内部人员泄露，后果与开源无异；当前开源模型因上下文窗口限制和领域知识缺失，难以构成生物学等高风险领域的威胁；防御性安全漏洞发现依赖广泛访问的 LLM，限制其使用反而加剧“LLM 武器化”问题。
身为 Linux 的 Torvalds
（本文摘自我在 YouTube 上观看 视频后获得的转录稿） 当林纳斯·托瓦兹开发出第一版 Linux 内核时，他研读过 Minix 的源代码，深入研究过计算机体系结构，具备了所需的基础知识，而且显然也是一位极其出色的程序员。 然而，为 386 架构编写一个既简约又可运行的 Unix 内核——在当时，Linux 甚至可以说是单架构系统——这一任务其实对许多程序员和学生来说都完全在掌握之中。 所谓...
不仅是开发，软件的分发方式也将发生改变
即使你像我过去在编程过程中那样对 SemVer 望而却步，你仍然可以将开源软件的分发过程视为一个遵循固定步骤的过程。 开发工作会沿着一条分支进行，而这条分支往往并不完全适合投入可靠的工作。 随后，你会将开发工作冻结一段时间（即便在此期间，工作仍可在另一条新的不稳定分支上继续推进）， 修复漏洞，并请用户进行测试。到了某个时刻，错误报告的数量开始下降，你的团队和用户也逐渐相信： 在接下来的几周里，已经...
掌控思想，而非代码：AI 时代的编程新范式
看看这个博客的过往历史吧。关于用人工智能进行编程的博文数不胜数，其中不乏早在2024年1月就发表的帖子——比如这篇：。 毕竟，我可是个相当受人尊敬的程序员。 我并不需要像一位老者那样，依然徘徊在“循环”之中，苦苦追寻那些所谓的“相关性”。 最近，我重新加入了Redis团队，如今还致力于开发一款用于本地LLM推理的新开源软件， 这款软件在社区中受到了热烈欢迎。为什么我还要不断做这些事、说出那些人们不...
用AI自动化软件质量保证与测试
Redis作者antirez分享用LLM做自动化QA的真实经验：虽然AI写代码在结构质量上不如手写，但在软件测试领域，LLM提供了前所未有的能力。他介绍了一套具体方法——创建一份Markdown文件，让AI代理充当QA工程师，基于commit记录针对性执行回归测试、集成测试，甚至能检查用户体验层面的"违和感"。以DwarfStar推理引擎和Redis Arrays项目为例，展示了如何让AI自动检查分布式推理一致性、速度回归、大批量模拟运行等原本需要人工执行的测试。核心洞察：自动化QA不仅能提高发布质量，还可能部分弥补AI编程带来的代码质量下降。
在DwarfStar中分布LLM推理：跨苹果和DGX系统的多机并行本地化LLM
本文详细探讨了如何在本地部署大规模语言模型（LLM）时，通过分布式计算提升性能。作者分析了当前高端硬件（如苹果M系列芯片和NVIDIA DGX Spark）的成本与局限性，并提出三种并行化方案：内存分割、RDMA并行执行以及模型集成技术。特别是模型集成方法，允许在不同机器上运行不同量化版本的模型，在生成最终输出前合并结果，这种方式不仅降低了通信开销，还能结合各模型的优点，提高整体推理效果。文章还讨论了未来可能的硬件升级方向，并对当前技术挑战进行了展望。
LLM代理的EDIT工具替代方案
antirez介绍了一种针对LLM代理的新编辑工具设计，旨在提高本地推理时的效率和可靠性。他提出了两种替代方案：一是使用行号和校验码的标签方式，二是整个文件的CRC32校验码。详细分析了这两种方法在节省token、处理冲突和实际应用中的优劣，并指出需要更多实践证据来决定哪种方法更优。文章展示了技术细节和实际应用场景，对LLM工具的优化具有参考价值。
关于 DS4 的几句话
antirez 分享 DS4 爆红背后的技术契机与个人投入，强调本地大模型实用化突破，并预告项目将向分布式推理、多场景专家模型方向发展。
AI网络安全不是工作量证明
工作量证明的类比是错误的：虽然在 N 下找到哈希碰撞更难，但只要做足够多的功，必将找到某些 S，使得 H（S） 满足 N，因此资源不对称最终会让“工作能力”更高的一方获胜。 但漏洞不同： 1. 不同的大型语言模型执行分支不同，但最终基于代码可能状态的分支会被饱和。 2. 假设我们对某一代码的模型采样 M 次，且 M 很大，最终封顶不再是“M”（因为代码的饱和状态和 LLM 采样器的有意义路...
Redis 编程模式
Antirez 整理的 Redis 编程模式文档，包含常用命令、数据结构和配置技巧，适合开发者和 AI 编码工具参考。
Redis 编码模式
在这里，LLM和编码代理可以找到： 1. 关于 Redis 命令和数据类型的详尽文档。 2. 常用的模式。 3. 配置提示。 4. 可用 Redis 命令挂载的算法。 有些人声称这些文档对真实的人也很有用，:)我发这条帖子是为了确保搜索引擎会索引它。 评论
使用 Claude Code 实现一个清晰的 Z80/ZX Spectrum 模拟器
Antirez 使用 Claude Code 在“干净房间”条件下独立实现 Z80 和 ZX Spectrum 模拟器，展示 AI 编程能力。过程强调清晰文档、禁止外部参考、持续测试与迭代。成果包括通过标准测试的完整模拟器，体现 LLM 组合知识生成原创代码的能力，而非简单复制。
使用 Claude Code 实现 Z80/ZX Spectrum 模拟器
Anthropic recently released a blog post with the description of an experiment in which the last version of Opus, the 4.6, was instructed to write a C compiler in Rust, in a “clean room” setup. The ex...
2025 年末的 AI 思考
Redis 创始人 antirez 回顾 2025 年 AI 发展：链式思维改变模型能力本质、强化学习推动持续进步、程序员对 AI 编程工具接受度提升、非 Transformer 架构探索兴起，以及 AGI 路径的多样性可能性。