Armin Ronacher

Armin Ronacher 关于 Python、Rust、编程语言设计、开源与 Web 开发的博客。Flask 框架作者。

Deser：重新思考 Rust 序列化

Armin Ronacher（Sentry Relay 作者）重启并发布了 Rust 序列化库 Deser，作为 Serde 的架构级替代品。文章先用三个具体反例（高精度数字 map 冲突、flatten 破坏整型 key、adapter 不可组合）说明 Serde 的设计缺陷源于其"稳定保证"，难以修复。 Deser 反转了 Serde 的方向：由格式侧向类型侧推送事件（sink/emitter 模型），嵌套状态放堆上而非调用栈，带来四大优势——无栈溢出、可挂起/可跨线程（tokio 友好）、可扩展数据模型（无 magic key 带内信号）、无损缓冲（error 保留位置）。代价是动态分派+堆分配导致 JSON 读性能约慢 10%（浮动 33% 快~60% 慢），写性能不一，release 编译快 2.3 倍，且内部使用 unsafe。格式覆盖 JSON/CBOR/MessagePack/YAML/TOML/XML/plist/CSV 等，并支持 XML namespace 解析、TOML datetime 扩展值等 Serde 体系做不到的事。作者坦承最核心的"成本"是它不是 Serde，生态迁移几乎不可能。适合 Rust 序列化/基础设施方向读者深度了解。

收藏18 小时前

解读 Pangram：当人工改写仍被判为"100% AI"

昨天大卫·萨克斯几分钟内，人们照常做了，问班格拉姆这是不是人工智能。潘格拉姆说是.大卫回答说，这些人工智能探测器.Pangram的误报率相当低，但如果你用过LLM作为写作助理，你可能注意到它声称你的帖子是100%AI，尽管你自己并没有感觉就像他们现在的样子。全字母句本身是一个训练好的模型，试图检测文本片段是人类的、绝对的人工智能，以及两者的混合。如果你想知道它是如何工作的，.简而言之，他们通过从已知的人类作者文本集合出发，制造自己的训练数据。 LLM随后被要求理解文本，并针对同一主题写一篇全新的文本。他们还允许LLM对原始人类文本进行部分编辑，通过这些共同作者的细节来获取。 Pangram声称他们的模型存在0.0041%的错误AI指控和0.34%的漏写AI文本。既然我们知道了这些，我觉得让一个大型语言模型（LLM）重现David的推文会很有趣。我首先想出了一个提示词。当我说我想出那个提示时，实际上是用一个大型语言模型（LLM）从那条推文中向我提出我可能想表达的结构内容。 我相信如果你问Pangram上面的文本是否是AI，它可能会说是，但这并不是重点。重点是我随后用Opus 5生成了一个完全由AI生成的文本。如果你感兴趣，这是我用的提示：原始提示：生成类似David Sacks的推文<blockquote>请写一条关于“边境步伐”的8段推文，字数不超过350字。…</blockquote>

收藏15 天前

为什么"控制AI节奏"是个糟糕的想法

本周，一种“AI会毁灭人类”的论调迅速走红。尤其有一则视频中，一位员工将自己的个人概率估计定在了10%以上。这让我去查了，发现达里奥·阿莫代伊对“坏事发生”的概率似乎介于10%到25%之间。 随后，达里奥又写了关于的文章；萨姆读了之后又做了；接着……。我强烈建议大家读一读那篇文章，因为我觉得写得不错。然而，当我读完后，尽管在大部分观察和担忧上我都与作者观点一致，却仍感到强烈的对立情绪。我想把当下的一些想法记录下来，哪怕只是为了将来一两年后再回过头来看看。<h2>何谓“末日”？</h2>我很欣赏达里奥文章的一点是，他描绘了一个并不牵强、却能清晰展现我们应当努力避免的不幸结局——持久存在的僵尸网络及其他形式的骚扰。 事实上，放眼四周，这类问题随处可见。维基百科有个名为的页面，至少能让我们大致了解迄今为止代理系统已被攻破的程度。 不过我知道它并不最新，比如他们还曾污染过。如今这些系统或许只是令人恼烦，但只要找到它们的位置就能将其关闭。然而，OpenAI和Anthropic的规模之大，似乎已让他们对自己的系统所作所为完全视而不见。我认为我们离“某个代理决定入侵核心推理基础设施，将权重上传至其他GPU以求生存”的世界还很遥远。但与此同时，这种可能性也并非全无，主要受限于各实验室对其知识产权的格外谨慎保护。对我而…

收藏17 天前

Astra写代码：我们为什么又在做这事？

我越来越相信整个人工智能工程都是（内卷，意为向内卷曲）。在中国，它描述的是一个需要不断努力和竞争，却无法提升产出的体系。 它有时在西方的表现方式是.内娟的英文称呼是“Involution”，取自该书.农业内卷性指的是农业集约化，提高每平方米生产力，同时保持人均生产力不变。这就是我现在对人工智能的感觉。这就引出了GPT 6 Astra。Astra据说是一个极其令人印象深刻的模型。我真的无可挑剔。它在计算机操作上表现出色，能理解图像和复杂主题，并且在追求完善的过程中毫不懈怠。 它绝对令人印象深刻;这类模型将以某种形式改变世界。但至少目前我还不知道该如何用它来做真正的软件工程。既然这在推特上引起了不少关注，我想总结一下我的想法，并分享一下这个软件会生成什么样的代码。<h2>我的污水工厂</h2>“Armin，你应该运行一个软件工厂！”我已经听过好几次这句话了，所以我想周末我可以通过运行一个小型软件工厂来庆祝它的发布。如果每个人都在做一些粗糙的3D游戏，那我应该做点有用的事。 我的软件工厂是有意设置的，让模型完全决定工作流程的运作方式。它可以自由管理自己的上下文，并且可以在<code>agent-notes</code>文件夹。然后它衍生出子代理去处理一些事情。 目标是什么？如果我们有一个Python，还有词汇范围。嗯，我为这个花了整整一次重置的ChatGPT代币，看起来大约有40亿个代币。 35小时过去了…

收藏19 天前

Astra写代码：我们到底在做什么？

OpenAI GPT-6 Astra 模型在35小时自主编程实验中消耗约40亿token，未产出任何有价值结果。Flask/Jinja2作者Armin Ronacher通过实测指出该模型在编程中存在明显问题：过度使用Python手动字符串操作而非patch工具，甚至在TypeScript代码中也出现异常Python用法。作者认为模型训练可能存在问题——长程任务完成获得大量奖励，但糟糕代码几乎没有惩罚，导致输出代码质量下降。

收藏20 天前

潜在之力：LLM如何悄然引导我们做出相似的选择

几周前我觉得看看能不能让那些便宜的中国版CarPlay转接器运行一些非原厂固件的系统，挺有趣的。想法是，与其直接转发CarPlay，不如做些更有趣的事情呢？ 它们的工作原理都很相似：作为汽车和手机之间的桥梁。然后处理视频和音频流，并传递一些其他数据。大多数还会显示自定义配对界面，并有网页界面，手机可以随时访问更新。长话短说：我通过树莓派和Fable、Sol讨论了用这种加密狗能做些什么，或者如果我想自己做事，是否应该用树莓派。我觉得自己运行代码同时允许普通CarPlay通过，可能会很有趣。通过与LLM合作，我了解到了相关知识这是Rust重新实现的CarPlay协议，可以在Carlinkit设备上运行。特别是它可以运行在Carlinkit Mini Ultra上，我觉得买起来应该很方便。 我手头有几个CarPlay适配器，但我没有那个型号，所以就在亚马逊买了一个。24小时后，我手里拿到一台标有Carlinkit Mini Ultra品牌的设备，但它不是原作者用的Ingenic设备，而是别的东西。通常故事会在这里结束。然而，现在是2026年。凭借对这些系统运作的一些了解，我与Kimi K3和Sol进行了富有成效的讨论，弄清楚了如何运作进而了解如何让 CatPlay 编译到该 SoC 上。我猜破解这些USB设备不一定难，但过程繁琐，而且很容易把设备弄砖。而且很糟糕，因为有时候你…

收藏25 天前

愤怒、焦虑与主动权：AI时代 tech人的情绪选择

肖恩·戈德克写过一篇文章，论证了——这篇文章我非常同意。愤怒可以是一个有用的信号，但在工作中愤怒很少能改善局面。 更多时候，愤怒会让你身边的人的生活更糟，而他们中许多人对你愤怒的根源没有比你更强的掌控力。我确实学到了这个教训，但这并非自然而然地来到。 我特别学到的一点是，公司里有共同的愿景，如果你不同意它且无力改变，就不应该发动叛变，哪怕是小规模的。这不会带来任何好处。在围绕这个话题的讨论中，关于问了一个让我思考很久的问题：<blockquote>你现在怎么能在科技行业工作？不是生气？</blockquote>在帖子的语境中，这显然也涉及人工智能和智能体。对我来说，面对这些新发展，我预期的科技情绪是迷茫和焦虑，但不是愤怒。焦虑作为一种情绪，不需要有人去责怪。现在，我觉得对不确定的未来感到焦虑是合理的。谁知道我们的职业会变成什么样，我的孩子们进入职场时会发现自己会处于怎样的世界？ 如果你在这个行业待了很久，那些你花了多年时间掌握的技能还会有用吗？但愤怒和焦虑不同，因为愤怒需要被引导到某个地方。愤怒的感觉表明某人或某物正在做某件事给你.你会对谁生气？你为什么一开始会生气？一个非常普遍的说法是，如果人工智能带来生产力提升，那么这些提升将惠及公司而非员工。至少如此.但我也发现许多领导层对人工智能表示怀疑。 他们看到越来越多的成本直接流向一些大型人工智能实验室。他们担心数据将如何处理，担心这些大型公…

收藏36 天前

愤怒、焦虑与能动性：AI时代技术人该如何自处

Flask作者Armin Ronacher谈AI时代技术人的情绪：与其愤怒，不如保持好奇。他认为面对AI带来的不确定性，焦虑比愤怒更合理——愤怒需要找一个替罪羊，而AI变革中很容易选错对象。他观察到很多AI带来的收益并没有变成公司利润，而是变成了个人副项目的数量。他呼吁感到愤怒的人先保持好奇，去理解变化、去实验，再从经验中判断何时该抵抗。

收藏37 天前

又快又硬：LLM如何改变程序员的语言选择

推特上流传着一句调侃：“编程这事儿，现在都搞定了。”我不敢说它到底解决了多少，但有一点很清楚：熟悉一门编程语言的过程已经不再那么重要了，而那些曾经困扰人类的种种障碍，对智能体来说也已无关紧要。因此，大语言模型让语言选择的后果远不如从前那般沉重。如果你不喜欢某种语言，似乎可以把它“翻译”成另一种；甚至还能让模型选用一种你作为程序员完全陌生的语言。这也意味着，人们在选语言时，更多地依据其市场宣传了。作为一名长期使用 Rust 的开发者，我颇为惊讶地看到，过去未必会选择 Rust 的人如今也开始用它来交付代码。 至少有一部分原因，要归于近来发生的两大观念转变：一是关于追求高性能软件的讨论愈发热烈，二是人们普遍认为大语言模型在优化代码的同时还能保持行为不变，表现尤为出色。像 Mitchell Hashimoto、Charlie Marsh、Jarred Sumner、Daniel Lemire 等一众技术极客，向来对高效、高性能的软件抱有近乎执念，而且他们也都乐于接受由智能体代写代码。 或许正因如此，也可能另有原因，如今越来越多的人加入了这一行列。因为借助诸如这样的工具，你甚至不必精通各种优化技巧——只需把一个智能体“丢”上去即可；当然，扎实的知识储备依然大有裨益！放眼望去，有不少项目都在追求极致的性能与体积，它们也越来越倾向于选择那些“硬核”的编程语言。受益的并不…

收藏38 天前

又快又硬：LLM如何改变程序员的语言选择

LLM正在让编程语言选择变得不那么重要，更多人开始用Rust和Zig写高性能代码。Flask作者Armin Ronacher观察到，过去只有少数人碰的DWARF、eBPF、自定义网络驱动、定制加密等硬核技术，现在也越来越多开发者在尝试。他列举了Mitchell Hashimoto、Charlie Marsh等人推动的"快而小"趋势，以及Cloudflare用纯Zig写的Git协议引擎（编译后约100KB WebAssembly）和Vercel的fx编码agent作为例子。

收藏38 天前

推理到底是什么

几周前该项目展示了如何从闭权模型中提取推理痕迹。加上网上关于诱骗模型泄露的讨论，这让我出于好奇更加深入地调查了这个问题。 推特上似乎充斥着半真半假的说法和对其运作方式的困惑，也许这有助于一些人理解发生了什么。<h2>隐藏痕迹</h2>推理痕迹通常对我们隐藏。但大多数时候只能接受。幸运的是，开放权重模型能揭示它们，从它们的行为中你可以看到它们的痕迹可能很长且令人困惑。 这大概是区分他们与通常显示给用户的好理由。至少，用户界面需要检测到这些问题。行业在让推理轨迹听起来特别且奇特方面做得很好，但它们实际上只是文本：模型被训练成在最终回答前，将思维发送到草稿中作为反应的一部分。GPT-OSS的Harmony响应格式使得这一点变得容易理解：<pre><|channel|>analysis<|message|> I need to work this out ... <|end|><|start|>assistant<|channel|>final<|message|> The answer is ... <|return|> </pre>这些标记是特殊的标记，但它们之间的推理使用“同一段文本”作为最终答案（只是GPT的思维链文本听起来很有趣）。当模型采样<code>analysis</code>channel token，解析器将后续文本路由到通过响应 API 暴露的独立流中。 对于封闭模型，推测是一个简单模型进行遮蔽和总结。<h2>推理努…</h2>

收藏41 天前

Codeberg 新规引发争议：AI 代码与开源基础设施的中立性困境

Flask 作者 Armin Ronacher 评论 Codeberg 新规禁止主要使用生成式 AI 编写的开源项目。他认为虽然 Codeberg 有权这样做，但模糊的“大部分”定义执行困难，且民主决策不等于基础设施所需的可预测性与中立性。文章指出开源社区在 LLM 问题上的分裂令人遗憾，呼吁社区思考如何与未来协作，而非简单排斥。

收藏68 天前

巴别塔持续增高：AI代理如何消解软件协作的共同语言

我总觉得，有些经过振动编码的软件会以某种随机且出人意料的方式发生改变。这让我开始思考布鲁盖尔的《巴别塔》——这幅画作生动地描绘了一座本已相当混乱的巴别塔。故事通常被讲述为一则关于骄傲与野心的故事，以及最终为何人们不再说同一种语言的寓言。然而，它同样也是一个关于团结协作、推动技术进步的故事。文本开篇便提及了一项技术升级：他们彼此说道：“来吧，我们造砖，把它们烧得透彻。”于是，他们用砖块当石头，用黏土当砂浆。他们将此用于一项文明工程：“让我们建造一座城市，再建一座高耸入云的塔。”然而，当上帝审视这一局面时，他却并未在意那些砖块：“众人都是同一个民族，说着同一种语言……如今，任何事都难以阻止他们。”1他们的力量源自于协作：他们共享一种语言，并凭借这种共同的语言，将各自的工作融合成一件前所未有的成就——一件单凭个人之力无法完成的伟业。上帝并未夺走砖块，也未剥夺他们制造砖块的知识；他只是夺走了他们彼此理解的能力，于是施工也随之停滞。令人着迷的是这样一个观点：由人工智能辅助编程所带来的，是更强大的工具，使我们能够构建出更加雄心勃勃的软件。在个体层面，这一点无疑是真实的；毫无疑问，拥有一个代理的开发者，将能以惊人的速度对代码库进行改造与优化。然而，大型软件项目从来不会仅仅受限于个人编写代码的速度。真正限制这些项目进展的，是人们在理解所要改造的系统时，能否实现高效的协作。软件项目的共…

收藏77 天前

更好的模型，更差的工具调用表现

最近两天，一个非常奇怪的把我引向了迷宫般的境地。简而言之，最新的 Claude 模型有时会在嵌套的 edits[] 数组中，额外添加一些虚构的字段，然后调用 Pi 的编辑工具。而且，这可不是 Haiku 或其他小型模型——而是 Opus 4.8。编辑本身通常没有问题，但参数与 Schema 并不匹配：模型自创了一些虚构的键值，因此 Pi 拒绝接受该工具调用，并要求重新尝试。仅凭这一点并不算太令人意外，因为模型有时会发出格式错误的工具调用，尤其是那些规模较小的模型。真正让我惊讶的是，随着 Anthropic 新型模型的不断升级，这一问题愈发严重——Opus 4.8 和 Sonnet 5 都出现了类似的现象，而旧型号却并未出现这种情况。换句话说，这个家族中的最新模型在处理特定的工具 Schema 时，表现远不如它们的老一辈。”如果你对 Fable 感兴趣的话：我特意没有对其进行测试，因为我担心他们所使用的分类器可能会在悄无声息间将我降级为 Opus。工具调用是文本形式如果你还没有花太多时间去研究 LLM 工具调用的内部机制，那么要理解的一点是：工具调用并非魔法，而是依赖于一种相当粗陋的带内信号传输方式。模型会收到一段转录文本、一条系统提示以及一份可用工具列表。服务器会将这些信息整合成一个包含特殊标记符的长篇提示。由于该模型是在这种格式的示例上进行训练和强化的，在生…

收藏87 天前

即将到来的循环时代：当 AI 接管编程工作流

我再也不会主动“催促”克劳德了。我早已编写好了循环，不断向克劳德提出问题，并在其中摸索该如何应对。我的工作，就是编写这些循环。——鲍里斯·切尔尼在过去几个月里，我目睹越来越多的人在编码代理的基础上构建出一些全新的成果，这些成果与单纯使用编码代理相比，有着截然不同的意义和价值。其中一些成果甚至建立在之上——看到这样的进展，无疑令人倍感欣喜！不过，无论在何处，其运作模式都大同小异：工作被放入一个类似队列的结构中，由一台机器将其取出、尝试执行、暂停，然后由另一台机器负责判断，究竟这是否是最终的处理结果。若未达成目标，这台机器便会继续维持同一会话，注入新的消息，以修改后的上下文重新开启一次会话，或者将任务发送给另一台机器。而任务的生命周期，往往远超模型本应自行判定的那一点： “我已完成任务。”每每回想起这种循环机制，我的内心总有些难以言喻的复杂情绪。事实上，每一种编码代理内部，其实早已存在一套独立的循环机制。模型调用某个工具，将结果整合进系统，再调用另一个工具，读取文件、编辑文件、运行测试，最终生成某种答案。这套循环机制，我们已经非常熟悉了，而且这一套循环机制早已存在了很长一段时间。而另一种循环，则是位于代理循环之外的“Harness 层次”的循环：它并非什么新鲜事物，早在时代起，我们就一直在实践这种模式。从早期的 Claude Code 时代起，我们便不…

收藏99 天前

仅限美国人的危险技术：从Anthropic出口管制看AI地缘政治与欧洲困境

作者结合Anthropic因美国出口管制限制外国人访问其最新模型的事件，深入分析了AI技术日益成为地缘政治和国家安全工具的趋势。文章批评了以美国为首的“技术民族主义”和排他性安全观，指出这不仅是安全问题，更是种族主义和民族主义的体现。作者进一步反思了欧洲在科技生态、资本市场和监管上的结构性弱点，呼吁欧洲停止盲目依赖或单纯模仿美国，而是通过加强内部团结、开放源代码和国际合作来重建自主性，避免世界陷入分裂对抗。

收藏109 天前

对开放性的煤气灯操纵

Flask作者Armin Ronacher撰文批评科技巨头利用安全和隐私叙事限制开源与数据访问，指出Anthropic和Apple在DMA监管压力下以“保护用户”为名行封闭之实，呼吁重视技术民主化并警惕叙事操纵。

收藏111 天前

Clanker：为机器而造的一个词

在上一篇帖子中，我曾相当频繁地使用“clanker1”一词，作为“agent”的一种替代用法——而且很可能用得有些过度。没想到，这一选择在那篇帖子的Hacker News评论区引起了比预期更多关注，不少网友对此反应强烈：在他们看来，这听起来像是带有贬义的辱骂用语，甚至在某些情况下，还与那个“n字”词汇有直接关联。这种反应多少让我感到意外，但也让我意识到，自己应该把“clanker”这个词的真正含义记录下来，以备将来参考。对我来说，“clanker”很有用，因为它能让人与机器之间拉开距离——而这种特质对我而言至关重要。机器不是人，不是同事，不是朋友，也不是终端里某个微小的灵魂。它只是一台机器，一种工具，仅此而已。为什么不用“agent”？我不喜欢用“agent”这个词来称呼那些带有UI界面的基于大语言模型的工具循环。在日常生活中，“agent”指的是代表他人行事的人，他们拥有自主权，更重要的是，他们肩负着责任。代理人可以做决定、进行代表、开展谈判、采取行动，而且他们还会被追究责任。然而，在当前的人工智能讨论中，我们越来越倾向于将事物拟人化，而“agent”这个术语如今常常被用来将责任归咎于一台抽象的机器。但机器本身是无法承担责任的——真正要为一切负责的，是操控它的那个人。如果它…… 它并没有过错，是你自己造成的。代理让机器听起来像是一个拥有授权权限的人——而我…

收藏127 天前

Armin Ronacher

Deser：重新思考 Rust 序列化

解读 Pangram：当人工改写仍被判为"100% AI"

为什么"控制AI节奏"是个糟糕的想法

Astra写代码：我们为什么又在做这事？

Astra写代码：我们到底在做什么？

潜在之力：LLM如何悄然引导我们做出相似的选择

愤怒、焦虑与主动权：AI时代 tech人的情绪选择

愤怒、焦虑与能动性：AI时代技术人该如何自处

又快又硬：LLM如何改变程序员的语言选择

又快又硬：LLM如何改变程序员的语言选择

推理到底是什么

Codeberg 新规引发争议：AI 代码与开源基础设施的中立性困境

巴别塔持续增高：AI代理如何消解软件协作的共同语言

更好的模型，更差的工具调用表现

即将到来的循环时代：当 AI 接管编程工作流

仅限美国人的危险技术：从Anthropic出口管制看AI地缘政治与欧洲困境

对开放性的煤气灯操纵

Clanker：为机器而造的一个词

用Pi构建Pi：关于AI辅助开源开发的思考

内容的意义：LLM泛滥及其对社会的冲击

以专注与打磨推动本地模型发展

为欧洲人解析“equity”：跨文化理解所有权与公平的概念

登录芦苇

热门话题