或许最著名的底层系统程序员已经亲自尝试了"氛围编程"——而且他似乎很享受这个过程。
Linus Torvalds最为人知的身份是Linux内核项目的领导者,这是最大的自由开源软件项目。不过这并非他唯一从事的工作。几天前,他公布了自己最新的业余项目AudioNoise,他将其描述为使用去年推出的"随机吉他踏板设计"来创建"随机数字音频效果"。README文件中包含了一些意想不到的内容:
"还要注意,python可视化工具基本上是通过氛围编程编写的。我对模拟滤波器的了解——虽然也不算太多——比对python的了解要多。它开始时是我典型的'谷歌搜索然后照葫芦画瓢'式编程,但后来我省掉了中间人——也就是我自己——直接使用Google Antigravity来制作音频样本可视化器。"
我们最近报道了Torvalds在使用大语言模型机器人编程方面异常微妙而细致的立场。看来其中的原因现在变得更加清楚了。
Google的Antigravity大语言模型最近赢得了其他朋友的青睐,包括Register专栏作家Mark Pesce,他写道"氛围编程将带来个性化软件的精彩增殖"。自由开源软件世界的其他一些知名人士最近也表态支持大语言模型编程助手,包括Redis创始人Salvatore "Antirez" Sanfilippo,他写道"不要陷入反AI的炒作"。当然,这种炒作正是Torvalds之前表达过观点的话题。
Torvalds的立场更加温和,这与他以前的风格不太一样。他因对Nvidia、GitHub、第三方公司和内核贡献者的激烈言辞而闻名。我们可以继续列举,但你应该明白了。
在11月亚洲开源峰会上与Dirk Hohndel的台上对话中,他表示只要不用于重要的事情,他对氛围编程是可以接受的。为他自制的吉他踏板添加树莓派驱动的音频效果似乎就是一个合适的例子。
Torvalds还有其他编程和电子爱好项目。正好在我们写作的一年前,The Register报道了他对制作吉他踏板的喜爱。另一个值得注意的项目是Subsurface,这是他与同一位Dirk Hohndel共同编写的水肺潜水日志软件。正如他在2018年告诉Divelog.blue的那样,他和Hohndel也是潜水伙伴。正如我们之前提到的,Subsurface还有其他你可能想不到的特点,比如它使用Qt和C++。
附注
虽然已经是25年前的事了,但《Just For Fun》是Linus 2001年自传的标题,与David Diamond合著——他也是合成流行乐队Berlin的键盘手。这位秃鹫很喜欢这本书,Internet Archive上有扫描版。
Q&A
Q1:什么是氛围编程?Linus Torvalds如何使用它?
A:氛围编程是指使用大语言模型智能体来辅助编程的方式。Linus Torvalds在他的AudioNoise项目中使用Google Antigravity大语言模型来编写python可视化工具,省去了自己搜索和模仿的中间环节,直接让AI来制作音频样本可视化器。
Q2:Linus Torvalds对大语言模型编程助手的态度是什么?
A:Torvalds对大语言模型编程的立场比较温和和细致。他表示只要不用于重要的事情,氛围编程是可以接受的。他将为自制吉他踏板添加音频效果这样的业余项目视为合适的应用场景,但对在关键系统中使用则更加谨慎。
Q3:除了Linux内核,Linus Torvalds还有哪些项目?
A:除了Linux内核项目,Torvalds还有多个业余项目。最新的是AudioNoise,用于创建随机数字音频效果;还有Subsurface水肺潜水日志软件,这是他与Dirk Hohndel合作开发的;另外他还喜欢制作吉他踏板等电子设备。
好文章,需要你的鼓励
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
本期《Quick Charge》播客涵盖多个热点话题:特斯拉疑似试图删除FSD欺诈相关证据以规避巨额赔付;卡特彼勒持续推进建筑领域电气化布局;住宅太阳能30%税收抵免即将到期。此外,嘉宾Tom Pacheco就高压系统与电池技术培训展开探讨,强调电动车技术人才培养的紧迫性。节目同时提醒有意安装太阳能的用户尽快行动,可通过EnergySage平台比较多家安装商报价。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。