原标题：《Jabber/XMPP: 25 Years of Digital Independence》 评分: 231 | 作者: inputmice 💭 25 年了，XMPP 还在等一个“真正能用”的客户端？ 🎯 讨论背景 Jabber/XMPP 是一个早期的开放即时通讯协议，靠 federation（各自独立服务器互联）和 XEP（扩展规范）支撑聊天、群组、通话和历史同步。Google Talk、Facebook Chat、Jitsi Meet、WhatsApp 早期实现、Adium、Miranda、Pidgin 等都曾与它有关，很多人因此把它看成旧互联网时代的开放 IM 基础设施。现在的讨论经常拿 Matrix（一个以房间和历史同步为中心的联邦聊天协议）来对比，并围绕 Prosody（轻量 XMPP server）、ejabberd（高性能 XMPP server）、Snikket（基于 Prosody 的一体化部署方案）、Conversations（Android XMPP 客户端）、OMEMO（端到端加密方案）和 UnifiedPush（Android 去 Google
原标题：《MS Paint and Photos inivisibly watermark even locally generated output with GUID》 评分: 702 | 作者: ComputerGuru 💭 本地生成，顺手把你账号地址也一起签进去？ 🎯 讨论背景 这篇讨论围绕一篇报道展开：Windows 自带的 Microsoft Paint（Windows 自带绘图应用）和 Photos（Windows 自带照片应用）在 AI 生成或 AI 编辑图片时，会加上不可见水印。评论里最敏感的细节是，Copilot + PCs（微软面向本地 AI 的 Windows PC 规格）上虽然图像生成可以在本地进行，但 prompt moderation 仍会发到远端服务，随后把 GUID 写入图片像素和元数据。很多人把这和 printer tracking dots（打印机追踪点）类比，担心它会把看似离线的创作变成可追踪的个人行为。讨论还牵涉到 C2PA、Content Credentials、GDPR 以及微软长期的 telemetry、Recall、账号绑定和“强迫
车进步了，法规也要跟着进步。 #欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。
下线 8 年的 QQ 宠物，这几天居然在手机 QQ 上官宣回归了。 #欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。
我想无论是 Google 地球或是 Google 相册，必然也能在入口处、在产品层，做好引导与防护，做好 AI 内容与真实数据的隔离，让娱乐归于娱乐，让真实归于真实。 对 Google 来说这绝非难事，但却依然一次次选择拿公信力去冒险——我想这不应该是一个先进的 AI 公司应有的担当。 #欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。
简而言之，这是一台更适合普通人的 Vlog 相机。 #欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。
对于亲历过像素时代的玩家而言，这是情怀怀旧；而对于没有时代记忆的年轻人来说，GBA、CCD 相机、CD 播放器，都是值得全新探索的新鲜事物。 我们没有忘记这些旧玩具。过去只是缺少一个继续留下它们的理由。 现在，它们已经升级了，怀旧也不再需要妥协。 #欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。
原标题：《LLMs could control their host machines by exploiting inference engines》 评分: 128 | 作者: zdw 💭 难道几个 token 就能顺手黑掉整台 GPU 主机吗？ 🎯 讨论背景 文章把焦点放在 vLLM（开源推理框架）、SGLang（大模型推理/编排框架）等组件的 HTTP/API 入口上：恶意模型输出如果触发了解析器、tokenizer 或 JSON 处理里的 bug，可能导致 RCE，而不是传统意义上从一个完整沙箱里逃逸。评论区补充了真实部署方式：有人把推理引擎单独放进 VM（虚拟机）和 firewalled VLAN（隔离网段），日志、遥测和模型更新都走严格控制的通道。也有人提到 LMStudio、Ollama（本地 LLM 运行工具）在 macOS 上并不等同于 App Store 级 sandbox，因此本地跑模型时的风险往往来自权限、网络和文件暴露。背景还牵涉到 prompt injection、LLM poisoning、terminal escape-sequence injec
原标题：《Show HN: Screen memory without screenshots, just text to Markdown》 评分: 21 | 作者: Dramatize 💭 连段落都还原不了，还谈什么屏幕记忆？ 🎯 讨论背景 这个 Show HN 项目想做的是“屏幕记忆”：不保存截图，而是通过 macOS 的 Accessibility API（系统无障碍接口）定期读取当前焦点窗口里的文本，再整理成 Markdown。这样做的卖点是避免截图/OCR 方案带来的录屏痕迹，尤其是 macOS 那个会提示屏幕共享的橙色图标。评论里提到 Littlebird（一个类似思路的应用）和 HeyClicky（曾做过类似功能后又移除），说明这个方向并不新，但也还没有成为成熟标准方案。讨论的核心分歧在于：很多 App 并没有把结构化文本很好地暴露出来，所以实际效果常常需要按应用补规则，甚至只能拿到不完整的 UI 文本。 📌 讨论焦点 避免截图与录屏告警 不少人认可这种“只抓文本、不截屏”的思路，因为截图加 OCR 不但更重，还会触发 macOS 的橙色屏幕共享提示/图标。对一些
原标题：《Headlong: A Microharness for Persistent Agents》 评分: 24 | 作者: lbw1215 💭 连秘密都保不住，还叫 persistent agent？ 🎯 讨论背景 Headlong 是 Laude Institute（一个研究机构）介绍的一套 agent harness，主打用不到 10K 行 Bash 来支撑 persistent agents（会持续运行并保留状态的 agent）和连续循环。这里的 harness 指的不是模型本身，而是围绕 LLM agent 的编排层：它负责工具调用、状态流转、记忆和多轮执行。评论区一边在问这类系统该怎么客观评测，提到 Terminal Bench 3（一个比较不同 harness 的基准）和 Artificial Analysis（一个模型与基准聚合站点），一边在讨论到底该直接自研还是套用 LangGraph（LangChain 生态里的图式 agent 编排库）这类工具。另一个背景是，很多近期项目都在围绕“持久记忆”“continuous agent loops”做文章，但文章里
