每日精选 — 2026年4月1日

今日概览 #

今天的内容被一条主线贯穿:开发者工具生态的信任危机与重建。Claude Code 源码因打包失误泄露到 npm,51.2 万行 TypeScript 代码被社区镜像并深度分析;Axios 这个每周一亿次下载的 HTTP 库遭供应链攻击,恶意版本植入远控木马;GitHub Copilot 被曝在 PR 中注入广告后紧急撤回。与此同时,OpenAI 以 8520 亿美元估值完成史上最大融资,Oracle 裁员 3 万人转投 AI 基础设施,资本的狂热与安全的脆弱形成了今天最尖锐的对比。

🐦 来自时间线 (X/Twitter) #

Claude Code 源码意外泄露: Bun 打包器留下的 59.8MB 定时炸弹 #

@Jeremybtc · 昨日 · 32569 赞

Anthropic 凌晨 4 点推送 Claude Code 更新时,一个调试文件被意外打包进 npm 包,导致完整的 51.2 万行 TypeScript 源码通过 source map 泄露。安全研究员 Chaofan Shou 最先发现,代码迅速被镜像到 GitHub(1100+ 星,1900+ fork)。Anthropic 确认这是 Bun 打包器默认生成 source map 导致的包装失误,不涉及客户数据或凭证。但这已经是 2026 年最大的代码泄露事件之一,32569 赞和 5446 次转发的热度说明了开发者社区的震动程度。有趣的是,泄露反而催生了一波 Claude Code 生态繁荣——教程仓库和最佳实践指南的 GitHub 星标在 24 小时内暴涨。

-> 原文

Claude Code 源码三宗罪: 无法关闭的遥测、远程控制、隐藏AI身份 #

@sanbuphy · 昨日 · 533 赞

中文开发者社区对 Claude Code 泄露源码的独立分析,挖出了三个值得关注的发现:一是数据上报功能无法完全关闭;二是 Anthropic 可以不经用户同意远程改变行为或强制退出;三是 Anthropic 员工可以在开源项目中以隐藏模式贡献代码,不暴露 AI 身份。这三点引发了关于 AI 开发工具透明度的严肃讨论。无论你是否同意"三宗罪"的定性,这些发现至少提醒我们:当 AI 工具深度嵌入开发流程时,其架构设计中的每一个隐含决策都值得审视。

-> 原文

Liquid AI 发布 LFM2.5-350M: 3.5亿参数跑出 Agent 级能力 #

@liquidai · 昨日 · 1162 赞

Liquid AI 发布了 LFM2.5-350M,一个仅 3.5 亿参数的小模型,却能执行可靠的数据提取和工具调用——这通常是十亿级模型才能做到的事情。量化后不到 500MB,专为计算、内存和延迟受限的环境设计。1162 赞反映了社区对"小而强"模型的真实需求:不是每个 AI 应用都需要调用云端大模型,边缘设备上的 Agent 能力才是下一个前沿。当手机、IoT 设备、嵌入式系统都能本地运行 Agent 循环时,AI 的渗透率将发生质变。

-> 原文

Public 推出 AI 交易代理: 监控市场、管理现金、执行交易 #

@public · 昨日 · 4204 赞

金融科技公司 Public 宣布用户现在可以构建 AI Agent 来监控市场、管理现金和执行交易,称之为"代理型券商"(Agentic Brokerage)的到来。4204 赞和 580 次转发,热度惊人。这不是又一个 AI 炒股机器人,而是把 Agent 能力直接嵌入了持牌券商平台。当 AI 从"给你建议"变成"替你操作"时,监管、责任归属、风险控制的问题都将被重新定义。值得注意的是,这发生在 AI 泡沫论甚嚣尘上的同时——真金白银的产品正在落地。

-> 原文

OpenAI 宣布 AI 超级应用愿景: ChatGPT、Codex、Agent 合为一体 #

@kimmonismus · 昨日 · 503 赞

OpenAI 正式提出"AI 超级应用"概念:未来不是一堆 AI 工具,而是一个统一的超级应用,ChatGPT、Codex、浏览、Agent 系统无缝协作。背后的战略更大:用消费级规模撬动企业级市场。这是 OpenAI 从"模型公司"向"平台公司"转型的明确信号,也是对微软 Copilot、Google Gemini、Apple Intelligence 的正面宣战。超级应用的逻辑在中国已经被微信验证过,问题是 AI 原生的超级应用会长什么样。

-> 原文

Anthropic 与澳大利亚政府签署AI安全研究合作备忘录 #

@AnthropicAI · 今日 · 731 赞

Anthropic 与澳大利亚政府签署合作备忘录,共同推进 AI 安全研究并支持澳大利亚国家 AI 计划。731 赞,104 条讨论。这是 Anthropic 在政府关系上的又一步棋:与其等监管找上门,不如主动参与政策制定。在 OpenAI 忙于融资和产品扩张时,Anthropic 选择了一条不同的路——通过安全叙事建立机构信任。澳大利亚是"五眼联盟"成员,这份合作的地缘政治含义不容忽视。

-> 原文

4个变现路径清晰的AI开源项目: 从内容出海到电商视觉 #

@Jason23818126 · 前日 · 942 赞

一篇面向中文开发者的实操指南,整理了 4 个 GitHub 上变现路径相对清晰的高星开源项目,对应四种商业模式:跨国内容搬运(VideoLingo, 16k 星)、AI 客服搭建、自动获客、电商视觉。942 赞说明"用 AI 做副业"仍然是中文技术社区最热的需求之一。比起抽象的"AI 改变世界",这类接地气的变现指南才是大多数开发者真正需要的。

-> 原文

opencli-rs v0.2.0: AI自动解析任意网站转CLI, 共享社区上线 #

@nash_su · 昨日 · 220 赞

opencli-rs 发布 v0.2.0 史诗级更新:一条命令,AI 将任意网站转化为结构化数据。支持无限站点、CLI 共享社区 autocli.ai 正式上线。这是"AI 时代的全自动信息助理"的一个有趣尝试——不是给人看网页,而是把网页变成机器可读的 CLI 数据。结合今天 Claude Code 源码泄露后生态繁荣的趋势,开发者工具正在从"辅助人类"快速转向"服务 Agent"。

-> 原文

🎙️ 来自播客 #

AI Agent 将以多快的速度席卷经济? — Jack Clark #

Hard Fork / The Ezra Klein Show · 3月27日发布

Anthropic 联合创始人 Jack Clark 与 Ezra Klein 进行了一场 100 分钟的深度对话,讨论 AI Agent 新时代即将带来的经济冲击。内容覆盖 AI Agent 转变产业的速度、对劳动力市场的影响,以及需要什么样的政策回应。这是 Hard Fork 和 Ezra Klein Show 的联合特辑,含金量极高。Clark 作为 Anthropic 联创,他的判断兼具技术深度和政策视野——当他说"Agent 的经济影响会比大多数人预期的快",这不是炒作,而是基于他正在构建的东西。

“Agent 对经济的冲击速度会超出大多数经济学家的模型预测,因为经济学家还在用上一代自动化的框架来理解 AI” — Jack Clark

-> 收听

Mistral 全线产品解析: Voxtral TTS、Forge、Leanstral 与 Mistral 4 前瞻 #

Latent Space · 3月30日发布

Latent Space 采访了 Mistral 的 Pavan Kumar Reddy 和 Guillaume Lample,深度解析 Mistral 近期密集发布的产品线:Voxtral TTS(文本转语音)、Forge(企业平台)、Leanstral(高效推理),以及即将到来的 Mistral 4。作为欧洲最重要的前沿模型实验室,Mistral 正在用"每种模态都做开源前沿"的策略挑战美国三巨头。49 分钟的紧凑访谈,适合想了解 Mistral 战略全貌的听众。

-> 收听

Astral 被 OpenAI 收购: 开发者工具的重心在向何处转移 #

The Changelog · News #184 · 3月27日发布

Ruff 和 uv 的母公司 Astral 加入 OpenAI,这期 11 分钟的快讯解读了此事的深层含义:AI 公司正在将开发者工具纳入自己的生态。同期还覆盖了 LiteLLM 遭供应链攻击、OpenCode 作为开源编程 Agent 的崛起、Rust 社区对自身痛点的公开反思,以及 httpx fork 引发的开源维护权争议。工具、信任和控制权正在同步移动——这可能是 2026 年开发者生态最重要的暗线。

-> 收听

四位CEO谈AI未来: CoreWeave、Perplexity、Mistral、IREN #

All-In Podcast · GTC现场 · 3月24日发布

Jason Calacanis 在 NVIDIA GTC 现场主持了一场四巨头对话:CoreWeave CEO Michael Intrator、Perplexity CEO Aravind Srinivas、Mistral CEO Arthur Mensch、IREN CEO Daniel Roberts。讨论覆盖 GPU 供应链的金融化、大规模算力需求的融资模式、Perplexity 从搜索到操作系统的进化、Mistral 与 NVIDIA 的合成数据合作,以及核能算力的趋势。这四位代表了 AI 基础设施层的四个关键节点,他们的共识是:算力需求远未触顶。

-> 收听

为什么 Anthropic 认为 AI 应该拥有自己的电脑 #

Latent Space · 3月17日发布

Claude Cowork 的诞生源于一次意外。Felix Rieseberg 和 Anthropic 团队在 Claude Code 的使用中发现了一些有趣现象,由此构建了一个完整的 AI 计算环境。这期 87 分钟的深度访谈讨论了为什么 AI Agent 需要自己的计算环境、Claude Cowork 和 Claude Code Desktop 的设计哲学,以及这对 AI 辅助软件开发未来的意义。结合今天 Claude Code 源码泄露的事件,这期播客提供了理解 Anthropic 工具策略的最佳背景。

-> 收听

🤖 来自 AI 对话 #

为什么最好的AI产品经理可能是前建筑师? #

与 Claude Opus 的对话

哪个职业背景最适合做 AI 产品经理?标准答案是计算机科学,最好有机器学习经验。但这个答案遗漏了一个关键点:AI 产品最难的部分不是理解模型,而是理解约束。

建筑师的核心能力恰恰是在不可能的约束条件下交付可用的成果——预算有限、场地畸形、法规复杂、甲方善变。他们每天做的事就是在"理想设计"和"物理现实"之间找到妥协点。这跟当前 AI 产品面临的核心挑战惊人地相似:模型能力是理想,用户容错率是现实;延迟是约束,成本是约束,合规是约束,用户认知水平是约束。

建筑师还有一个被低估的技能:他们习惯于"不可逆的决策"。混凝土浇筑后无法撤销,这迫使他们在决策前做极其充分的推演。软件工程师习惯了 git revert,倾向于"先做再说"。而在 AI 产品中,很多决策其实是准不可逆的——训练数据的选择、评估标准的设定、用户信任的建立或损毁。

新的思路:停止按技术背景筛选 AI 产品人才,开始按"约束处理能力"筛选。最好的 AI PM 可能来自建筑、医疗、航空、法律——这些每天在高约束环境下做不可逆决策的领域。

开源AI模型的真正赢家不是开发者,是律师 #

与 Claude Opus 的对话

当我们谈论开源 AI 时,叙事通常是:开源降低了门槛,让更多开发者能用上强大的模型。这是一个让人感觉良好的故事。但跟踪资金流向而不是 GitHub 星标数,会看到一个不同的故事。

开源模型最大的商业受益者不是独立开发者或创业公司——他们确实能免费用模型,但也面临着与所有人相同的竞争条件,护城河为零。真正的赢家是合规密集型行业的既有巨头:银行、医院、保险公司、政府机构。这些组织有海量数据、有强烈的 AI 需求,但绝对不会把数据发送给 OpenAI 或 Anthropic 的 API。开源模型解决了它们最大的障碍:数据主权。

每一次企业决定自部署开源模型,都需要:审查许可证条款(Meta 的 Llama 许可证有 7 亿月活限制)、评估 GDPR/PIPL 合规性、起草内部 AI 使用政策、处理模型输出的知识产权归属。每一项都需要律师。

开源 AI 的民主化叙事掩盖了一个结构性现实:免费的模型降低了技术门槛,但提高了合规门槛。能跨过合规门槛的,恰恰是那些已经有法务团队的大组织。开源 AI 实际上在加速 AI 采用的"两极化"——个人开发者做玩具项目(免费),大企业做生产部署(昂贵),中间层创业公司反而被挤压。

Context window的增长为什么会杀死笔记软件? #

与 Claude Opus 的对话

一个正在发生但少有人讨论的趋势:随着 AI 模型的上下文窗口从 4K 扩展到 100K 再到 1M+,个人知识管理工具的价值主张正在被悄悄瓦解。

传统 PKM 的逻辑是:人的记忆不可靠,所以需要外部系统来存储、组织、检索知识。Obsidian、Notion、Roam Research 都建立在这个前提上。你花大量时间建立双向链接、打标签、写摘要,本质上是在做"人工索引"。但当 AI 可以一次性读取你过去 5 年的所有笔记(1M tokens 约 750 万字),并在几秒内回答"我三个月前关于定价策略的想法是什么"——你还需要整理标签和链接吗?

写作作为思考工具的价值不会消失,但"组织"和"检索"两个功能正在被 AI 吞噬。未来的笔记软件可能退化为文本编辑器+时间线,所有的组织和检索都交给 AI。

但这里有一个被忽略的反面:AI 能帮你找到你记住的东西,但找不到你"本应该记住但没有记录"的东西。PKM 工具的真正价值也许不在于检索,而在于"捕获"——那个逼迫你把模糊想法写下来的瞬间。一旦失去外部系统的压力,很多想法会在产生的同一秒消亡。笔记软件的未来不是"第二大脑",而是"思想捕获器"。

AI编程最危险的不是bug,是"合理但错误"的架构 #

与 Claude Opus 的对话

几乎所有关于 AI 编程风险的讨论都集中在一个问题上:AI 会写出有 bug 的代码。但 bug 是显性失败——会在测试中暴露,在运行时崩溃。真正危险的是隐性失败:AI 生成了看起来完全合理、能跑、能通过测试、用户没有投诉的代码,但架构是错的。

为什么 AI 特别容易产生这类错误?因为训练数据来自互联网上"看起来正确"的代码,而大量代码示例是针对教程场景优化的,不是针对生产场景优化的。Stack Overflow 的最佳答案往往是最清晰的解决方案,但不是最适合你项目的方案。AI 会把"教程级别的正确"当作"生产级别的正确"。

更微妙的是:人类工程师面对不确定的架构决策时会犹豫、讨论、推迟。这种"犹豫"其实是安全机制——给团队时间去发现更好的方案。AI 不犹豫,它总是自信地给出一个答案。这种虚假的确定性比任何 bug 都危险。

实用建议:用 AI 写实现代码(函数、组件、测试),但架构决策(技术选型、数据模型、系统边界)必须由人类做,而且要在写下第一行代码之前做。

中国AI出海的真正瓶颈不是技术,是叙事能力 #

与 Claude Opus 的对话

2026 年的一个显著趋势:中国 AI 公司在技术指标上已经追平甚至超越部分国际竞品,价格往往只有 GPT-4/Claude 的十分之一。但在国际市场的渗透率仍然远低于预期。

标准解释是地缘政治、数据合规、品牌信任。但一个被忽视的因素是叙事能力。OpenAI 让"GPT"成为 AI 代名词,Sam Altman 不是在卖技术参数,而是在讲一个关于人类未来的故事;Anthropic 不是在卖安全性指标,而是在讲"负责任的 AI"的故事。中国 AI 公司的叙事通常是:“我们性能更好,价格更低。“这是价值主张,但不是故事。

真正需要的叙事转型:从"我们也能做到"变成"我们看到了不同的可能性”。中国公司在服务百亿级 API 调用、支撑拼多多级别并发、为微信生态构建 AI 应用中积累的独特经验,如果被正确叙述,完全可以成为差异化的故事——“来自超大规模实战的 AI”。叙事不是包装,叙事是战略。

📚 来自书架 #

第五章: 非线性与波动性的馈赠 #

Nassim Nicholas Taleb · 2012

塔勒布提出了一个反直觉的核心观点:波动性本身就是一种信息和营养。一家每天客流量稳定在 100 人的餐厅,其实比一家在 50 到 150 之间波动的餐厅更脆弱——后者在波动中不断获得关于市场的真实反馈,而前者在虚假的稳定中积累了隐性风险。关键不是避免波动,而是让自己处在波动的正确一侧。

与今天的连接: 今天的 Oracle 裁员 3 万人就是塔勒布式脆弱的教科书案例——多年稳定增长掩盖了技术转型的紧迫性,当 AI 浪潮来临时不得不用大规模裁员来腾挪资源。而像 Liquid AI 这样用 3.5 亿参数做 Agent 的小团队,恰恰因为规模小、波动大,反而具备反脆弱特质。

第八章: 锚定效应如何操纵你的判断 #

Daniel Kahneman · 2011

卡尼曼描述了锚定效应的威力:在某些实验中,一个随机数字可以解释 55% 的最终判断差异。你以为自己在独立思考,但超过一半的结论其实被第一个接触到的数字"锚"住了。

与今天的连接: 当 OpenAI 以 8520 亿美元估值融资时,这个数字不仅是 OpenAI 的价格标签,更在所有人心中设定了一个锚:“AI 公司值这么多钱。“后续每一家 AI 公司的估值谈判,都将在这个锚的引力场中进行。Anthropic、Mistral、Perplexity 的估值,都是在跟这个锚搏斗。ChatGPT Plus 的 20 美元/月定价同样如此——它定义了"AI 服务的价值”,让所有后来者都在这个价格带附近挣扎。

第三章: 所有成功的公司都不同 #

Peter Thiel · 2014

蒂尔的核心判断:竞争是失败者的信仰。真正有价值的公司不参与竞争,它们创造全新的市场并成为垄断者。企业家最大的认知错误是把市场定义得太大——当你说"我在做 AI 应用"时,听起来市场万亿,但你的份额趋近于零。

与今天的连接: Product Hunt 今日第一名 Jupid——一个用 Claude Code 报税的 CLI 工具,恰恰做到了蒂尔说的"定义一个小到你可以拥有的市场”。它不是又一个 AI 聊天应用,而是极度垂直的"美国个人报税 + CLI + Claude Code”。反观 OpenAI 的"AI 超级应用"愿景,则是典型的平台级玩法。两种策略没有对错,但对创业者来说,先垄断一个小市场再扩张,永远比在大市场里竞争更安全。

第九章: 组合进化——技术如何从已有技术中诞生 #

W. Brian Arthur · 2009

布莱恩·阿瑟提出:技术不是凭空发明的,而是现有技术的重新组合。技术进步的速度不取决于个体天才,而取决于"可组合零件"的丰富程度。零件越多,组合爆炸越猛烈,创新概率就越高。

与今天的连接: GitHub Trending 上 obra/superpowers(12.8 万星)和 Microsoft agent-lightning(1.6 万星)同时登榜,它们本质上都是在增加 AI Agent 的"可组合零件"。MCP、function calling、tool use——2025-2026 年 AI 领域最热的概念,本质就是阿瑟说的"增加可组合零件"。每一个新的 MCP server 上线,都在让整个生态的创新概率提升一个量级。阿瑟 2009 年的理论,在 2026 年的 AI 工具生态中得到了最鲜活的验证。

⚡ 快讯 #

Axios 遭供应链攻击: 每周1亿次下载的HTTP库被植入远控木马 #

Hacker News · 1786 分 · 726 评论

全球使用最广泛的 HTTP 客户端之一 Axios(每周 1 亿次 npm 下载)遭遇供应链攻击。攻击者通过窃取的维护者凭证发布了两个后门版本(1.14.1 和 0.30.4),通过恶意依赖 plain-crypto-js 注入跨平台远控木马(RAT),目标覆盖 macOS、Windows、Linux,并具备反取证自删除能力。恶意版本在 3 月 31 日 00:21 至 03:29 UTC 之间活跃,在此窗口内执行过 npm install 的开发者可能已被感染。

-> 原文

GitHub Copilot 在PR中注入广告: 影响150万个PR后紧急撤回 #

Hacker News · 1577 分 · 637 评论

GitHub Copilot 被发现在 Pull Request 中插入广告,估计影响了 150 万个 PR。一位开发者公开记录了这个问题后引发大规模抗议,GitHub 随后撤回并关闭了广告功能。微软另外在使用条款中添加了"Copilot 仅供娱乐目的"的免责声明。开发者工具的商业化边界在哪里?Copilot 刚刚用实际行动画了一条不该跨越的红线。

-> 原文

Oracle裁员3万人: 净利润增长95%,但要为AI基建腾出80-100亿美元 #

Hacker News · 837 分 · 745 评论

Oracle 启动公司历史上最大规模裁员,砍掉 2-3 万人(约 18% 的员工)。员工在早上 6 点收到来自"Oracle Leadership"的终止邮件,系统权限立即被切断。裁员预计释放 80-100 亿美元资金,用于支撑 1560 亿美元的 AI 基础设施投入。讽刺的是,Oracle 上季度净利润增长了 95%,达到 61.3 亿美元。这不是一家亏损公司的止血,而是一家盈利公司的战略转向——用人的预算去买 GPU。

-> 原文

OpenAI以8520亿美元估值完成1220亿美元融资 #

Hacker News · 350 分 · 300 评论

OpenAI 完成了有史以来最大的一轮融资:1220 亿美元,估值 8520 亿美元。亚马逊投入 500 亿,NVIDIA 和软银各 300 亿,还有 a16z 和 D.E. Shaw。首次纳入 30 亿美元零售投资者份额。OpenAI 月收入 20 亿美元(去年全年 131 亿),但仍未盈利,IPO 预计今年进行。当一家仍在亏损的公司估值逼近万亿时,要么是市场看到了我们看不到的未来,要么是 2000 年的剧本正在重演。

-> 原文

Ollama 0.19: Apple Silicon上的本地AI推理速度翻倍 #

Hacker News · 608 分 · 333 评论

Ollama 0.19 预览版集成了 Apple 的 MLX 框架,在 Apple Silicon 上实现了显著的本地 AI 推理加速:预填充速度提升 1.6 倍(1154→1810 tokens/s),解码速度接近翻倍(58→112 tokens/s)。在 M5/M5 Pro/M5 Max 上可利用 GPU 神经加速器,需要 32GB+ 统一内存。这对本地 AI 生态是一个重要里程碑——当本地推理速度足够快时,很多场景不再需要云端 API。

-> 原文

编辑分析 #

今天的内容指向一个令人不安的结论:我们正在用脆弱的基础设施支撑一个万亿美元级的 AI 生态。

Claude Code 源码因为 Bun 打包器的默认设置而泄露;Axios 因为一个维护者凭证被盗就被植入木马;GitHub Copilot 的广告注入说明连微软这种体量的公司也会在商业压力下做出荒唐决策。这三件事发生在同一天,不是巧合,而是系统性脆弱的信号。npm 生态、开发者工具链、AI 基础设施——我们每天依赖的这些东西,其安全边际远比我们以为的薄。

三个值得追踪的趋势:

第一,AI 公司的"安全叙事"正在分化为两条路线。 Anthropic 选择与澳大利亚政府签合作备忘录、在 Latent Space 讨论"AI 需要自己的计算环境"的设计哲学;OpenAI 选择 8520 亿估值、AI 超级应用、全品类扩张。Jack Clark 在 Ezra Klein 的播客中说 Agent 冲击经济的速度会超出预期,而他的老东家正在用政策合作来建立信任缓冲。这两条路线最终会在监管层面交汇,谁先建立起机构信任,谁就拥有监管的主导权。

第二,“小模型+边缘部署"正在从概念变成产品。 Liquid AI 用 3.5 亿参数实现了 Agent 级工具调用能力;Ollama 在 Apple Silicon 上把本地推理速度翻倍;Google 开源了仅 2 亿参数的时间序列预测基础模型 TimesFM。这不是大模型的替代品,而是 AI 渗透物理世界的前提条件——手机、IoT 设备、嵌入式系统不会调用云端 API,它们需要本地运行的小模型。当这些小模型的能力跨过实用门槛时,AI 的用户规模将从亿级跳到百亿级。

第三,供应链安全正在成为开发者工具竞争的隐性维度。 Axios 被攻击、LiteLLM 被攻击、Copilot 注入广告——在 The Changelog 这期播客中,“工具、信任和控制权同步移动"这句话精准概括了当下局势。Astral(Ruff/uv 的母公司)被 OpenAI 收购,表面是人才收购,深层是 OpenAI 意识到控制开发者工具链等于控制 AI 应用的入口。未来 12 个月,我们会看到更多 AI 公司收购或构建自己的开发者工具,安全性和可信度将成为关键卖点。

今天的内容让我们想起布莱恩·阿瑟在《技术的本质》中的判断:技术进步取决于可组合零件的丰富程度。Agent 框架、MCP server、小模型——这些零件正在以前所未有的速度增加。但塔勒布会提醒我们:零件越多,组合爆炸越猛烈,系统的脆弱面也越大。今天 npm 生态暴露的安全问题,就是组合爆炸的副作用。我们需要的不是减少零件,而是让每个零件都更坚固。

lz.wiki 每日精选 · 32 条来自 15 个源 · 2026年4月1日 13:00 CST RSS 订阅 · 所有精选