在 Linux 内核的增长曲线中寻找 AI
我原以为 AI 编程工具会让增长曲线出现明显的转折。看过 113 个 Linux 发布版本后，我没有找到这样的迹象。
技术札记
系统软件，以实测为准。
数据布局、基准测试、SIMD、市场基础设施，以及当所有人都盯着 API 时， 机器底层究竟在做什么。
文章
最新文章
如果预取器猜错了我的代码怎么办？
机器的默认设置是别人替你做的猜测。我把 Intel 的硬件预取器做成了 /proc 里可以按核心开关的旋钮，好拿 goblin-store、goblin-core，甚至 Python 解释器，去对比一台不再瞎猜的 CPU。
每秒 9,600 比特的自由
Inkline、一部卫星电话，以及离开咖啡馆 Wi-Fi 之后仍能工作的自由。套餐可以不限量，电池不行。
GoblinStore 与 S3 Express：每次只传输一个对象
一台 Dell R820、机械硬盘、Graviton4 客户端，以及相同 590 个对象的可复现比较。
我不再维护软件了。
维护规格说明。实现只是缓存下来的构建产物，替换它的成本正一天比一天低。
DESQview 和 WordPerfect，回到终端
介绍 GoblinView 和 Goblin Purrfect：在 Emacs 的 PDF 上方实时编辑公式，让 Kitty 图像在重叠窗口之间正确裁剪。
三十年，够了
从 WordPerfect 的公式编辑器，到终端 Emacs 里与 LaTeX 源码并排的 PDF 预览。
如果当年胜出的是终端？
Goblin Mosh、GoblinView 和 Goblin Purrfect 既是实用的终端工具，也是一场实验：假如 Windows 从未成为主流，计算机会是什么样子？
我做了一个用 2.10 GiB 容纳 8080 万个 ID 的有序集合
在维基百科重放中，Goblin Core 的紧凑 INT32/FLOAT32 有序集合比 Redis、Valkey 和 Dragonfly 少占 53.6–72.2% 的 RSS。更快完成是额外收获。
更快并不更好
更快的网络路径降低了数据包延迟，却加剧了 OpenNTPD 的稳态抖动；本次运行中，用户态 UDP 的抖动是 10 GbE 基线的 10.8 倍。
队列变长之前，GPU 才真正有用
当按需服务器留有余量时，AMD Vulkan 路径可以降低渐进式 JPEGli 的延迟和能耗；随着机器接近满载，这项优势会逐渐消失。
Apple M4 上更快、进程归属能耗更低的 JPEGli 解码
对至少 1 MP 的基线图像，当前直接 Metal 比 TurboJPEG 快 12.5%，进程归属能耗低 53.2%。
毁掉我尾延迟的那个引导连接监听器
一个看似无害的非阻塞 accept() 循环，让低至数微秒的 libfabric 路径出现了毫秒级尾部停顿。
一台高噪声基准测试机器险些让我付出的代价
一项看似结论确凿的编译器否定性结果，直到更安静的机器揭开基准测试噪声所掩盖的事实，才显出它是错的。
AI 是随机的，不是错的
为什么 AI 输出不确定并不等于它出错，以及从哈希表到以太网，带种子的随机性早已如何支撑着我们信赖的系统。
两坨便便和一根棒棒糖
在一次次基准胜利之间讲述人的故事，学习如何推广严肃的开源系统软件。
COW 开始“哞”了
Goblin Core 如何控制 BGSAVE 期间的写时复制内存增长，避免它演变成内存耗尽故障。
为什么我们应该学会爱上机器人
为什么由 AI 协助开发的软件，作者仍然是那个做出架构决策并检查哪些条件必须成立的人。