Hi, 请登录     我要注册     找回密码
共 1 篇文章

标签：格林法则

格林法则：father 和 pater 为什么是一家人-IT资源栈

格林法则：father 和 pater 为什么是一家人

英语里的 `father`，和拉丁语里的 `pater`，看起来像两位远亲：意思一样，拼法却隔着一层。英语的 `three` 和拉丁语的 `tres` 也是如此。再看 `hound` 和拉丁语 `canis`，差得更远，仍然都来自“狗”这个古老词根。 这些词没有随意变形。它们保留了同一场大规模语音变化留下的痕迹。十九世

赞(0)loyloy未分类 阅读()
易安
易安作者
长期关注 AI Agent、软件工程、自动化工作流与个人生产力系统。喜欢把复杂技术拆成普通人也能上手的实践教程,也记录自己在工具链、编程、内容创作和知识管理上的真实折腾。
  • 分享 AI 工具、Agent 工作流与提示词工程的实战经验
  • 记录从想法到产品、从代码到上线的完整实践过程
  • 关注普通人如何用 AI 放大能力,而不是被工具牵着走
阅读作者的全部文章 ›

置顶推荐

Code80 · AI 编程巴士

前沿哨所

  • Go 语言开源项目 l2tp2socks：把 L2TP VPN 隧道转换为 SOCKS5 代理

    一位开发者在 V2EX 分享发现节点发布了一个名为 l2tp2socks 的开源项目，功能是将 L2TP VPN 隧道转换为 SOCKS5 代理。该项目已托管在 GitHub 平台，采用 Go 语言编写，作者表示这再次印证了 Go 在网络编程方面的强大能力。据作者介绍，该项目属于个人自用性质，开发初衷是方便进行流量分流，具体使用场景因人而异。从技术原理上看，L2TP 是一种常见的二层隧道协议，通常与 IPsec 配合用于构建 VPN 连接，在企业网络、校园网以及部分路由器设备中支持较为广泛；而 SOCKS5 是一种通用的会话层代理协议，被各类应用和代理客户端广泛支持。两者之间的转换需求来源于现实环境的不匹配：某些网络环境只能建立 L2TP 隧道，而应用程序侧往往需要 SOCKS5 代理接口来实现更细粒度的流量控制。通过该项目，用户可以将 L2TP 隧道中的流量以 SOCKS5 协议形式提供给本地或其他应用，从而接入现有的分流规则体系，实现按需路由。项目代码已在 GitHub 开源，感兴趣的开发者可查看源码了解实现细节。需要说明的是，作者将其定位为自用工具，功能完整度与长期维护情况尚待观察，使用者需自行评估其稳定性与安全性。

    事件分析

    该项目的看点在于协议层的桥接思路。L2TP 隧道在路由器、企业网关等基础设施层面部署广泛，但应用层生态更青睐 SOCKS5 这类灵活的代理接口，两者之间的鸿沟此前多依靠手动配置或多级代理串联来解决。l2tp2socks 将这一转换过程工具化，可与主流分流客户端的规则体系对接，实现隧道流量的精细化路由。技术实现层面，Go 标准库对网络协议的良好支持显著降低了此类工具的开发门槛，这也是该作者强调 Go 语言强大的原因。后续走向方面，此类个人自用项目普遍面临维护不确定的问题，社区贡献和迭代节奏难以保证；此外 L2TP 自身的加密能力依赖 IPsec 配合，若在裸 L2TP 场景下使用，数据安全性与合规性需由使用者自行评估，这也是评估此类工具能否走向更广泛使用的关键变量。

    核心观点：协议转换小工具折射真实痛点：隧道基建与应用代理生态之间的断层，正由开发者个体用代码补齐。

    原文链接：V2EX 分享发现

  • Claude完成九圈散射振幅计算，AI自主推导获顶尖物理学家验证

    Anthropic宣布，其AI模型Claude完成了平面N=4超杨-米尔斯理论中六粒子MHV散射振幅九圈项的计算，首次得到有限余项E₆⁽⁹⁾(u,v,w)，将学界公开已知结果从八圈推进至九圈。计算沿用了振幅bootstrap、form factor、antipodal duality、pentagon OPE等既有方法，未引入新物理原理，但整个复杂计算流程由Claude自主搭建并执行，结果随后经斯坦福物理学家Lance Dixon等人验证；同期中国科学院何颂团队也独立计算出九圈symbol，形成交叉印证。N=4超杨-米尔斯理论是四维规范理论中对称性最强的模型之一，β函数严格为零，量子层面保持共形不变，虽不直接描述现实粒子，但该理论孵化的广义幺正性、symbol、bootstrap、有限域重构等技术已持续迁移至QCD及标准模型高阶计算。九圈系数E⁽⁹⁾是超越权重18的多重多对数函数，较八圈的权重16有明显跃升。此次核心产出为九圈weight-18 symbol及首个九圈三点form factor symbol，其中symbol经两套独立路线交叉验证，完整函数目前仅计算一次并引入额外假设，验证程度相对较低。该结果为检验antipodal duality等猜想、约束bootstrap程序提供了更深边界条件。

    事件分析

    技术层面，此次工作的亮点不在新物理发现，而在AI对超高复杂度符号推导的执行力与可靠性：weight-18级别的多对数函数计算涉及庞大的中间表达式管理，历来依赖专家数月级手工推演，Claude实现了流程端到端自主执行，并以symbol层面的双路线交叉验证保障正确性。产业层面，该案例为AI for Science树立新标杆，理论物理、数学等依赖深度符号推理的领域，可能成为大模型能力验证与科研生产力释放的下一站。后续走向值得三点关注：其一，完整函数层面的独立验证与论文发表进展；其二，antipodal duality等猜想能否借新增高圈数据获得更强检验；其三，此类AI驱动的高圈计算流程能否沉淀为可复用工具，加速QCD与标准模型高阶计算的自动化。

    核心观点：当AI能独立攻克需专家数月推演的九圈振幅，科学前沿的瓶颈正从计算能力转向人机验证体系。

    原文链接：Linux.do

  • 格林法则：father 和 pater 为什么是一家人

    英语里的 father，和拉丁语里的 pater，看起来像两位远亲：意思一样，拼法却隔着一层。英语的 three 和拉丁语的 tres 也是如此。再看 hound 和拉丁语 canis，差得更远，仍然都来自“狗”这个古老词根。

    这些词没有随意变形。它们保留了同一场大规模语音变化留下的痕迹。十九世纪的学者把散落在英语、德语、拉丁语、希腊语和梵语里的线索拼在一起，发现日耳曼语的辅音曾经成批“换位”。今天说的格林法则（Grimm’s law），描述的就是这次变化。

    它对日常英语学习有用，但用法和网上常见的“词根速记术”不太一样。格林法则不能帮人猜出所有陌生词，却能解释一批基础词为何长得既像又不像，也能让英语词汇从孤立拼写变成有历史关系的家族。

    格林法则里的“格林”，就是写童话的格林

    雅各布·格林（Jacob Grimm）和弟弟威廉·格林以《格林童话》闻名。雅各布的主业却是语言学、文献学和法律史研究。兄弟俩收集民间故事，也整理古老文本、方言和词汇。在他们生活的年代，德意志还没有统一。研究语言、传说和古代文献，也带有寻找共同文化来源的意味。

    雅各布起初学法律，后来受到历史法学家萨维尼影响，开始相信制度和语言都要放进历史中理解。他研究古高地德语、哥特语、古英语和斯堪的纳维亚语言时，遇到一个无法绕开的现象：同源词的辅音差异反复出现，而且相当整齐。

    发现这套对应关系并非雅各布一人的功劳。

    • 1806 年，弗里德里希·冯·施莱格尔已经注意到拉丁语 p 和日耳曼语 f 的对应。
    • 1818 年，丹麦语言学家拉斯穆斯·拉斯克（Rasmus Rask）把观察扩展到更多印欧语言和更多辅音。
    • 1819 年，雅各布出版《德语语法》（Deutsche Grammatik）第一卷初版。
    • 1822 年，他大幅改写第一卷，在第二版中把大量材料整理成系统规则，并进一步讨论高地德语的第二次辅音推移。

    “格林法则”是后人使用的名称，格林本人主要讨论的是 Lautverschiebung，也就是音变或辅音推移。它有时也被称为“拉斯克—格林规则”。历史常把系统化表达者留在名称里，而把先行观察者留在脚注中。

    学者为什么会相信语言有共同祖先

    十八世纪末到十九世纪初，欧洲学者逐渐注意到，梵语、希腊语、拉丁语、波斯语以及许多欧洲语言之间存在大量稳定对应。

    例如“父亲”一词：

    • 梵语：pitṛ
    • 希腊语：patēr
    • 拉丁语：pater
    • 英语：father

    如果只比较两个词，p 和 f 的差别可能只是巧合。可同样的对应在更多词里重复出现：

    非日耳曼语言中的形式 英语形式 主要对应
    拉丁语 pēs / pedis（脚） foot p → f
    拉丁语 tres（三） three t → th /θ/
    拉丁语 canis（狗） hound k → h
    拉丁语 decem（十） ten d → t
    拉丁语 gelū（霜、寒冷） cold g → k
    拉丁语 frāter（兄弟） brother bʰ → b

    真正有说服力的地方，在于变化方向稳定。研究者面对的已经不是“两个单词有点像”，而是一张可以重复检验的对应表。现代历史语言学由此获得了一种接近自然科学的工作方式：提出音变规则，再用跨语言材料验证；遇到例外，继续寻找隐藏条件。

    格林法则到底说了什么

    格林法则描述了原始印欧语（Proto-Indo-European，常写作 PIE）中的一组塞音，怎样在原始日耳曼语中发生系统变化。英语、德语、荷兰语、冰岛语等都属于日耳曼语族，因此还能看到这些变化的后代。

    先把术语压到最低：

    • 塞音：气流先被完全挡住，再突然释放，例如 p、t、k。
    • 擦音：气流从狭窄缝隙持续摩擦，例如 f、th、h。
    • 浊音：发音时声带振动，例如 b、d、g。
    • 送气浊塞音：语言学家为原始印欧语重建的一组音，常写作 bʰ、dʰ、gʰ。

    整套规则可以分成三组。

    第一组：p、t、k 变成 f、th、h

    原始印欧语的清塞音在日耳曼语中变成清擦音：

    p → f
t → þ /θ/（英语 thin 中的 th）
k → h /x/
kʷ → hw /xʷ/

    最直观的例子：

    • pēs / pedis → foot
    • tres → three
    • canis → hound
    • 拉丁语 quod → 英语 what

    what 和 quod 今天的读音已经继续变化，拼写却还留着 wh 与 qu 的历史呼应。

    第二组：b、d、g 变成 p、t、k

    原始印欧语的浊塞音在日耳曼语中清化：

    b → p
d → t
g → k
gʷ → kw

    例如：

    • 原始印欧语中“苹果”的词根带 b，日耳曼语支中出现 p，后来有英语 apple
    • 拉丁语 decem 与英语 ten 对应，能看到 d → t
    • 拉丁语 gelū 与英语 cold 同源，能看到 g → k

    第三组：bʰ、dʰ、gʰ 变成 b、d、g

    原始印欧语的送气浊塞音，在日耳曼语中变成浊塞音或浊擦音：

    bʰ → b
dʰ → d
gʰ → g

    例如拉丁语 frāter、梵语 bhrātṛ 与英语 brother 都来自同一个“兄弟”词根。各语言经历了各自的音变，英语这一支保留为 b 开头。

    把三组连起来，会看到一条链：

    bʰ → b → p → f
dʰ → d → t → th
gʰ → g → k → h

    可以把它想成一排座位整体向旁边挪了一格。一个音的位置发生变化，其他音也跟着调整，原有区别才不会全部挤成同一个音。语言学家把这种现象称为“链式音变”。至于变化究竟从哪一端先开始，是前一个音“推”着后一个音走，还是空位“拉”着其他音补位，学界没有唯一结论。格林法则关心的是系统对应，未能复原每一个历史瞬间。

    为什么 brother 守规矩，father 却像个例外

    看到这里，细心的人会发现麻烦。

    按第一组规则，原始印欧语 t 应该变成日耳曼语的 th /θ/。brother 符合预期，father 中间却读作浊音 /ð/。同样的 t，结果为什么不同？

    雅各布知道规则有例外，却没能解释清楚。五十多年后，丹麦语言学家卡尔·维尔纳（Karl Verner）找到关键：原始重音的位置会影响音变结果。 相关思想在 1875 年已经形成，正式论文发表于 1877 年。

    在特定条件下，格林法则产生的清擦音会进一步浊化：

    f → v/β
th /θ/ → /ð/
s → z
h /x/ → /ɣ/

    “父亲”和“兄弟”在原始印欧语里的重音位置不同。后来日耳曼语把重音逐渐固定到词首，早先触发变化的条件消失了，留下的结果看起来就像随机例外。维尔纳定律把这些“例外”重新纳入规则。

    这段故事很能体现历史语言学的脾气：规则撞上反例时，研究没有结束。反例可能提示还有一个条件尚未被发现。格林法则和维尔纳定律放在一起看，比单背一张音变表更有意思。

    这里采用的是常见教材中的顺序：格林音变先发生，维尔纳定律随后解释部分浊化。两者的相对年代在学术界仍有其他观点，大众入门先掌握这套标准模型就够了。

    为什么英语里有两套长相不同的亲戚词

    1066 年诺曼征服以后，大量法语词进入英语。法语来自拉丁语一支，没有经历日耳曼语的格林音变。于是现代英语里常能看到两层词汇：一层是继承自古英语的日耳曼词，一层是后来借入的拉丁—法语词。

    例如：

    日耳曼来源的英语词 拉丁/法语来源的英语词 关系
    father paternal p ↔ f
    foot pedal, pedestrian p ↔ f
    three triple, tri- t ↔ th
    tooth dental, dentist d ↔ t（还叠加了其他历史变化）
    hound canine k/c ↔ h
    heart cardiac k/c ↔ h

    这张表对学习英语很实用。foot 和 pedal 表面不像，放进 p/f 对应后，关系就清楚了。three、triple、triangle 也能归到同一个“3”的家族。英语词汇中“日常短词”和“正式长词”经常并存，部分原因就藏在两条不同的历史输入路径里。

    不过，表中的现代词经历过多轮变化和借词过程，不能机械地逐字母替换。格林法则谈的是古代语音，现代拼写只是残留证据。

    学英语时，格林法则该怎么用

    1. 用来建立词族联系

    遇到基础日耳曼词和拉丁、希腊词根时，可以主动检查这些对应：

    f ↔ p
th ↔ t
h ↔ k/c
p ↔ b
t ↔ d
k ↔ g

    比如看到 pedal、pedestrian，可以联想到 foot；看到 paternal，可以联想到 father；看到 cardiac，可以联想到 heart。联系一旦建立，单词会多一个可解释的记忆钩子。

    2. 用来理解“同源词为何不像”

    初学词源时，人们容易把“长得像”当成同源证据，也容易因为拼写差异太大而否定关系。格林法则提供了更可靠的判断方式：同源关系看成组、稳定、可重复的音位对应，不能只看两三个相同字母。

    3. 用来区分本族词和后期借词

    同一个古老词根可能以两条路线进入英语：

    • 经过日耳曼音变，成为古英语基础词；
    • 经拉丁语或法语较晚借入，保留另一种辅音形态。

    这种“双胞胎词汇”能帮助理解英语的语体差异。日耳曼词往往更短、更日常，拉丁—法语词常见于医学、法律和正式写作。它是趋势，不能当成绝对规则。

    4. 用来训练规则与证据意识

    格林法则最值得带进学习中的，是一套判断方法：

    1. 先找多组对应，别被单个巧合带走；
    2. 确认比较对象确实同源；
    3. 发现反例时检查语音环境、重音、借词年代和后续音变；
    4. 规则只在自己的历史范围内有效。

    这套方法比背下九个箭头更耐用。

    三个常见误区

    误区一：把格林法则当成现代拼写替换公式

    p → f 说的是原始印欧语到原始日耳曼语的历史变化。拿一个现代英语词，把所有 p 换成 f，并不会自动得到拉丁语同源词。

    误区二：看见相似就认定同源

    英语 much 和西班牙语 mucho 看起来很像，却没有英语学习者想象中的直接继承关系。判断同源需要完整的语音对应、早期文献和词义演变证据。

    误区三：以为格林法则解释了英语全部发音

    英语后来还经历了维尔纳定律、i-变音、元音大推移，以及大量借词和类推变化。格林法则只处理原始印欧语到原始日耳曼语的一组辅音变化。它很基础，覆盖范围仍然有限。

    一张最小记忆卡

    只想记住核心，可以留下这三行：

    清塞音变擦音：p/t/k → f/th/h
浊塞音变清音：b/d/g → p/t/k
送气浊音去送气：bʰ/dʰ/gʰ → b/d/g

    再加一句边界：现代英语词不能直接套公式，先确认同源关系和借入年代。

    下次再看到 father / paternal、foot / pedal、three / triple，可以把它们当作两千多年前那场辅音迁移留下的化石。单词依旧要学，但它们终于不再是一堆互不相干的拼写。

    参考资料

  • Discourse改版遭吐槽，网友用AI写油猴脚本一键找回经典Tab导航

    开源论坛系统Discourse近期的一次界面更新将个人资料页的顶部横向Tab导航替换为侧边栏用户导航面板，引发部分社区用户不满。Linux.do论坛用户mtgpublic借助AI以Vibe Coding方式编写了一款油猴用户脚本，可恢复经典样式的个人页Tab菜单。该脚本（版本0.2.1）的实现原理是：Discourse上游PR #44050引入了实验性站点设置sidebar_user_navigation，开启后用户进入个人页时，UserNavSidebarStateManager服务会强制将侧边栏切换为用户导航面板，并通过body标签的CSS类隐藏旧版Tab，而旧导航实际仍保留在DOM中，仅被CSS隐藏。脚本在文档加载最早阶段将该设置在客户端翻转为false，并复位侧边栏状态，应用随即自行渲染旧版导航；若上游移除或更名该设置，脚本会静默退出。脚本默认对linux.do启用，内置站点白名单管理面板，支持通过脚本菜单增删其他Discourse站点，配置数据优先存于GM存储并以localStorage兜底。作者表示脚本Bug可能还较多，后续将在GitHub开源并加入开源推广声明。

    事件分析

    技术层面，该脚本展示了用户脚本应对官方UI改版的典型手法：在document-start阶段尽早注入，通过MutationObserver仅监听body的class属性变化以降低性能开销，辅以50毫秒轮询加30秒超时兜底，并对站点设置的异步装载做了防御性等待，工程细节较为扎实。产业层面，Discourse是被众多技术社区广泛采用的主流论坛系统，其界面改版牵动大量站点，用户自行开发兼容补丁的现象反映出当官方自定义能力收缩时社区的典型应对路径。值得注意的是，作者明言脚本由AI辅助生成，这类小型效率工具正成为Vibe Coding的典型落地场景，从需求到可用版本的开发周期被大幅压缩。后续走向取决于Discourse是否长期保留该设置开关，以及官方是否会提供正式的界面回退选项，脚本的可维护性将与上游演进深度绑定。

    核心观点：AI辅助编程让普通用户具备了即时修补官方软件的能力，社区自造补丁正成为大平台改版失衡的民间制衡力量。

    原文链接：Linux.do

  • Elixir之父谈AI时代编程语言进化：从迁就人类到服务智能体

    Elixir语言创始人、Dashbit联合创始人José Valim发表长文，系统探讨编程语言在AI时代的演变方向，文章分为“反思”与“智能体工具”两部分。在反思部分，Valim指出当智能体成为主要代码编写者时，围绕编程语言形成的社区认同与归属感将面临重构；智能体既能大幅降低生态建设成本、帮助小众语言社区快速追赶，也可能削弱开发者协作共建共享方案的动力。在语言易用性方面，他认为语法糖与token效率对智能体意义有限，那些声称“为智能体设计”却只专注语法的新语言，实际上是在迎合当前模型的局限。他还驳斥了智能体将取代编译器直接生成汇编的说法，强调不同语言承载不同语义与保障，单一底层语言无法统一所有计算模型。在工具部分，他提出三项具体主张：语言设计应从迁就人类转向提供更强保障，综合运用构造正确性、静态类型与证明、运行时强制机制和经验验证四类手段；用可查询的程序数据库取代面向IDE设计的LSP协议，让智能体通过查询语言组合分析符号、调用图与数据流；用运行时可观测性取代断点调试器，使智能体能够以编程方式查询进程状态、诊断生产系统故障。他特别指出Erlang/Elixir的BEAM虚拟机在进程隔离与可观测性方面具备天然优势。

    事件分析

    这篇文章的价值在于超越了“AI能否写代码”的表层争论，直接切入语言设计与工具链的底层逻辑。技术看点包括：以程序数据库替代LSP的构想与当前MCP生态的工具设计方向高度契合，可能影响语言工具链厂商的技术路线图；“保障优先于易用性”的论断则预示Rust、Elixir等具备强隔离、强类型特性的语言在AI编程时代的差异化定位。产业层面，若智能体确实拉平各语言生态的差距，语言之间的竞争焦点将从框架丰富度与社区规模，转向运行时保障能力和可观测性水平，这会给Erlang/Elixir、Rust等语言带来结构性机会。后续值得关注各语言社区对程序数据库查询接口的标准化尝试，以及Tidewave等智能体原生工具在真实开发流程中的落地效果。

    核心观点：编程语言的竞争正从讨好人类程序员的语法便利，转向机器可验证的强保障与运行时可观测性。

    原文链接：Hacker News

  • DeepSeek发布DSec沙箱基础设施，支撑大规模智能体训练

    DeepSeek团队在arXiv发布论文《DeepSeek Elastic Compute (DSec): A Sandbox Infrastructure for Effective Agentic Training at Scale》，提出名为DSec的弹性计算沙箱基础设施，用于支撑大模型智能体的规模化训练。论文指出，基于大语言模型的大规模智能体训练与评估，依赖隔离的、有状态的执行环境：模型在其中检视代码仓库、执行操作并获取反馈，此类环境的建设效率与稳定性直接决定训练上限。DSec正是为满足这一需求而设计的系统性方案，目标是让海量智能体任务能够高效、安全地并行运行。论文署名作者超过一百五十人，覆盖DeepSeek核心研究与工程团队，创始人梁文锋亦在列，显示这是公司级的战略性投入。该工作于2026年9月19日提交至arXiv，归属于分布式、并行与集群计算分类，而非单纯的机器学习方向，侧面印证其本质是一项系统工程。延续DeepSeek在V3、R1时期公开技术报告与基础设施细节的做法，此次将训练基建层的设计对外输出，被视为智能体训练工程体系的一次系统性披露。

    事件分析

    智能体训练的本质是让模型在真实环境中反复试错，代码执行沙箱因此成为继算力、数据之后的第三大工程瓶颈。DSec的公开意味着头部实验室的竞争焦点已从模型架构延伸至训练基建：环境隔离、状态管理、大规模任务调度等环节的成熟度，直接决定强化学习能否规模化落地。对行业而言，这类基础设施设计的披露降低了后续团队复现智能体训练的门槛，也为云厂商指出了潜在的新产品形态，面向AI智能体训练的沙箱算力服务可能成为独立的商业化方向。后续值得关注DSec是否会同步开源代码，若成真，智能体训练技术栈有望出现事实标准，加速整个生态的工程化进程。

    核心观点：智能体竞争的胜负手正从模型本身转向沙箱基建，工程化深度才是规模化的真正护城河。

    原文链接：Hacker News

最新文章

热门专题

热门标签

AI编程claude大模型AIAI Agent人工智能开源项目Gemini开发者工具开源GitHubClaude Code开源工具AI工具开发工具谷歌openaideepseek提示词工程cursor网络安全anthropicAI应用ChatgptAI开发agentAI安全自动化智能体AI智能体

网站统计

  • 日志总数：28681
  • 评论总数：7
  • 标签总数：17912
  • 用户总数：3675
  • 最后更新：2026-09-27