历史
2025-05-01
案件背景：1931年底，因顾顺章等高级领导人叛变，上海临时中央处境危险。于是，井冈山苏区（毛泽东任主席）向上海第二临时党中央紧急支援120两黄金（来自瑞金中央苏区“打土豪”没收的黄金首饰）作为"特别经费"。这笔经费由地下交通员秘密转运，采用分段交接、凭"快"字木刻笔画为凭证的方式运送。
1935年，顾顺章因涉及中央调查统计局与军事委员会调查统计局矛盾、组建“新共产党”触犯蒋中正忌讳而被中国国民党处死。
案件发生：1931年12月，经费在松江至上海段的转运中神秘失踪，负责最后一程的地下交通员梁壁纯连同黄金一起消失。这导致上海临时中央经费严重短缺，九名被捕同志未能及时营救而牺牲，多项革命工作受挫。
初期调查：苏区政治保卫局发现"快"字最后一笔未送达，判断问题出在松江至上海段。但由于当时处于白色恐怖环境，调查难以开展，案件不了了之。
重启调查：1949年新中国成立后，公安部罗瑞卿按毛主席要求调查这桩历史悬案。上海市公安局成立"悬案调查办公室"，第三组负责此案。侦查员通过走访林伯渠、高自立等老同志，逐步追踪到交通线各环节。
侦查过程：侦查员找到杭州交通员刘志纯，确认他在松江将黄金交给一个穿黑色棉袍的男子（梁壁纯）。经调查发现梁壁纯是上海"祥德源"药铺的药工，1931年12月出差松江后神秘失踪。
真相大白：1950年3月，侦查员在浦东洋泾镇找到化名申继谷的梁壁纯。梁壁纯交代：他在曹家渡桥头被两个推车人用迷药毛巾捂晕，醒来后发现装黄金的小皮箱丢失。因担心无法向组织交代，他伪造失踪，隐姓埋名成为钟表匠。
案件侦破：通过提篮桥监狱在押犯冯安宝的检举，侦查员锁定嫌疑人吉良贵（冯安宝表哥，当年大额财产来路不明）。1950年5月，吉良贵被捕，交代了与同伙刘阿古、庄克（三人是发小）作案经过。他们在曹家渡桥头假装帮推黄包车，用迷药抢劫了梁壁纯。他们当时不知道梁壁纯身上有这么大笔钱，也更不清楚这笔钱的来路，后面三人平分了这 12 根金条。
案件结局：1950年11月，吉良贵、刘阿古以抢劫罪被判处死刑；梁壁纯以"历史反革命罪"被判十年徒刑（两年后释放）；检举人冯安宝和提供线索的旧刑警曾某因立功获释。这起历时十九年的悬案最终告破。
被劫的黄金去向：
- 吉良贵手上的 4 根黄金挥霍了。
在对吉良贵的住所和店铺进行搜查时，发现了白铜盒一个，经梁壁纯与刘志纯辨认，正是当年装纳“特费”黄金的容器。
- 庄克参加国军，30 年代末死于抗日战争，他手上的 4 根黄金不知去向。
- 刘阿古手上的 4 根黄金都还在，被打造为首饰，最后被公安机关予以没收。
1931年4月24日，中央特科重要领导人之一，顾顺章在汉口被国民政府抓获并叛变。
由于顾顺章自恃握有大批中共机密，要求面见国民党高官后，方可透露，用以自抬身价。国民政府汉口当局不得已用军舰将顾顺章送往南京，并且发电文至上海通知徐恩曾。
恰好此时徐恩曾不在，钱壮飞利用其掌握的密码本译出电文，立即派人赶往上海，在顾顺章供出中共所有重要领导人名单，住址，活动地点之前，将消息通知在上海的中共中央；此举使得中共中央避免了毁灭性的打击。
钱壮飞因顾顺章事件而暴露身份，转移去中央苏区。
在长征途中，钱壮飞失踪，有说法称其在侦察途中被当地民团杀害，有说法称被国民党特工认出而遭杀害，甚至有说法称其因故遭中共内部谋杀。说法不一而足，现史学界比较倾向于采用第一种说法。
1931年5月，核实顾顺章叛变后，特科对顾顺章全家9口实施了灭门处决，尸体被秘密掩埋，仅留下3岁的女儿和12岁的妻弟张长庚。
9月，特科人员王世德在街上骑车，被张长庚认出，揪住不放，旋即被跟踪的特务逮捕。被捕后王世德招供出顾家下落，并带上海法租界人员和国民党特务去掘尸，成为轰动上海乃至国内的“爱棠新村掘尸案”。
硬件
2025-04-18
苹果电脑的芯片发展可以分成三个阶段：
- 1994 年到 2005 年：使用 IBM 的 PowerPC 架构
- 2006 年到 2020 年：改用 Intel 的 x86 架构
- 2020 年底开始：全面转向自研的 ARM 架构 M 系列芯片（M1 ~ M4）
苹果肯定是觉得 Intel 做的不好，然后选择更加开放的 ARM 标准做魔改。
看到网上的评价，应该是非常成功的，移动设备的功耗 + 桌面设备的性能，并且比传统的 CPU 更加面向未来。
1. 架构不同：ARM vs x86
M 系列基于 ARM 架构，强调低功耗高效能；而传统 Intel / AMD 芯片是 x86 架构，更强调通用计算能力。
ARM 原本是移动端主流架构，苹果通过深度优化，做出了媲美甚至超越传统 PC 的性能，同时拥有更长续航。
拓展阅读：网易号，Apple M4 成为新单核性能冠军，击败英特尔的 Core i9-14900KS
2. SoC 设计：高度集成
M 系列采用 SoC（System on a Chip）设计，把 CPU、GPU、NPU（神经网络引擎）、内存控制器等都集成在一颗芯片中，减少延迟、提高带宽。传统 PC 芯片大多是分散式设计，效率和功耗控制上不如 SoC。
3. 统一内存架构（UMA）
M 系列的 CPU 和 GPU 共享同一套高速内存，数据无需来回搬运，适合图形、视频、AI 场景。传统 PC 中，CPU 和 GPU 使用不同内存，需要频繁复制数据。
阮一峰的《科技爱好者周刊（第 345 期）》中是这么说的：
大芯片指的是 CPU、GPU、内存封装在一块芯片里面，典型代表是苹果的 M 系列芯片。
这种设计使得 CPU 和 GPU 共享内存，并且有极大的内存带宽，这就是为什么苹果电脑不需要 Nvidia 显卡，也能运行 AI 模型。
4. 软件生态的适配和进化
苹果在 2020 年 M1 发布时推出了 Rosetta 2 翻译层，用于兼容旧的 x86 应用。现在，大量主流 macOS 应用已经原生适配 ARM，性能更强、能耗更低。开发者也逐步转向以 ARM 为主的架构优化。
5. M4 的新特性
M4 是第五代 Apple Silicon，主要升级包括：
- 采用台积电第二代 3nm 工艺，性能与能效进一步提升
- 神经网络引擎更强，面向 AI 原生支持（如生成式模型、照片处理）
- 新一代 GPU 架构，支持动态缓存和光线追踪
- 加强视频编解码引擎，更适合 4K/8K 视频处理
AI
2025-03-19
Model Context Protocol（模型上下文协议，简称 MCP）是由 Anthropic 公司于 2024 年末推出的开放标准协议，旨在为大型语言模型（LLM）与外部数据源、工具及系统提供标准化连接接口。其核心目标是解决传统 AI 系统集成复杂、维护困难的问题，通过定义通用规则实现 LLM 与数据库、API、本地文件等资源的即插即用式交互。
我的理解：就是用来向 AI 模型拓展一些功能，比如获取数据、运行程序、发送邮件、订购商品等，将 AI 这个大脑连接上真实世界。
Anthropic 就是做 Claude AI 编程模型的那家公司，设计这套协议用来拓展 AI 模型，比如执行目录查看、编辑文件、文本查找、文本替换、Git 提交、执行代码格式化工具。
但是这套协议可以用来拓展到方方面面，比如将我司的邮件服务、短信服务、AppPush 等提供出去，这样支持 MCP 的 IDE 可以在开发过程中直接发送邮件、短信、应用推送出去了。
最简单的场景，比如执行单元测试之后，将测试结果推送给相关人员。
因为目前只有几个 IDE 支持，但是我们也不一定只能用来做代码开发，直接在里面管理工作理论上也是可行。
还拿邮件功能举例，比如可以开发 MCP 接入自己的客户信息，然后在 AI 交互中安排自动化场景营销任务。
PS：MCP 这样的开放标准肯定是 AI 应用的大势所趋。
flowchart
subgraph APP
AppStart[App 启动]
AppGetTask[接收任务]
AppParse[解析 AI 输出]
AppRun[App 执行任务]
end
subgraph MCP[MCP Server]
McpResource[资源/接口]
McpRun[MCP 执行任务]
end
User --> |提交任务|AppGetTask
AppGetTask --> |请求大模型<BR>系统提示词 + 任务描述|Model[AI 大模型]
AppStart -->|获取信息| McpResource
Model --> AppParse --> AppRun
AppRun <--> McpRun
资源：
- 官方提供了一些实现：https://github.com/modelcontextprotocol/servers
- Cline 的系统提示词：
- https://glama.ai/mcp/clients
- https://glama.ai/mcp/servers
Introducing the Model Context Protocol
2024 年 11 月 25 日
https://www.anthropic.com/news/model-context-protocol
Today, we're open-sourcing the Model Context Protocol (MCP), a new standard for connecting AI assistants to the systems where data lives, including content repositories, business tools, and development environments. Its aim is to help frontier models produce better, more relevant responses.
As AI assistants gain mainstream adoption, the industry has invested heavily in model capabilities, achieving rapid advances in reasoning and quality. Yet even the most sophisticated models are constrained by their isolation from data—trapped behind information silos and legacy systems. Every new data source requires its own custom implementation, making truly connected systems difficult to scale.
MCP addresses this challenge. It provides a universal, open standard for connecting AI systems with data sources, replacing fragmented integrations with a single protocol. The result is a simpler, more reliable way to give AI systems access to the data they need.
Model Context Protocol
The Model Context Protocol is an open standard that enables developers to build secure, two-way connections between their data sources and AI-powered tools. The architecture is straightforward: developers can either expose their data through MCP servers or build AI applications (MCP clients) that connect to these servers.
Today, we're introducing three major components of the Model Context Protocol for developers:
- The Model Context Protocol specification and SDKs
- Local MCP server support in the Claude Desktop apps
- An open-source repository of MCP servers
Claude 3.5 Sonnet is adept at quickly building MCP server implementations, making it easy for organizations and individuals to rapidly connect their most important datasets with a range of AI-powered tools. To help developers start exploring, we’re sharing pre-built MCP servers for popular enterprise systems like Google Drive, Slack, GitHub, Git, Postgres, and Puppeteer.
Early adopters like Block and Apollo have integrated MCP into their systems, while development tools companies including Zed, Replit, Codeium, and Sourcegraph are working with MCP to enhance their platforms—enabling AI agents to better retrieve relevant information to further understand the context around a coding task and produce more nuanced and functional code with fewer attempts.
"At Block, open source is more than a development model—it’s the foundation of our work and a commitment to creating technology that drives meaningful change and serves as a public good for all,” said Dhanji R. Prasanna, Chief Technology Officer at Block. “Open technologies like the Model Context Protocol are the bridges that connect AI to real-world applications, ensuring innovation is accessible, transparent, and rooted in collaboration. We are excited to partner on a protocol and use it to build agentic systems, which remove the burden of the mechanical so people can focus on the creative.”
Instead of maintaining separate connectors for each data source, developers can now build against a standard protocol. As the ecosystem matures, AI systems will maintain context as they move between different tools and datasets, replacing today's fragmented integrations with a more sustainable architecture.
Getting started
Developers can start building and testing MCP connectors today. All Claude.ai plans support connecting MCP servers to the Claude Desktop app.
Claude for Work customers can begin testing MCP servers locally, connecting Claude to internal systems and datasets. We'll soon provide developer toolkits for deploying remote production MCP servers that can serve your entire Claude for Work organization.
To start building:
- Install pre-built MCP servers through the Claude Desktop app
- Follow our quickstart guide to build your first MCP server
- Contribute to our open-source repositories of connectors and implementations
An open community
We’re committed to building MCP as a collaborative, open-source project and ecosystem, and we’re eager to hear your feedback. Whether you’re an AI tool developer, an enterprise looking to leverage existing data, or an early adopter exploring the frontier, we invite you to build the future of context-aware AI together.