HackerNews AI - 2026-06-02¶
1. 大家在讨论什么¶
6 月 2 日，Hacker News 上出现了 111 条 AI 相关内容，高于 6 月 1 日的 94 条。总得分从 776 分增至 1,653 分，超过翻倍；评论数也从 459 条增至 539 条。最大的变化是，智能体 AI 不再像一组提示词的集合，而开始显现出基础设施的形态：桌面控制平面、全天候助手、运行时计费、策略语言，以及对个人情境被利用的反感同时涌现。仅榜首帖子——呼吁不要用 AI 骚扰求职者——就获得了 864 分和 247 条评论，让当天的社会反弹不容忽视。
1.1 智能体控制平面从提示词文件发展为完整操作界面 (🡕)¶
在至少六条引人关注的内容中，最鲜明的开发趋势已不再是“这里有一个更好的模型”，而是“这里有一个管理模型的界面”。GitHub、Microsoft、OpenAI 和规模较小的开发者都在向同一个方向靠拢：智能体必须具备持久会话、身份、插件、调度和明确的扩展点，才能成为日常工具。
theanonymousone 发布了 GitHub Copilot App（86 分，59 条评论）。GitHub 的预览页面展示了一套从 issue 到合并的桌面工作流：用户可以接手 issue 或 pull request，在多个仓库中运行相互隔离的智能体会话、审查差异，并通过 MCP 服务器和自定义技能扩展整个流程。HN 讨论很快将 git worktree 视为核心基础设施，同时指出了新的权衡：当一台桌面设备可以同时协调多个仓库时，供应链错误和额度消耗都可能更快蔓延。
EvanZhouDev 发布了 Microsoft 发布基于 OpenClaw 构建的自主 AI 智能体 Scout（68 分，62 条评论）。Microsoft 在发布时将 Scout 定位为全天候运行的“Autopilot”，可跨 Teams、Outlook、OneDrive 和 SharePoint 工作，使用受治理的独立 Entra 身份，并可通过 Purview 策略或人工审批对敏感操作加以强制约束。HN 回复关注的不是新颖性，而是影响范围：评论者担心，一个持续运行、不断尝试的助手，可能会自行编辑文档和发送消息。
joshuawright11 发布了 Codex 中的 Sites 与角色专属插件（17 分，3 条评论）。发布报道指出，OpenAI 增加了可共享的 Sites、原位 Annotations，以及面向分析、销售、设计和财务等岗位的插件套件，使 Codex 从开发者专用聊天界面转变为知识工作平台。即便得分较低，同样的“操作系统化”趋势也出现在 jacobgold 的 Show HN：Clor——给你的智能体装上利爪（5 分，2 条评论）中：定时运行的后台智能体可复用交互式编程智能体所使用的技能、工具和模型路由栈。
讨论洞察： 共同问题已不再是智能体能否调用工具，而是谁来定义它的身份、哪些会话应保持可见、允许多大程度的后台自主性，以及这些控制机制能否跨产品移植。
与前一日相比： 6 月 1 日的重点是明确的规则文件和验证关卡，例如 Stanford 的 CLAUDE.md 和 Google SRE 的治理方案。6 月 2 日则又向上推进了一层，将这些理念封装进桌面应用、Autopilot、插件套件和可调度的后台智能体。
1.2 Copilot 推行 AI Credits 后，成本控制首日便成为工作流阻碍 (🡕)¶
6 月 2 日数据中最强烈的运营层面抱怨，不是模型质量，而是成本的可预测性。至少四条引人关注的内容表明，一旦智能体编程变成多步骤、半自主流程，支出就不再只是抽象的计费问题，而会成为日常工作的硬性限制。
jay_kyburz 发布了 按量计费落地，愤怒的开发者誓言逃离 GitHub Copilot（44 分，24 条评论）。HN 评论给出了具体反馈：一名用户表示，正常工作一天就消耗了超过一半的月度额度；另一名用户估算，实际成本是之前的 80-100 倍；还有人抱怨模型不断上线又下线，预览工具也依然难以信任。这些反应与 GitHub 6 月 1 日发布的计费公告一致：Copilot 现在根据 token 使用量消耗 GitHub AI Credits，额度耗尽后不再提供旧有的回退方案，而且 Copilot 代码审查除了消耗 AI Credits，还会占用 GitHub Actions 分钟数。
mittermayr 发布了 所有 GitHub Copilot 套餐现已改为按用量计费（6 分，4 条评论），回复更加直白：一名用户称一个上午就用掉了月度额度的 33%，另一名用户则表示全部 token 配额瞬间耗尽。这种实时用量冲击也笼罩着 GitHub Copilot App 的讨论，一名评论者称，定价调整后仅轻度使用就已消耗当月额度的 26%。
讨论洞察： 用户愤怒的不只是“AI 变贵了”，而是团队失去了缓冲空间：没有低成本回退方案，共享额度池的竞争加剧，代码审查还多了一项 Actions 分钟数计费。
与前一日相比： 6 月 1 日开启了 AI Credits 时代，也出现了早期反弹。6 月 2 日则出现了首日实际消耗报告，让此次定价调整不再像未来的预算问题，而成了即时的工作流限制。
1.3 对 AI 的反弹变得更加切身：冒犯性联络、令人不适的助手和行为压力 (🡕)¶
整个数据集中最强烈的负面信号，并非来自安全论文或劳工宣言，而是人们感到智能体正过于随意地越过人与人之间的界限——侵入求职、收件箱、家庭情境，甚至影响人们在键盘前集中注意力的方式。
IliaLitviak 发布了 请不要骚扰正在找工作的人，这真的很残忍（864 分，247 条评论）。帖子描述了一名正在积极求职的人收到 AI 生成的联络邮件，回复则将这一抱怨扩展成一种普遍模式：半个性化的漏洞赏金推销、虚假的合作邀请，以及其他听起来足够像真人、先让人产生希望再浪费其注意力的消息。由于这一个讨论串就拿下了整个数据集超过一半的得分，它最清楚地表明：低门槛的智能体式外联如今被视为尊严问题，而不只是垃圾信息问题。
tambourine_man 发布了 测试 Google 的 Gemini Spark AI 智能体：惊艳，也令人不适（8 分，2 条评论）。The Verge 称，Spark 从 Gmail、日历、宠物和票务信息中提取用户并未在提示词中明确提供的情境，制作出极其实用的家庭行程安排；结果既令人惊叹，又极具侵入性。排名更靠后的位置，ms_menardi 发布了 Anthropic 正在塑造我们的思维（4 分，4 条评论），认为运行框架的设计可能推动人们采用特定的工作节奏；最尖锐的一条回复称，AI 的危险并不是机器人统治人类，而是把人变成机器人。
讨论洞察： 6 月 2 日的反弹十分切身。这些系统之所以更有用，恰恰是因为它们知道得更多、持续得更久、干预得更频繁，因此人们很难把不适感与其价值主张分开。
与前一日相比： 6 月 1 日的反弹侧重权利、所有权和劳动力替代。6 月 2 日则让问题变得日常而私人：知道得太多的助手、塑造行为的运行框架，以及出现在最需要同理心之处的外联消息。
1.4 最可信的开发者主动收窄问题，并让工作流保持可审查 (🡕)¶
数据中最强烈的正面开发信号来自主动限制范围的产品。最受认可的姿态并非“处处实现完全自主”，而是“做好一个工作流、公开数据路径，并在旁边保留人工审查界面”。
1zael 发布了 重新思考搜索：将其转化为代码生成（63 分，20 条评论）。Perplexity 的方案不再把搜索作为单一的固定端点，而是将其拆成一组可由智能体通过代码组合的 SDK 原语，包括检索、排序、过滤、扇出和渲染。HN 回复立即将其视为工程控制问题，讨论查询限制、多租户和可维护性。rishipankhaniya 发布了 Launch HN：Rudus（YC P26）——面向混凝土承包商的 AI（29 分，12 条评论）。其产品介绍明确指出，混凝土估算人员不想要黑箱：Rudus 会对图纸分类、识别构件、展开为明细项目，再让估算人员审查、修改并导出至现有投标工作流。
同样的“范围收窄、过程清晰”模式也出现在基础设施帖子中。ArianM 发布了 为 LLM 上下文窗口打包数据科学项目的 CLI 工具（14 分，0 条评论）；该仓库专注于对 notebook 和表格数据进行采样、截断及 token 感知格式化，而不是假装可以把整个原始项目直接塞进上下文。gtamir02 发布了 AI 漏洞情报智能体将 CVE 转化为可操作的安全报告（7 分，2 条评论），其 README 明确将确定性分诊与交给 LLM 处理的少量定性内容分开。
讨论洞察： 6 月 2 日，可信度来自约束。与其宣称模型单独解决了整个工作流，开发者通过展示预处理步骤、审批步骤或狭窄的领域边界来赢得信任。
与前一日相比： 6 月 1 日的开发者主要关注记忆、任务分配和运行框架易用性。6 月 2 日则更侧重垂直 Copilot、确定性预处理和智能体原生检索管线，让工作流更容易审查。
2. 大家因何受挫¶
人的注意力如今不仅消耗在智能体产出上，也消耗在智能体的错误上¶
请不要骚扰正在找工作的人，这真的很残忍（864 分，247 条评论）最直白地展示了这个问题：AI 外联把一个寄托希望的收件箱，变成了又一个让人失望的地方。测试 Google 的 Gemini Spark AI 智能体：惊艳，也令人不适（8 分，2 条评论）从相反方向体现了同一种挫败感：助手通过挖掘更多个人情境来提高实用性，即使结果有效，也让人觉得受到侵犯。Anthropic 正在塑造我们的思维（4 分，4 条评论）则补充了一个讨论量较小但很重要的易用性问题：运行框架的设计可能操纵人的专注状态和工作节奏。严重程度：高。人们通过提高警惕、手动过滤和关闭功能来应对，但更深层的不满在于，智能体越来越把同理心和注意力当成免费资源。值得为此开发产品：是，直接机会。
AI 预算如今会像基础设施预算一样失控¶
按量计费落地，愤怒的开发者誓言逃离 GitHub Copilot（44 分，24 条评论）和所有 GitHub Copilot 套餐现已改为按用量计费（6 分，4 条评论）让成本从财务问题变成了上线首日的运营故障。GitHub 自己的计费公告和 6 月 1 日更新日志证实，AI Credits 现在决定高 token 用量功能的使用额度，回退方案已被取消，代码审查还会消耗 Actions 分钟数。严重程度：高。人们通过使用更轻量的模型、减少智能体使用、手动管理预算和升级套餐来应对，但问题在于，平台仍然要等工作流启动后才显示成本。值得为此开发产品：是，直接机会。
团队仍缺少一个可移植的统一位置，用来定义智能体可以做什么¶
Scout 的发布本身就清楚说明了这一需求：要让全天候智能体在企业内部可以被接受，就需要独立身份、限定范围的凭据、Purview 标签，以及可选的人工审批。白宫关于 AI 创新与安全的行政令（31 分，7 条评论）又增加了针对具备网络能力的前沿模型和提前访问控制的联邦压力，而 Rudus 发布讨论则提出了同一问题的行业版本：如果估算错误并导致建筑失效，后果由谁承担？严重程度：高。人们通过身份系统、策略层和人工签核来应对，但治理仍需针对每款产品和每条工作流单独定制。值得为此开发产品：是，直接机会。
在有人主动整理之前，上下文依然过于庞大且模糊¶
重新思考搜索：将其转化为代码生成（63 分，20 条评论）之所以出现，是因为固定搜索端点对于需要执行多步检索的智能体而言过于僵化，评论者也立刻开始担忧生成查询的效率和支持成本。为 LLM 上下文窗口打包数据科学项目的 CLI 工具（14 分，0 条评论）和 AI 漏洞情报智能体将 CVE 转化为可操作的安全报告（7 分，2 条评论）展示了两种实用应对方式：积极采样或截断输入，或者将确定性过滤与 LLM 综合分析分开。严重程度：中。人们依靠定制的上下文压缩器、结构化存储和更短的提示词来应对，但更深层的问题是，有用的上下文仍然太容易膨胀，又太难整理。值得为此开发产品：是，直接机会。
3. 大家希望出现什么¶
让智能体任务在预算不足时平稳降级，而不是直接中断的预算控制¶
数据集中最实际的愿望，并不是笼统地希望 AI 更便宜，而是希望运行时能够让支出变得可预测。按量计费落地，愤怒的开发者誓言逃离 GitHub Copilot（44 分，24 条评论）和所有 GitHub Copilot 套餐现已改为按用量计费（6 分，4 条评论）显示，用户还没弄清消耗速度就已经触及上限；GitHub 新增的用户级预算仍要求团队自行决定共享额度池耗尽后的处理方式。缺失的环节是平稳降级：硬性上限、提前预警、低成本回退路径，以及在多步骤会话启动前提供任务级消耗预估。这是一个现实需求，而且已经有即时预算决策权。机会类型：直接。
一套可跨应用、供应商和风险等级使用的智能体治理契约¶
Scout 的发布展示了这一需求在企业中的形态——独立身份、限定范围的凭据、Purview 标签和人工审批——而白宫关于 AI 创新与安全的行政令（31 分，7 条评论）和 Rudus 的责任讨论，则体现了监管及行业特定版本。如今，这些控制机制都与特定产品绑定，难以比较。人们似乎需要一份统一契约，无论底层采用哪种智能体框架或供应商，都能说明智能体可以做什么、何时必须暂停、需要哪些证据，以及由谁签核。各产品专属的策略层已经提供了部分答案，但可移植性缺口仍未填补。机会类型：直接。
保护人际沟通渠道免受智能体垃圾信息和过度个性化侵扰的过滤与溯源系统¶
请不要骚扰正在找工作的人，这真的很残忍（864 分，247 条评论）直白呈现了这一需求：人们希望 AI 系统能够识别情绪情境，不要在他人脆弱的时刻优化陌生外联。测试 Google 的 Gemini Spark AI 智能体：惊艳，也令人不适（8 分，2 条评论）则补充了环境式助手的版本：用户希望享受个人情境带来的便利，又不想感觉自己受到监视或被挖掘数据。现有垃圾信息过滤器和隐私控制只能部分解决问题，因为它们无法理解智能体的意图或用户是否同意。这既是实际需求，也是情感需求。机会类型：直接。
将混乱的现实输入转化为精简、可信智能体上下文的上下文层¶
重新思考搜索：将其转化为代码生成（63 分，20 条评论）、为 LLM 上下文窗口打包数据科学项目的 CLI 工具（14 分，0 条评论），以及 AI 漏洞情报智能体将 CVE 转化为可操作的安全报告（7 分，2 条评论），都指向同一个缺失层：在模型推理之前，必须有人决定哪些上下文相关、应如何组织，以及哪些内容可以安全省略。现有方案分散在搜索 SDK、文件打包工具和行业专用确定性管线中。由于团队已经在手工构建这些适配器，因此这是一个现实需求。机会类型：直接。
4. 正在使用的工具与方法¶
| 工具 | 类别 | 评价 | 优势 | 局限 |
|---|---|---|---|---|
| GitHub Copilot App | 智能体桌面应用 / 工作流 | (+/-) | 从 issue 到合并的完整流程、并行隔离的智能体会话，以及 MCP/自定义技能扩展点 | 发布时正值额度争议，多仓库界面越丰富，协调和供应链风险也越高 |
| GitHub AI Credits | 计费 / 编程平台 | (-) | 按用量定价、共享额度、用户预算和预览账单 | 额度耗尽后没有回退方案，消耗难以预测，代码审查还会占用 Actions 分钟数 |
| Microsoft Scout | 全天候助手 | (+/-) | 借助受治理的身份、Purview 执行机制和审批钩子，在 Microsoft 365 中进行后台协调 | 深度利用个人情境令人不适，信任要求很高，目前仍仅限私人预览 |
| Search as Code | 检索架构 | (+) | 在运行框架内部直接提供检索、排序、过滤和扇出原语，可构建针对具体任务的搜索管线 | 比固定搜索端点更复杂，存在执行上限问题，支持范围也更大 |
| Codex Sites 与角色专属插件 | 知识工作智能体平台 | (+) | 可共享的内部站点、原位注释，以及面向分析、销售、设计和财务的角色专属套件 | 托管式工作区模式引发企业控制方面的疑问，而且所在市场竞争激烈 |
| data2prompt | 上下文打包 | (+) | 对数据密集型文件进行采样和截断、估算 token 用量，并将 notebook 和表格格式化供 LLM 使用 | 针对数据密集型项目优化，不适合大型纯代码仓库，而且在提示前增加了一道准备步骤 |
| CVE AI Agent | 安全工作流 | (+) | 确定性首轮处理、小规模有依据的提示词、可审计输出，以及 Slack/Jira/Splunk 集成 | 对小型团队而言管线过重，叙述性部分仍依赖 LLM 质量 |
| Clor | 定时自动化 / 后台智能体 | (+/-) | 复用现有智能体技能和工具，通过模型路由处理周期性的网页、邮件、文件及监控任务 | 需要信任一个可在仓库之外广泛调用工具的守护进程，也必须谨慎管理密钥 |
整体而言，最受认可的工具不是让智能体显得更神奇，而是让其行为范围更小、成本更低或过程更清晰。正面信号集中在检索原语、token 感知的上下文打包、确定性安全管线，以及让多个会话保持可见的桌面界面。
褒贬不一的评价主要集中在环境式自主性和计费上。Scout 和 Copilot App 丰富了控制平面，但也立即引发疑问：用户究竟需要交出多少信任、个人情境或预算？
常见变通方式包括增加人工审批、压缩或预先整理上下文、将任务路由至更便宜的模型，以及把周期性自动化保留在明确且可调度的界面中，而不是放进临时聊天线程。迁移趋势正在从一个庞大的统一助手转向分层技术栈：编排层、策略层、上下文层和支出层。
5. 大家在构建什么¶
| 项目 | 开发者 | 功能 | 解决的问题 | 技术栈 | 阶段 | 链接 |
|---|---|---|---|---|---|---|
| Rudus | rishipankhaniya | 面向结构混凝土分包商的混凝土工程量计算与估算 Copilot | 取代耗时数周的 PDF 手工测量和电子表格工作，同时保留估算人员审查环节 | 专有计算机视觉模型、图纸路由、明细项目展开，以及向 HCSS HeavyBid、Sage、B2W 或 Excel 导出 | Beta | 帖子，官网 |
| 150 行实现的 AI Agent CLI | asim | 将服务注册表转换为可调用工具的智能体 CLI | 让团队无需先采用庞大框架，即可通过自然语言任务调用现有微服务 | Go、go-micro registry、自动工具发现、工具执行、对话历史 | 已发布 | 帖子，博客 |
| data2prompt | ArianM | 将数据密集型项目打包成针对 LLM 优化的提示词包 | 防止 notebook、CSV、SQL dump 和电子表格挤爆上下文窗口 | Python CLI、CSV/SQL/XLSX/ipynb 解析器、token 估算、Rich TUI、Markdown/XML 输出 | 已发布 | 帖子，仓库 |
| CVE AI Agent | gtamir02 | 持续接收 CVE，并将 AI 增强的威胁报告发送至运营工作流 | 将原始 NVD、CISA 和 EPSS 数据转化为可操作、可审计的安全分诊结果 | Python、确定性首轮处理、多供应商 LLM 增强、Slack/Jira/Splunk/文件输出 | Beta | 帖子，仓库 |
| Clor | jacobgold | 通过定时运行的“利爪”，让编程智能体在后台自动处理周期性任务 | 将仓库式智能体工作流扩展到邮件、网页、文件、监控和其他可重复工作 | CLI、调度守护进程、MCP、IMAP/SMTP、加密密钥、GPT/Gemini/ElevenLabs 路由 | Beta | 帖子，官网 |
Rudus 和 CVE AI Agent 最清楚地表明，高风险领域仍然希望 AI 充当 Copilot，而不是替代者。两者都将模型行为封装在更狭窄的管线中，并保留清晰可见的审查或升级环节，而不是假装自主性可以消除问责。
data2prompt 和 AI Agent CLI 则从另一层入手：让输入更干净，或让脚手架更简单，而不是再营销一个不透明的超级智能体。这与 6 月 2 日整体偏好一致：相比模型神秘感，人们更看重清晰可理解的基础设施。
Clor 将同一模式扩展到后台自动化。它没有发明新的助手范式，而是复用现有编程智能体技术栈，并像 cron 一样进行调度。这正是当天发布内容中反复出现的具体、可审查式扩展。
6. 新动向与关注点¶
当天最大的 AI 新闻是一项同理心诉求，而不是产品发布¶
请不要骚扰正在找工作的人，这真的很残忍之所以重要，是因为它让尊严与克制成为当天占主导地位的 AI 议题。其信号不只是 AI 垃圾信息确实存在，更在于当这类信息侵入个人脆弱时刻时，HN 将其视为切实的社会伤害。
GitHub 在新计费模式生效当天扩大了智能体操作界面¶
GitHub Copilot App值得关注，因为它表明 GitHub 正从本地会话走向桌面多智能体界面——在一个应用中处理 issue、PR、差异审查和合并——而与此同时，按量计费也开始真正影响用户。产品野心与计费反弹在同一天到来。
“纳入监管范围的前沿模型”进入政策词汇¶
促进先进人工智能创新与安全值得关注，因为它围绕“纳入监管范围的前沿模型”、提前访问协调机制和 AI 网络安全信息交换中心，提出了一套具体的联邦流程。即使这一框架是自愿性的，词汇变化依然重要，因为它为未来的政策和安全讨论提供了更明确的对象。
搜索与知识工作界面进一步深入运行框架内部¶
重新思考搜索：将其转化为代码生成和 Codex 中的 Sites 与角色专属插件值得关注，因为它们将检索和知识工作进一步纳入智能体环境。其信号是：聊天正在变成可编程搜索和共享工作区之上的薄层。
7. 机会在哪里¶
[+++] 可移植的智能体治理与审批层——Microsoft 发布基于 OpenClaw 构建的自主 AI 智能体 Scout、促进先进人工智能创新与安全、Launch HN：Rudus（YC P26）——面向混凝土承包商的 AI，以及 Show HN：Clor——给你的智能体装上利爪都指向同一个缺口：一旦智能体开始调度工作、接触企业数据，或影响实体及受监管领域的结果，团队就需要可复用的策略、身份和签核系统。这一机会很强，因为它同时出现在企业软件、政府政策和创业者开发的垂直工具中。
[+++] 预算感知的编排与上下文控制——按量计费落地，愤怒的开发者誓言逃离 GitHub Copilot、所有 GitHub Copilot 套餐现已改为按用量计费、为 LLM 上下文窗口打包数据科学项目的 CLI 工具、AI 漏洞情报智能体将 CVE 转化为可操作的安全报告，以及重新思考搜索：将其转化为代码生成，共同描述了一个高价值切入点：预测消耗、压缩上下文，并在昂贵循环开始前判断模型真正需要什么。
[++] 人际沟通渠道的信任、溯源与同意感知过滤——请不要骚扰正在找工作的人，这真的很残忍和测试 Google 的 Gemini Spark AI 智能体：惊艳，也令人不适表明，能够识别 AI 干预何时不合社交规范或过度侵入的工具，存在切实机会。需求真实存在，但横跨产品、政策和社会规范，执行难度也更高。
[++] 面向高风险传统工作流、可审查的垂直 Copilot——Launch HN：Rudus（YC P26）——面向混凝土承包商的 AI和 AI 漏洞情报智能体将 CVE 转化为可操作的安全报告表明，领域专家更希望 AI 提速，而不是取代自己。在成本高昂、年代久远且高度依赖审查的工作流中，这一机会最为突出。
[+] 面向非开发者的智能体原生工作区——Codex 中的 Sites 与角色专属插件和 GitHub Copilot App显示，把智能体变成可共享的内部工具和工作区，而不是私人聊天窗口，正在成为新机会。信号值得关注，但这一领域将竞争激烈，并高度依赖分发能力。
8. 要点总结¶
- 智能体控制平面正在成为产品界面。 GitHub Copilot App、Scout、Codex Sites 和 Clor 竞争的都是会话管理、身份、插件或调度，而不是原始基准成绩。(来源)
- 6 月 2 日让 GitHub 的定价转型从理论问题变成了运营问题。 用户讨论的不是计费理念，而是一天消耗半个月额度和 token 立即耗尽的实际经历。(来源)
- 实用助手如今也会根据其侵入感受到评价。 Spark 能制定了解家庭情境的行程，正是因为它挖掘了私密信息；HN 榜首帖子则显示，当 AI 介入求职沟通时，人们也会产生同样的不适。(来源)
- 开发者通过收窄范围和公开工作流来赢得信任。 Rudus、data2prompt 和 CVE AI Agent 都强调审查、确定性预处理或严格的领域范围，而不是泛化自主性。(来源)
- 上下文整理正在变得与模型选择同等重要。 Search as Code、data2prompt 和 CVE AI Agent 的存在，都源于原始检索结果或原始项目上下文仍会浪费过多资金，并引入太多噪声。(来源)