计算机器与智能
Turing 用模仿游戏重写“机器能否思考”的问题，并系统回应常见反对意见，最终把关键转向可学习机器。
知识在社会中的运用
Hayek 论证经济问题的核心不在于集中计算给定数据，而在于如何利用分散在无数个体手中的局部知识；价格体系正是处理这件事的社会机制。
分布式系统中的时间、时钟与事件顺序
Lamport 经典论文：用 happened-before 偏序刻画分布式系统中的事件顺序，并由此引出逻辑时钟、全序排序、互斥算法和物理时钟同步。
系统设计中的端到端论证
Saltzer、Reed 和 Clark 提出端到端论证：许多功能只有在系统端点处才能被完整正确地实现，低层提供它们通常只应被视为性能优化。
弱关系的力量
Granovetter 论证，真正把不同群体连接起来、让信息、机会与组织能力跨圈层流动的，往往不是强关系，而是弱关系。
论把系统分解为模块时应采用的准则
Parnas 用 KWIC 示例说明，好的模块划分标准不是流程步骤，而是隐藏那些最可能变化、最值得隔离的设计决策。
AI 翻译小记
用 Codex 翻译 11 篇计算机经典论文后的记录。真正改变效率的不是“一键翻译”，而是把 PDF、文字识别、术语、引用、代码、公式和网页排版接进一条可检查的流水线。
UNIX 分时系统
Ritchie 和 Thompson 介绍早期 UNIX 的文件系统、进程模型、Shell、I/O 统一抽象，以及这个小型分时系统为何能保持简洁而有力。
计算机程序设计的公理基础
Hoare 以公理和推理规则为核心，提出一种证明程序部分正确性的框架，并据此讨论程序证明、语言定义、文档和可移植性。
数据不可思议的有效性
Halevy、Norvig 和 Pereira 认为，在自然语言和 Web 数据问题上，海量真实数据与简单可扩展模型往往比精巧但小规模的理论更有效。
你和你的研究
Hamming 从 Bell Labs 和科学史经验出发，讨论如何选择重要问题、管理自己、积累勇气与工作习惯，从而做出有长期价值的研究。
编程即理论建构
Naur 认为编程的核心不是生产程序文本，而是程序员围绕问题和解法建立可解释、可延续、可修改的理论。
苦涩的教训
Sutton 总结 AI 研究反复得到的教训：长期胜出的不是手工注入人类知识，而是能随计算规模增长而扩展的搜索和学习方法。
对信任“信任”的反思
Thompson 通过自复制程序和被植入后门的编译器，展示为什么源码审计也无法完全证明工具链和软件供应链可信。
计算机程序设计作为一种艺术
Knuth 从 art 与 science 的历史含义谈起，说明程序设计既需要可形式化的科学基础，也需要品味、风格和审美判断。
没有银弹
区分软件工程中的本质困难与偶然困难，并解释为什么没有单一技术能带来数量级级别的生产率提升。
“越差越好”的兴起
解释“越差越好”为何能在真实世界胜出：简单实现、快速传播和可演化性常常压过完美设计。
计算机系统设计箴言
关于系统设计的一组经验法则：如何保持接口简单、让系统更快，并在容错性与复杂度之间做取舍。
AI 技术翻译
为了读经典论文，我用 Codex 搭了一条 agentic translating flow：PDF -> Markdown -> 翻译中文 -> 整理术语 -> 交叉引用。AI 翻译不是魔法，更像把翻译、编辑、校对和排版一起塞进流水线。
[经典重读][1/n] Worse Is Better
重读 Richard Gabriel 的 Worse Is Better：为什么没那么完美、但更容易实现和传播的系统，常常先获得 adoption；以及为什么成熟之后又需要 The Right Thing 来修补。