- FileWrapper(directoryWithFileWrappers:).write(…) erroneously deletes existing folders & files
- Google 联合 Meta 推出 TorchTPU:PyTorch 原生支持 TPU
- Amplitude 借助 OpenAI 模型将产品改进交付周期缩短至 1-2 天
🍎 iOS Blog
FileWrapper(directoryWithFileWrappers:).write(…) erroneously deletes existing folders & files
开发者 Wade Tregaskis 发现 Apple Foundation 框架中 FileWrapper(directoryWithFileWrappers:) 的 write(…) 方法存在危险缺陷:当写入操作失败时,它会连带删除目标位置已存在的文件夹和文件。
- 预期行为应为二者之一:要么完成写入并覆盖已有内容,要么失败但完整保留原有数据;实际情况却是写入失败的同时原有文件被删除,不存在任何合理场景能解释这一行为。
- 作者尚未深入调试该 Bug 的根本原因,文章目前仅记录了这一现象。
- 对 macOS/iOS 开发者的启示:在使用 FileWrapper 进行目录写入前应警惕数据丢失风险,重要数据务必先行备份,避免依赖该 API 的失败回滚行为。
📥 Tech News
Google 联合 Meta 推出 TorchTPU:PyTorch 原生支持 TPU

Google 与 Meta 合作推出开源项目 TorchTPU,为 TPU 提供原生 PyTorch 后端,现有工作负载仅需少量代码修改(替换设备名与分布式后端)即可迁移,解决了 PyTorch/XLA 侵入式修改、编译延迟高、不支持即时执行等长期痛点。
- 支持 Strict、Debug 和 DeferAndFuse 三种执行模式,其中 DeferAndFuse 混合模式比 Strict Eager 快 50% 以上,同时降低 HBM 峰值内存占用。
- 通过集成流水线在 v5e 起的多代 TPU 上以即时和编译两种模式验证了约 5000 个 Hugging Face 模型、覆盖 500 多种架构。
- 性能方面,300 亿参数模型在单枚 TPUv7 上推理吞吐达每秒 25,700 Token(序列长度 5120);Qwen3 MoE 235B 训练可扩展至 8,192 枚芯片。
- 项目仍处早期,路线图包括动态形状、算子覆盖、强化学习和量化;社区普遍认为此举早该发生,将显著利好 PyTorch 生态与 TPU 硬件的结合。
Amplitude 借助 OpenAI 模型将产品改进交付周期缩短至 1-2 天
产品分析公司 Amplitude 基于 OpenAI 模型构建了主动式产品代理 Wave,将产品改进的交付周期压缩至 1-2 天。
- Wave 覆盖完整的产品研发闭环:识别应该构建什么功能、借助编码代理帮助团队交付变更、并自动衡量变更的实际影响
- 该案例展示了 AI 代理从单纯编码辅助扩展到「洞察—开发—度量」全流程整合的趋势
- 此为 OpenAI 官方客户案例,营销属性较强,未披露具体技术架构与实现细节,实际效果数据有待独立验证