关于压缩的各种探索
内容提要
作者测试多种压缩算法压缩博客包：7-Zip的LZMA2约4MiB，ZPAQ约3.5MiB，PAQ8PX仅3.1MiB但耗时一个半小时、占用30GiB内存，NNCP和cmix效果不佳。结论是日常仍用7-Zip，小文件追求极限可用ZPAQ。随后作者借助AI实现zstd、ZIP乃至RAR格式的自包含Quine压缩包，感叹AI能力强大，并担忧人类被AI淘汰后记录是否还有意义。
延伸解读
极限压缩的代价：时间与内存的权衡
文章实测显示，PAQ8PX虽能将博客包压到3.1MiB，但压缩耗时一个半小时且占用30GiB内存，解压同样耗时耗资源，基本无法日常使用。ZPAQ压缩到3.5MiB仅需一分钟，速度在可接受范围内。这提醒读者：追求极限压缩比时，必须同时考虑压缩和解压的时间与内存成本，否则算法再强也难以实用。
算法选择需匹配数据类型
NNCP使用Transformer模型，在RTX4090上耗时一个半小时，结果却只压到4.1MiB，不如LZMA2。作者推测原因是博客包内含图片，而NNCP专攻英文文本。这说明压缩算法的效果高度依赖数据类型，文本特化算法处理混合数据可能反而不如通用算法。读者在选择算法前，应先明确自己的数据构成。
Quine压缩包的兼容性隐患
作者借助AI实现了zstd、ZIP乃至RAR格式的自包含Quine压缩包。其中ZIP Quine因成员数据存在重叠，Python标准库zipfile会检查压缩数据是否越过后续成员局部头而拒绝解压，但7-Zip和libarchive能正常处理。这提示读者：此类非常规构造的压缩包可能存在工具兼容性问题，使用前需确认解压工具支持。
AI辅助编程的复杂性与可读性
作者感叹AI生成的Quine生成器代码越来越复杂，自己根本看不懂，但问题确实被神奇地解决了。这反映出一个现实：AI能快速产出可运行的复杂代码，但人类理解与维护的难度随之上升。读者在借助AI完成高难度任务时，应重视验证与文档，避免代码成为无法审查的黑箱。
Q&A
7-Zip 的 LZMA2 压缩博客包效果如何？和其他常见算法比呢？
作者用 7-Zip 的 LZMA2 把约 16MiB 的博客压缩包压到约 4MiB。Zip、zstd、BZip2 等常见算法即使开最高等级，压缩效果都不如 LZMA2，速度还更慢，因此日常压缩仍推荐 7-Zip。
PAQ8PX 压缩比那么高，为什么不适合日常使用？
PAQ8PX 能把博客包压到 3.1MiB，是测试中压缩比最高的，但代价极大：压缩花了一个半小时、占用 30GiB 内存，解压同样要消耗这么多时间和资源，基本无法正常使用。
ZPAQ 和 PAQ8PX 相比，哪个更适合压缩小文件？
如果想把不算太大的文件压到尽可能小，ZPAQ 更合适。它一分钟左右能把博客包压到 3.5MiB，比 7-Zip 少约 10%，速度在可接受范围内；PAQ8PX 虽然更小（3.1MiB），但耗时和内存占用完全不适合日常使用。
NNCP 和 cmix 这两个基于机器学习的压缩算法实测表现怎么样？
NNCP 用 RTX4090 压了一个半小时，结果只有 4.1MiB，压缩比还不如 LZMA2，可能因为它专攻英文文本而博客里有图片。cmix 在测试中压到后面总是崩溃，从崩溃位置看压缩一半的结果仍比 PAQ8PX 大，表现尴尬。
zstd Quine 相比 7z Quine 在实现上有什么难点？
结构上 zstd 更简单，因为它支持“可跳过帧”，构建自由度更高；难点在于 zstd 默认用非线性的 XXH64 校验，不像 CRC32 那样容易用公式算出。不过 XXH64 只校验低 32 位且计算快，可以通过爆破或构造方式解决。
AI 生成的 ZIP Quine 有什么兼容性问题？
这种 ZIP Quine 通过让成员数据存在重叠部分来绕过窗口大小限制，导致 Python 标准库 zipfile 因检查成员压缩数据是否越过后续成员局部头而无法解压，但 7-Zip 和 libarchive 都能正常解压，兼容性问题不算严重。
