用自然语言写代码的时代，
经验值得被认真记录。

上周三晚上我干了件现在想起来还有点脸红的事。 开两个终端，两个 agent，改同一份代码里不同的地方。当时心里冒出来一句「又不冲突，各改各的，最后 merge 一下不就完了」。 merge 完，测试红了一片。 我干的第一件事是挨个审它们，问“你刚才动了什么”，想把出错的那个揪出来。问了一圈——两个都没错。

最近有个仓库在圈里传，harnessengineering101，讲怎么从第一性原理搭 AI agent。作者 Isuru Wijesiri。 先说它最要命的那句话。 LLM API 是无状态的。它不记得你上一句说了什么。每问一次，整段对话都得重新塞进去。 所以 agent 是什么？

凌晨一点多，我把那杯茶从左手边挪到右手边，其实早就凉了，挪一下只是给自己找个动作。屏幕上是 arXiv 几天前新到的一批，本来只想扫一眼标题就去接着改自己那段跑不通的代码，结果被一个标题绊住了，Breaking the highdegree barrier in Lehmer's problem with a h…

词用错了。 十月那篇 The Emperor Pelican Has No Clothes 我看了两遍。¹ 那些骑自行车的鹈鹕，像得过分。同一个侧身，同一只鸟，翅膀搭在车把上，连歪头的角度都差不多。 作者管这叫 LLM diversity collapse。 坍塌隐含一个参照点：从前有，现在没了。

让模型答完问题，顺带在结尾吐一个 confidence score，0 到 100，然后拿这个数做分流：高于 85 自动返回，低于 85 转人工。我见过不止一个团队真这么干。听起来有模有样。实际上这是拿一支从没校对过的温度计在量体温，量出来 38 度 5 就给人开退烧药。

九月中旬接的，朋友介绍的，一家做社区团购的公司，不大，技术那边就三个人（加一个兼职运维），要给他们小程序后端补一套接口回归脚本。我当时想这活我熟，测试干了八年，写脚本也不难，就报了八千，还主动给人抹了个零头。现在想想这一步就错了，报价的时候主动打折，等于告诉人家你自己都不确定自己值多少。

一天要问几次“这个函数到底谁在调”？我自己的答案大概是十几次。改一个方法之前先搜一遍调用方，改完之后再搜一遍，有时候一个名字搜出四五个同名不同库的，还得点进去一条条看。烦的不是搜，是每次都要重新从零建立一遍“这坨代码长什么样”。

今天差点把东西搞坏，到现在手还有点抖。 师傅上午丢给我一个活儿，说测试库里有几条订单的状态不对，让我手动改一下，改成已发货。我当时觉得这也太简单了，打开那个数据库客户端，连上去，敲了个 update orders set status = 3，然后想都没想就按了执行。

速评：10 月 22 日挂上 arXiv 的那篇 13 页论文，值得每个还在引用 SWEbench 分数的人翻一遍。不是因为它提出了什么新框架，而是因为它顺手把判分器拆开看了。 拆出来一句话：任务说明是自然语言写的，判分用的是上游项目自带的测试，这两样东西压根不在一个话语体系里。

速评：ULME 这篇，方法比标题老实。 10 月 22 日凌晨 4 点 23 分挂上 arXiv 的那版，编号 2610.30705，cs.CL 和 cs.AI 双挂，八个人署名，投稿说明一句“已投 AAAI 2027”。标题里最值钱的是 coupling，最虚的是 mutually reinforcing。

上周整整三天，我在跟一个 UnicodeDecodeError 绕圈。说句实话，写到这儿我脸上还有点挂不住。 事情本身挺蠢的。我在把两年前博客的备份导出来，一堆 md 文件，扔进一个脚本里批量处理，重新生成一个能看的索引页。这活儿不难，半天的事。我甚至都没叫 AI 帮忙，觉得这么点东西自己敲完拉倒。

Crowdwide 这个项目 Day 21 的时候，作者 Puneet Kumar Mishra 把核心功能、主算法、邮件系统、一个叫 Widewave 的推荐系统都做完了，自己宣布整体进入“mostly stable”。然后他干了一件听起来很对的事：花一整天专门打磨 UI——背景色组合、主题适配、sidebar。

旧稿是随手拟的，但这类句子你一年能读上百条： 我们的方法在多个基准上显著优于基线。 拿这句去问它到底承诺了什么，问不出来。“多个”是几个、哪几个，没说；“显著”是 p 值还是效应量，没说；“优于”比的是均值、中位数还是最好那一次，也没说。三个词，每一个都在替作者省事，代价是任何人都没法拿它去核对。

群里传的那几张截图，截的都是同一个数：28.2%。论文是 ProductWebBench，10 月 22 号挂上 arXiv，cs.SE 和 cs.AI 双挂，正文加附录 35 页。这数不是这篇里最值得转的那一个。 测试范围先划一下。

你有没有那种时刻：流水线页面七个作业，五个红的，点开第一个——空的；点开第二个——还是空的；点开第三个，你已经开始翻浏览器设置，怀疑是缓存、是插件、是这台电脑该换了。 都不是。作业压根没启动。

上周四早上刷 arXiv:2610.30562，标题里 lifetimevalid 这个词让我停了一下。本来想划过去——主分类 stat.ME，cs.AI、cs.LG、stat.ML 各挂一个，一看就是统计那边的人跨界来管我们这些乱来的人。 摘要第二段，0.183。

先打开配置数一下自己挂了几个 MCP server。我数出来 11 个，其中 4 个是半年前为了试某个 demo 装的，早就不用了，但一直还挂着，每次会话都跟着加载。 当初怎么装的？复制别人 README 里的那段 json，粘进去，重启，能用，然后再没打开过。

最近有个叫 KillSwitch 的东西在传。简单说，它是一门故意设计成让大模型和编码代理读不懂的编程语言。上周 Dominik Picheta 发的。 这期就讲它。后面跟几条短的。 怪在哪 语言本身没多少东西。栈式解释，函数、变量、if，就这些。 难的地方全在规范里。主规则是数标识符的字符数。

夜里翻一个搁了小半年的旧项目，想给它添个不起眼的功能，顺手把根目录那个指令文件从头读了一遍。读到第三行，人愣住了：上头写着我早就不这么干了的一条约定，写得斩钉截铁，末尾还加了个感叹号，像当年那个我在跟现在的我吵架。仓库里的代码早就拐到另一条路上去了，只有这行字还留在原地，像渡口边一块没人搬走的旧碑。

REGATTA，arXiv 2610.30924，10 月 22 号提交，作者 Luong Tuan Thanh 和 Abhijit Sanyal，ICoDSE 收的六页短文。我读到第四部分才第一次慢下来。