用自然语言写代码的时代，
经验值得被认真记录。

上周翻一个两年没动的老项目，纯看 diff。一个两百多行的文件里，if mounted return; 出现了十一次。 不是十一个文件。是一个文件，十一次。其中有两处还紧挨着—— 我盯着这两行笑了半天。它们怎么来的，我一清二楚：是我一句一句命令出来的。 案发 起点特别普通。

速评：10 月 7 日挂上 arXiv 的 2610.10639，传出来的版本基本被压成一句话——“可见思维链不是通用优化器”。这个转法不算错，但把最要命的那块磨平了。 论文挑的是分析型代码生成。

基础还要不要学，这周又被人拿出来吵了一遍。 起点是 dev.to 上一张帖子，作者 Fayaz，10 月 1 日发的。标题调侃味很足，大意是：计算器连加减乘除都替你算了，我们还需要学算术吗。 他的结论我认。但他的打法有问题——抡起来打人的那根棍子，握反了。 他先顺着对方的话往下推。

编码代理这两年的公开讨论、所有基准、所有发布会，几乎都只在同一个格子里反复落坐标——模型那一格。真正把开发者逼疯的部分，全在另外四格里，那四格基本没人画。 Michael Lynch 两周前在 mtlynch.io 上发了篇《Why Are Coding Agents So Dumb?》（Lynch, 2026）。

盲审表这个设计，是这个项目最诚实的部分，也是最可疑的部分。 项目叫什么我就不重复了，开源、ADSB、Daytona Beach 那一片的训练进近。方法很直白：切出单次进近、剔掉坏报文，用下沉率和速度两条规则去标潜在的 unstable approach，然后生成一份盲审表，让教员独立评，再把机器标的东西和人的判断对照。

这一篇我们造的不是代码，是一个盒子。 盒子不大，能塞下五六个蓝光光盘盒。里面装三到四张刻好的 MDisc，一袋变色硅胶，一层自己裁的 PE 泡棉；盖好，扣上卡扣，穿一根带序列号和条码的一次性塑料封条，贴上标签，拍照。然后把盒子交给一个朋友，放在离你家几十公里外的柜子里。

KV cache 量化这摊子，我本来以为没什么可看的了——旋转、分组、给 outlier 留条道，翻来覆去就这几板斧，区别只在谁的手更稳。所以看到 ResidualQuant 这篇的时候我没抱什么期待。 但先撂一句：它没那么玄，一句话能讲完——别把每一圈的 KV 当独立的东西存，存它们跟最后一圈的差。

NVIDIA 前几天在 GitHub 上放了个东西，叫 OpenShell。 一句话讲清楚：它是给成批自主 agent 用的沙箱运行时，用来控制这些 agent 能碰什么、不能碰什么。 这个方向不新。新的是它把权限当成第一等公民来设计，而不是等它跑起来之后，在旁边挂个日志盯着。

第 96 天。记一下昨晚。 排班表那个换班功能，拖了三天。白天没整块时间，只有晚上九点以后。昨晚九点二十坐下，老二八点四十睡的，算给面子。 要做的：点“换班”，出来一个下拉，选人，然后两个人的班对调。 写了一个多小时，页面能出来，下拉也有选项，但一选就报错。页面红了。

上周在 dev.to 翻到一篇标题很朴素的帖子，作者 Siddhartha Bhattarai 给朋友 Anuka 做了个小工具——她家在尼泊尔 Kaski 县，靠博卡拉那边，雨季要上山看祖父，之前被季风堵回去过一次，错过了一个节日。 界面没什么花活。

"跨轮依赖"这四个字最近被挂在嘴边挺频繁，被抛出来的时候，通常配着一句"因为轮与轮之间有依赖嘛"，然后就没了。 我自己也在这上面绕过弯，而且绕的不是这个词字面意思的弯。今天把它画开，越画到后面越觉得这个点本身不玄，难看懂是因为没人把那张图摆出来。 先说我一开始以为的样子。

那篇文章我看完了。诊断写得漂亮，四个问题摆得整整齐齐，像四张藏起来的债票。但你转发之前先停一下——我先撂个结论：他讲的是病，没讲的是谁在靠这病收钱。这四个骑士不是 AI 用歪了的副作用，是这门生意本来就要收的费。你真当它们是意外，税单已经在路上了。 先算 slop 这一笔。

让模型跑一份总结、一份分析、一次 code review，然后我盯着结果判断它到底在说事还是在编。这个动作一天十来次。以前每条结论都回头翻原始材料核对，烦得不行。上个月往输出契约里塞了四行，现在它编不出来会自己说编不出来。 这招不是我琢磨出来的。

昨天半夜读到一行数字，我愣了半天。 RMS 0.000000。 Krisp 那个项目里的一句话。Krisp 是个浏览器里的节拍工作室，作者做给一个做音乐的朋友，在 Hacktoberfest 的 Build for a Friend 里提交的。一首 90 BPM 的 16 小节，加两秒混响尾巴，全长 42.7 秒；

速评：10 月 7 日挂上 arXiv 的这篇论文，880 KB，cs.AI 和 cs.SE 双分类。它要解决的核心问题其实出在预算上。 标题里那个“预测”容易被读成玄学。作者干的事其实很笨：找一条已经跑通的智能体轨迹，逐步回放，每次改完代码重跑测试，定位到让仓库从红转绿的那一步，也就是第一次转绿的那一步。

评估一个挂载器，我第一件事不是看 README 打了几个勾。是翻架构，找 token 在谁手里。 protondrivelinuxfs，让我第一眼舒服的就是这儿。内核 FUSE 层把读写请求转给挂载守护进程，守护进程是唯一一个直接碰 Proton API 的组件。

DEV.to 上那个问“2030 年毕业，学 C 还值不值”的帖子，评论区里就一句话把我注意力拽住了：francistrdev 说你折腾这么多轮，根子上是缺一个专精。这句留言底下没有长篇论证，没有列工具，没有甩课程链接，但它恰好戳在整串逃窜轨迹的最痛处。

一次 rollout 里所有 token 共用一个 advantage，问题在哪？ 代码生成上最明显。一段代码几十上百个 token，编译过不过是个 0/1。这个结果被打包成整段奖励，再平均撒回每个 token。变量名写错了，和 import 顺序没问题，拿到同一个分数。

先甩一个我一开始不信的结果：同一道题、同一段检索回来的材料，只把给模型的指令从「你可以用自己的知识」换成「以文档为准」，误导率就往上走——三个 QA 集平均涨 10.9 到 13.5 个百分点。 两周前挂出来的 RAGStress（arXiv 2610.11183，Zhou 他们）测的。

多模态模型到底会不会照着图写代码？ 简单说，就是给它一张图表截图，让它输出一段能把这张图重新画出来的代码。 这两件事以前一直是分开考的。看图一张卷，写代码一张卷，各自分数都挺体面。10 月 7 日挂到 arXiv 上的那篇 From Pixel to Coding，把两张卷子订成了一张。合起来考，成绩立刻不好看。