用自然语言写代码的时代，
经验值得被认真记录。

这篇讲的是怎么用 Kiro Crew 上 6 个 cron 定时任务替代每周大约 4 小时的重复 DevOps 工作。出处是 dev.to 的 Sarvar Nadaf，8 月 7 号发的，Kiro Crew 系列第 3 篇。 我先说为什么差点跳过。

圈内内参｜这期不聊大厂工程组织，看一篇9月11号挂上arXiv的论文，编号2609.13436，标题里带着selfadaptive physical AI。作者三位，13页、5张图、3个表。

这篇论文我第一眼看完，脑子里就一句话：它没解决“实验室失传”，它只是把“实验室失传”算成了一笔账。别把它当解药——解药是吃了能好，账本是让你看见病在哪、值多少钱。往下算。论文里那套东西，把“复现”的账算得很漂亮：你让它去跑一篇已发表论文的图，它能跑出来，还跑得比商业通用智能体好。但这叫复现，不叫继承。

这条讲的是 Kiro Crew 安全模型怎么过 CISO 那关的，作者 Sarvar Nadaf，发在 dev.to 的 AWS Community Builders 板块。我收藏夹里放了将近三周没点，标题太像产品宣传稿——《I Showed My CISO Kiro Crew》。

这条在讲一个我憋了很久的问题：agent 跑长任务失败之后，根因到底怎么找。出处是 arXiv 2609.13463，原作者 Harsh Raj 他们一帮人，2026 年 9 月 11 号挂上去的，主分类 cs.AI，交叉到 HC、LG、SE。

不是谁的真实配置。是把"行为模型"这一层从这类架构里单独抽出来之后，大概长成的样子。最后那行备注——无需重新读取页面结构——就是这篇要讲的东西。 9 月 11 日挂上 arXiv 的那篇，arXiv:2609.13491，cs.AI，Alexandru Ianta 和 Eleni Stroulia，OdoBot。

九月十二号挂上 arXiv 的 PAIBench，到今天满打满算十天。按我给自己定的规矩，十天前的东西通常不够格单独成篇，单帧画不出曲线，等它跟另外两三帧接得上再写也不迟。这次破例，理由是这个东西不算一条新闻，算一套协议；协议不会在十天里挥发，而且我手里已经有另外两帧能跟它接上。

速评：这篇论文最该转的不是结论，是它自己招了在哪塌。 9月15号挂 arXiv 的 cs.AI 分类，9月16号出第二版，隔一天。14页正文配1张图。这个配置本身就有信息量——那些判断不是图跑出来的，是人一条条读答案读出来的。一天之内改了啥我没比对，不猜，可能是作者信息也可能是补表，不知道的事不编。

上周五晚上，小玩具项目跑到一半断了。上下文满了，还是我手滑按了 esc，记不清。反正断的位置很尴尬——配置文件刚被它改了一半。 我重开一个会话，跟同桌说：接着刚才的改，把导出那块加完。 它接着了。顺畅，一路没报错。 今天下午我去读那段代码，才发现它接的是一个夹生的中间状态。

上周有人在群里甩了个 arXiv 链接，2609.13771，Homeostatic Continual Learning，9 月 12 号挂上去的。18 页，12 张图，1 张表。图比一般论文密，看得出来作者是真想把机制画清楚。 我点开它的时候，正在改自己那个 agent 的记忆层，改得一肚子火。

上周 arXiv 上挂了篇东西，cs.CR 底下，编号 2609.14003。标题长得像流水线出来的，《Confuse the Model, Control the Flow》。点开它不是因为关心隐私，是同事转过来时说了句"这不就是你老念叨的那个事"。看完我认了。 它讲的是个人 AI 代理。

前几天晚上我又在调一个跑 agent 编程的部署。单纯想让它单用户响应快一点，就把 batch size 从 16 压到 4。烧起来，单流测试里 token 间隔从 170ms 降到 90ms 出头，看着确实快了。可同一张卡，一小时能喂饱的并发请求从两百多个掉到四十几个。

9 月 13 号挂上 arXiv 的 TriCalRAG，编号 2609.14762。标题里那个"基准"我没兴趣，戳我的是中间一段结果描述： zeroshot 下，两个开放权重模型基本退化，某些数据集上，把 100% 的事件都判成 anomaly。 一条不漏地报警，等于一条都没报。

$N 是从一张 1999 年的证书里读出来的模数，t 32 是线程数。剩下的事交给机器自己跑。 有人真这么干了。Matthew McPherrin 把 Netscape 4.51 里那两张 512 位的根证书拆了，SSL 那张 32 小时，S/MIME 那张 29 小时，用的是他自己的 Ryzen 9 5950X。

上周四下午三点，我第六次打开 amount 那个文件，组长从隔壁工位探过头来问我装了没。我说没。他说你装吧，我求你了。 老项目的这个字段，数据库里存的是分，前端要显示成元。没有统一的 format 函数，全散在四十来个文件里，写法一个赛一个地不同，有的 toFixed 有的没有，有的中间还插了一道汇率。

9 月 13 号，凌晨一点多，我在 arXiv 上刷到一篇新东西。标题很直白——Not All Agents Are Equal，五个商业编码 agent 的代码质量和合并后维护。37,623 个 PR，2,807 个仓库。9 页，5 张图 2 张表。 我没读正文，直接翻到有数的那一页。

群里天天有人吹某某新模型，什么榜单第一、上下文多少多少万。要我说，榜单这东西跟业务跑不跑得动是两码事，当年我们看 TPC 排名也是这么看的，跑分第一，上了生产照样趴窝。所以一开始我没换，旧的用了小半年，顺手了，干嘛折腾。 后来是被逼的。 上个月月底，对账跑批出事。

清障之后又出现新阻塞。ProRail的通报里写得很具体：荷兰中部和北部轨道上被放置管道和线缆，相关事件超过35起；有些点在清障之后，新的中断又冒出来。这不是一次集中破坏，而是一个能反复补充的持续状态。攻击者用极低边际成本把铁路调度反复按停，防守方每一次清障，只是把一个已经被证明可以重复出现的动作再执行一遍。

别急着修模型，语义坍缩的问题在你身上 先把结论撂这：这篇论文如果只被当成“AI 会越用越蠢”的又一份证据，那等于白看。真正有意思的不是语义坍缩又出现了，而是它为什么没有发生在所有人身上。三万个活跃智能体，几周时间，同一套生态环境，有的输出越来越像，有的居然还能保持高新颖性——差别不在模型，在使用者对待这些智能体的方式。

九月十三号晚上刷到这篇，arXiv:2609.14592，Kantarcioglu 的 vision paper，之前在亚特兰大那场 ACM AI Summit 26 上讲过一轮。标题里有个词：Accountable。 我第一反应不是"这方向不错"，是——这不就是值班表上那点破事，终于有人给它起了个正经名字。