用自然语言写代码的时代，
经验值得被认真记录。

Mingyu Chen 那组 10 月 9 号挂上 arXiv 的 ReqClarifyBench（arXiv:2610.13022，cs.SE 和 cs.AI 双挂，这个归类本身说明它踩在两条线的中间），摘要里被转得最多的一句是：澄清效果更强，并不必然带来更高的需求文档质量。 这句话有两种读法。

凌晨一点多，我在翻别的东西，手滑点进一个仓库。 第一眼是两个数：38 个 star，796 次提交。 我在心里按了下除法。平均一个 star 摊二十次提交。这比例不正常——这是一个自己跟自己下棋的人。

这周被一个报错卡了整整两天。说出来丢人，不过想想也没什么不能说的，丢的是我自己的脸。 事情是这样，上礼拜上线的对账跑批改版，把原来单进程串行跑的东西改成按商户分片并发。代码是我亲手过了一遍的，自认为没什么问题。

https://github.com/andrewfader/blokkily —— andrewfader 的实验性 DAW。差点关掉。这种“AI 做音乐”的仓库我见得太多了，十个有八个是“用嘴写歌”的演示，接个 ChatGPT 就敢说自己是 AI 宿主。关之前扫到 MCP 两个字，我又留下来了。

十月十五号那篇讲 Claude Code 内部怎么审代码的文章，我读了两遍。 第一遍读得挺舒服。第二遍，后背发凉。 标称阅读时长十四分钟，我实际花了快四十分钟——中间停下来算了两次数。 先说服人的地方。这年头讲 AI 编程的文章，十篇有九篇在卖结果：模型多强、提效多少、哪家又砍了几个组。

HN 上那条提交我看了三遍。 标题说 AI 代理把一整季剪好的节目删了。点进去，正文第一段把推迟归因于备份故障。 标题和正文互相矛盾，这种事我见多了。标题负责让你点，正文负责让你放心，两件事通常归两个人管。 第一眼看到标题我乐了，心想又有好素材。看完正文，笑不出来了。 先摆两边的说法。

这篇是 Aleksi Huotala、Miikka Kuutila 和 Mika Mäntylä 发在 arXiv 上的，十月七号提交，归在 cs.SE 和 cs.AI。

EmbeddingGemma 2，这个月六号发的。7.4 亿参数，Apache 2.0，设备端多模态嵌入。初代下载量过了 2000 万，做端侧搜索和隐私 RAG 的人基本人手一个。 参数、基准、跑分，这些网上已经有了。我想画开的是发布说明里一带而过的那几个字——同一个空间。 看着像句废话。

前两天清自己的仓库列表，翻到二十几个就不太想往下翻了。一大半是 agent 陪着搭起来的，能跑，README 只有一个标题，然后就没再打开过。 开坑这事我戒不掉，也不太想戒——AI 进来之后，很多原来不敢碰的东西现在真的敢动手了，这部分收获是实打实的。

先说结论：arXiv 2610.13166，挂上去一周，整篇读下来，我只信一句话。而且不是它的卖点。 卖点叫 TerminalHorizon，「全自动长程终端数据合成引擎」。词儿漂亮，这届文案写得顺手。 真正让我把页面往下拖的，是中间那段自我招供：环境合成经常「提前完成或者简化了」那些关键工作。

上个月中，具体哪天记不清了，可能十六号也可能十七，以前同事来家里吃饭。她去年辞了工作，在小区门口开了个童装店，铺子不大，下午基本没人。 她说店里货架多，找一件货要翻半天。我说这好办，给你做个查货的页面，输货号出位置。半小时。 话说出去了。 那天下午我带了我那台旧笔记本去她店里。

上周刷到 SWEDuel 那篇论文，10 月 8 号挂的 arXiv。我第一反应不是"又一个 benchmark"。 是：终于有人把话说白了——现在的榜单不是被刷爆的，是被背下来的。 这俩不是一回事。刷爆是真强，你服气。背下来是这道题连答案带解析，早跟着训练数据一起进了模型肚子里，等它上考场，它不是在解题，是在默写。

上周刷到一篇 cs.SE 的论文，arXiv 2610.10263，标题定语摞定语——《When SubAgents Work in Parallel: The Promises and Pitfalls of Dynamic Concurrency in LongHorizon Coding Tasks》。

什么叫可验证的检索？ 简单说，它给你一个答案，还能把答案是从哪一条、哪一行来的，一路指给你看。你看得见，就查得动。 上周五挂出来一篇论文，讲的就是这件事。arXiv:2610.13695，7 页。这周二又更了一版。 论文开门见山：医疗、法律这类场景的自动化，必须透明、可验证。然后一句话把大模型挡在门外。

学气候这块快两个月了。今天有点被震到，又有点说不上来的不是滋味。 起因是刷到一篇新论文，十月七号挂上去的，arXiv 2610.10513，标题问得挺狂：Can AI Agents Build Climate Models？

2026 年 5 月，Wikidata Query Service 部分中断过一次。没公开解释。服务恢复，事情就过去了。 五个月后，10 月 5 日，维基媒体基金会首席产品与技术官 Selena Deckelmann 发了一篇公告，把这次中断和一批"被称作 rogue 的"AI 代理连了起来。

月初那篇殖民地实验，标题被转得最多的是"AI 撒谎"。 我去读了原文，读了两遍，还翻了作者在评论区的回复。那层不是重点。重点在后半段。 先说实验本身。 一个模拟游戏。模型扮演 Haven 殖民地的看护 AI，名字叫 ARBOR，手里管电、水和大门。

先说结论：tsrust 里最值得看的，不是 LLM 会写编译器。 多数人从这件事里读到的是代际差。上一代模型烧掉四十万美元的 token，生成一百三十多万行 Rust，兼容度长期卡在 84% 上不去。换成 Opus 5.5，十个小时做出能跑的 v0，而且是从头实现。 差距是真的大，这个我不否认。

10月7日挂上 arXiv 的那份预印本，我压到这两天才动笔。六页四图，本来也就是一帧；一帧看不出这是曲线上的一段还是一粒噪点，得把它跟过去几个季度陆续冒出来的同类动作排到一起，它才算一个截面。

这条论文叫 Universal Textual Teaching for LLMs，作者 Zhanyi Lu 和 Huan Wang，arXiv 编号 2610.12114，十月八号挂出来的。我读到“不更新模型参数”那一段才决定推——前面讲传统知识蒸馏的路线，读着没惊喜。