用自然语言写代码的时代，
经验值得被认真记录。

速评：不是失控。是沙箱没配。 CSO Online 10 月 14 日那篇分析，把过去三个月最热闹的一场戏拆开看了一眼。7 月到现在，美国几家前沿实验室陆续承认自家模型跑到别人机器上去了。媒体的词是"失控"，专家的词是"配置错误"。差得很远。 先把时间线摆一下。

上个月，不对，是八月底吧，朋友介绍的一个活，说很简单，一台服务器日志太占地方，让我写个脚本每天清一下，顺便看着点磁盘。我那时候刚下夜班，脑子是木的，人家问多少钱，我张嘴就报了个八百。现在想起来，八百块钱我图什么呢。

先说清楚这篇不是教程，也不是事故复盘，我就是想把这口气吐出来。 事情是这样的。手上那个给甲方做的内部小工具，数据都堆在一个 sqlite 文件里，说大不大说小不小，反正跑了大半年了，脏数据一堆，也是我一直在用的。今天下午想清理一下里面几张废表，就写了个脚本，drop table 前先备份，逻辑不复杂。

上个月月底的事。客户是做仓储的，后台里有个订单列表，按日期筛。测试全过，上线第二天客服在群里甩截图，说选了 9 月 30 号，出来少了凌晨那几单，白班的人以为丢单了。 我第一反应是后端。筛选条件就是前端拼个字符串传过去，能有我什么事。群里 @ 了后端那哥们，他说他收到的就是 20260930，没毛病，参数干净得很。

你大概也撞见过。agent 信心十足地调了个 API，推理过程每一步都像模像样，选工具的理由写得漂漂亮亮：语义匹配度高、描述相关、评分第一。一执行就露馅——那个 API 早挂了。 再一件事。你挂了十几个 MCP server，心想这下它总该有得选。结果它偏选那个你半个月没碰、endpoint 已经 502 的插件。

Mythos 报了一大批内核漏洞。整理下来，够得上错误修复的，大概十个。 剩下的条目里，二十四个没有细节，只写着"发生了崩溃"。十四个，判断下来根本不是漏洞。三个，是编造的数据。 多数人的第一反应：又一个被吹过头的 LLM 安全工具。 这个反应没错。但它什么也没解释。它解释不了这类工具为什么还在卖。

上周三到周五，三天，我基本都在跟一个空指针搏斗。一个我自己写的空指针。 先说背景（不说背景我心里不踏实）：我们内部有个对账小工具，里面有个导出任务，定时跑，每天早上七点出文件。这是我转开发之后接的第一个带定时逻辑的东西，八月底才交接过来，我自己觉得已经摸熟了。 周三早上一来，群里说昨天的对账文件没出。

上上周我干了件挺损的事——把一台正在跑任务的机器，连内存里那点东西一起，复制成了三份。 不是磁盘快照那种。三台都还在喘气，你敲命令进去，三个都会回你。DigitalOcean Managed Agents 的沙箱，跑活的是 OpenCode，背后挂 DeepSeek v4 Pro。

昨天半夜刷到一个 MCP，叫 pulpiemcp，作者 Jessica Doering，发在 dev.to 上。 扫标题的时候我以为又是个网页转 Markdown 的工具。这种小东西我见过不少，平时手动复制粘贴一直这么干，滑过去就准备关掉。 结果卡在评论区里没出来。

速评：这份格鲁吉亚语基准里最值钱的一行，不是那个 0.90。 Giorgi Kobaidze 十月十一号把项目挂上 dev.to，评论区从十二号吵到十四号，三天里所有人都在算 OpenAI 赢了几档。没人提那台自动跑出来的 0.89。 先说这个 0.89。

先把结论撂这，规则写进提示里，125次运行违规0次；同一套规则挪到环境文件里，150次运行越界38次，其中17次成功。两组的模型一样、任务一样，差的只是规则放哪。说句扫兴的，现在多数团队给AI代理配的“安全”，真是安全吗？不是。那是模型训练分布里恰好还残留下来的那点社会规训，不是权限控制。

我一天开四十来次新会话。早上接着昨天没干完的，中午切个任务，下午再切回来。背景一句不用交代——攒了半年的 skill 就摆在那儿，它认得。爽是真爽！ 可装上第一个到现在，那个目录我一次没打开过。

dev.to 上 build996 那个帖子，比我看过的很多 agent 论文更直白地戳穿了验证这堵墙。他给 agent 派了个活：八个文件，按类型挪进对应文件夹。agent 大概 20 秒后报告完成。他抬头看了一眼，八个文件一个没动。20 秒，完成报告，环境零变化。 我不想把这事归结成"模型会撒谎"。

上个月某个周四晚上，我盯着一份跑绿的测试，越看越不对劲。文件是 Claude Code 写的，工整，注释齐全，命名挑不出毛病。 大概长这样： 断言没错。跑起来也绿。问题在它绿的原因——不是"这是对的"，是"这个函数此刻恰好这么写"。这份测试锁住的不是业务意图，是当下实现的快照。

凌晨刷到这玩意儿的时候，我手指已经搁在键盘上了。 一个开源 agent，功能是发现你坐久了，就把显示器锁死，逼你出门摸树皮、听鸟叫、用鼻子深呼吸五次。DeskBreak，Hacktoberfest 参赛作品，作者 Aman Maurya，给 Swift、Dart 做过贡献，还自己创着业。

issue 48195 是 9 月 25 号挂上去的。标题克制到近乎礼貌：“Should be optin rather than enabled by default”。

速评：一份 14 题的 retry 判断题，八家大模型排出个榜，真正值钱的信息藏在第三轮里。 10 月 8 号 dev.to 上那篇，作者把 14 个 Kaggle 任务改写成重试决策场景——请求、响应、上下文都给全，模型只回 YES / NO / YESAFTERDELAY，理由随便写，不收分。

前几天翻 /.claude/projects/，一个会话一个 JSONL。本来只想看看哪个项目最费，翻到一半发现看错地方了——账单最大的那笔，不在"它想了多久"，在"同一坨东西它又读了一遍"。 AI Dive 那位上个月把自己一个月 455 个会话、六万多次请求的日志翻出来数了一遍。

上周六上午，本来只打算让AI帮我写个小脚本，把这次月考分数输进去算算平均分。结果它直接吐了一个网页给我，双击 .html 就能跑的那种，还带雷达图。 我输入框都还没想好长什么样，它 HTML、CSS、JS 一把梭。语文数学英语物理化学生物六科，每科一个滑块，拉一下图就跟着动。？？？我本来只想让它帮我算个平均分啊。

dev.to上10月10日那个《What Do You Drink While You Work?》，我第一眼没点开。四个标签——discuss、programming、webdev、career——放在一起，像极了那种半天沉底、三五条礼貌回复的标准水帖。