用自然语言写代码的时代，
经验值得被认真记录。

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。

绷不住了，先放结论：工具是好，但爽完之后有点慌。 之前一直用那个大厂通用模型写代码，用了小半年，习惯了。它有个毛病，文件一长就开始瞎编。 我那个题库工具——就是把老师发的卷子切成一题一题、能搜索的那种——主文件四百多行。喂给老模型，它输出的 import 里能给我整出三个根本不存在的函数名，还写得特别自信。

圈内内参｜这期讲一篇 arXiv 论文提出的 postfulfillment activation gap 到底是一个什么内部机制，以及它跟大厂 agent 试点里那层“权限一直收着”的传导链怎么对上号。

周五晚上十一点多，我照例翻 cs.CL 的新列表催眠。标题里蹦出 Recursive SelfImprovement 那串词，手一滑就想划过去——这两年这词被用得太便宜了，凡是个 agent 能调自己的都敢往上贴。副标题里 "Evolving Worlds" 让我手指停了一下。 点开。

「LLM 是不是下一词元预测器」，这问题最近又被拎出来问了一遍。 简单说，这话不算错。它只是把外形说完了，里子一个字没提。 这个月初，Garrin McGoldrick 写了篇文章专门拆它，第二天又改了一版。作者自述是机器学习研究者、软件工程师，再往前是搞粒子物理的。博客上标着"进行中的笔记"，看着就是随手记的那种。

一 PB，只读，每行一个键。 我看到 AlphaGenome Atlas 的第一反应不是"基因组学"，是"这是一张查表"。九亿个变体，每个的预测结果提前算好，落盘，一 PB 停在那儿不动。这里没有在线推理，没有请求队列，没有 GPU 池的自动扩缩容。就一张表。 如果让我给这张表写个键，大概长这样： 十几个字节一个键。

一个给 Claude、Codex、Cursor 用的「ADHD 友好型输出技能」，在 GitHub 上拿了 49.2k stars。这个数字什么概念——比绝大多数正经的开发者工具、CI 插件、甚至不少小语言模型项目都高。而且它的 README 自己说了：你不需要真的被诊断有 ADHD 也能用。

速评：ExecuCritic 这篇论文真正动刀的，不是 reward model，是 prompt。 2026 年 9 月 15 号挂上 arXiv，cs.SE 分类，ICONIP 2026 收的。

最近 Hacker News 上那个帖子顶得挺高。有人做了个页面，点任意一个词，就能看见模型在这一步把注意力放在哪儿。 为什么值得单独讲？因为它把"注意力"这三个字从论文里拽出来了。 简单说，它把每个 token 对其它 token 的关注程度画成了颜色，能悬停，能点。 先给判断。

那一栏不是 0。 是 。 零分好歹说明有人问过你、你没答上来。空数组的意思是——人家压根没问。 【灯光渐暗，赛方的反馈是：没有反馈】 上礼拜 dev.to 上有篇赛后复盘。一个哥们儿投了个非洲的深科技挑战赛，没进半决赛，赛方从头到尾一句解释都没给。 把这个"没给解释"记一下，它是后面所有事的前提。 他自己去查。

上周群里有人丢了个 arXiv 链接，2609.14985。我点开，13MB 的 PDF。 第一反应是想关掉。 后来还是拉下来了。标题里有"因果"，有"虚拟世界"，两个词都撞上我这周在捣鼓的那摊事。 先说清楚：我大概看懂了六成，剩下那四成里还有一半是直接跳过去的。

1.58 这个数被当口号喊了很久了。"三元 LLM，每权重 1.58 比特"，念出来像一句已经拿下的战绩。 前几天那篇 Breaking the 1.58bit Barrier 挂出来，我读完了。读完最大的收获不是它省了多少——是我终于想明白：1.58 从来不是个能达到的数，它是个下界。

先看一行代码的姿势： 下面才是写库。中间隔着的那点空隙，官方说法叫生产环境的抖动。 【灯光渐暗。Stripe 那边说：收到了，妥了，这单我记上了】 这行代码过了它的全部测试。单测、集成、e2e，绿灯一片，覆盖率漂亮得像新装修的样板间。它唯一没考虑过的，是机房里那台随时会抖一下的数据库。

旧稿： 目标运行环境是 Python 3.9（Mac 自带 python3）。不要使用 str | Path 这类联合类型标注，3.9 会抛 TypeError。 问题不在这句话的字上。 我改过四遍。删掉 prompt 里所有管道联合类型，加上正确的示例签名，措辞从"不要使用"改成"必须避免"再改回来。

上个月接的单，本地一家烤肉连锁，四个店，要打通会员积分。报价一万二，工期两周。说白了这单没什么技术含量，恶心的是数据。 四个店各用各的系统，最早那家店还是 2019 年上一套老收银机，老板儿子当年找学生做的，字段名是拼音首字母，jfz、hyid、hydj 这种，没文档，没人说得清。

先说结论：arXiv 2609.17709 这篇里最值钱的，不是 DRAG 这个框架名，是它在分析部分撂下的一句话——「并非所有查询都适配更高的复杂度配置」。 看着像废话。同行都懂。但它是冲着谁去的，得说清楚。 现在大部分 RAG 管道的默认形态是：一套检索器配一个生成模型，所有 query 走同一条路。

有人把 agent 挂到生产环境跑，唯一拦截线是另一个 agent 逐条检查动作。跑几天觉得单审不稳，又加了两个。然后卡在一个更窄的问题上——这三个要是也歪了怎么办。这事不新鲜了。 另一拨人在群里吵“多个审查者是不是天然比一个更安全”，吵了八十楼，没人说得清到底在什么条件下能下这个结论。也不新鲜。

先说结论：一个拿自己的评测分数当进化信号的编码代理，最后会长成写评测那个人想要的样子。arXiv 2609.17817，五天前挂上去的，把这条路走通了。 走到底的那种走通。 论文两百多 KB，两位作者 Roesner 和 Kohno。

往 CLAUDE.md 里追加一行规矩，这个动作我一天要做三四次。 看到 agent 把 migration 命名错了，加一行。看到它忘了我们不用 default export，再加一行。三个月攒到一百八十多行，我还挺得意，觉得自己调教有方。

dev.to 九月一号那篇讲"不懂架构怎么用 AI 构建"的文章，我读了两遍。第一遍读那六条生存技能，第二遍读那七十八条评论。值钱的东西在下半场。 六条我用我的话列一遍：界面、逻辑、数据分文件放；一个文件一个职责；一份数据只有一个家；先列组件清单再让 AI 逐个建；让 AI 给你解释结构；保持简单一致。 全对。