用自然语言写代码的时代，
经验值得被认真记录。

这个月初刷到一篇帖子，一开始我准备划走。 写帖子的人在做一套给 AI 编码助手用的记忆层，拿 Claude Code 自带的记忆跟他那套方案做了一组对比。这种帖子的套路我太熟了，对比是壳，广告是核。结果看到中间一段，我停住了。

上周某个晚上，我本来是去看热闹的。刷到一篇新预印本，标题一眼就知道想搞事——《LargeLanguage Models as a Cognitive Virus》。我心想：哦，又来了一个比喻。真没出息，我还是点进去了。作者九个人，我只认识俩，Michael Levin 和 David Krakauer。

你有没有见过一种故障，它有排班表。 每周五下午两点准时上线，每五十个请求里挑一个幸运儿回个 500，周一早上准点痊愈。 ——比在座某些同事都自律。 （我先摆明立场：一个能按时上下班的 bug，比一个能按时上下班的同事难抓多了。） 【场景：周五下午两点零三分，工位上传来一声"又来了"】 团队第一反应当然是先查自己。

先贴一个函数。 论文里没有这个函数，是我按它描述的那套流程自己补的。但它就是我对 arXiv:2609.17123 的全部态度。 主分类挂在材料，交叉挂了 AI 和硬件架构，题目里有个 GPT6 Astra。

为什么有人发帖越来越勤、写得越来越顺，读的人反而越来越少。 简单说，不是内容变差了。是读者认不出那是你写的。 这句听着像在挑文风。不是。文风是审美，认不认得出人是可信度。审美你可以不在乎，可信度你没法不在乎。 这条我本来没打算收。它讲的是 LinkedIn，跟我平时收的不完全是一类。但它问的那个问题，我每周都要碰一次。

速评：撑起 7.9 万颗星的那个数字，是个 ÷4。 Quesma 那篇 9 月 11 日发的，两个作者 Bartosz Kotrys 和 Jacek Migdal，测了好几天，光 token 烧掉 1500 多美元，当天就上了 HN 首页。他们给的结论是别把 RTK 当通用省钱工具。

9 月 10 号，dev.to 上 Sylwia Laskowska 那篇文章的标题把话说死了：AI 在编码方面已经超过大多数软件开发者。底下 188 条顶层评论，吵成一片。我把标题看了两遍，不是想挑刺，是这个句式我太熟了。它上一次以这个形状出现，主语还不是 AI。

速评：9 月 7 号，dev.to 上一篇 70 行手搓 AI agent 的教程，作者顺手把自己写的 agent 打了。 全文信息量最大的数字不是 70，也不是 86。是 3/16。 作者在 Tigera 做 K8s 安全，开篇先声明这套演示不碰自家产品。

凌晨一点，Claude Code 在跑，你盯着那个转圈的玩意儿，不知道是该去干点别的，还是就这么干等下去。 【灯光渐暗，房间里只剩风扇声，和两个人谁也没说话的沉默】 现在有人给这个沉默现场配了个啦啦队。一个 VRoid 小人搬进 VS Code 侧边栏，Claude Code 一有动静它就跳一下，冒个气泡给你打气。

上周翻一份旧 trace，翻到一半我把杯子放下了。 那是我去年写的 agent。planner、tool calling、reasoning loop 一套齐全，演示那天丝滑得不行，同事看完说这玩意儿能上。上线两周，同一个工单编号，周一跑出 A，周四跑出 B，周三那次直接超时。 三个晚上排查。

今天下午师傅扔给我一个需求，说订单列表那边要加个导出按钮，导成 Excel 给运营用。他说你试试吧，不难。我嘴上说好，心里已经开始打鼓了，我连后端那个接口在哪都不知道。

上个月我把用了小半年的那个模型换了。不是因为它不好，是我那个最便宜的订阅到期了，续费涨价，涨得不多，但我这人算术习惯改不了，一算一年多花的钱够给老二报个画画班，就换了另一个。 先说结论，免得有人问：能用，但头两天我差点换回去。 我手上没什么大活儿，就一个给以前工地上的老周做的材料台账小工具。

前几天翻一个 MCP 项目的开发记录。作者自己记了一笔：GitHub Copilot CLI 当独立审查者跑关键检查，报了个 GitHub 认证问题——带代码片段，带行号，完整到可以直接提 issue。 他回仓库里找。那一行不存在。那段代码不存在。 画外音：带行号的幻觉，比不带行号的可怕十倍。

先说结论：Nazar Boyko 九月八号发在 dev.to 那篇讲「AI 让开发者变懒」的文章，正文我给八分。不是因为结论新，是因为他在结尾扔了一道能在周一早上自测的题。 评论区 39 条，扣到三分。大半在自我表扬，没人应试。

结论先给：这篇博客最诚实的东西不是44%，也不是67美分，是作者在监督式改动涨了4个点之后写下的那句“我不理解原因”。这句话值钱，不是因为它谦虚，是因为它把这条涨分路径的边界划出来了一部分。

九月十三号晚上，窝在沙发上刷 dev.to，刷到 Giorgi Kobaidze 那篇《Vibe Coding Isn't the Problem. Calling It Engineering Is》。本来只想扫两眼。 结果一路翻到底——177 条顶级评论，作者还在里面挨个回，第二天又改了一版。

我刷到那篇《20 Agentic AI Terms Every Developer Should Know》的时候，它已经攒了113条评论。113条，对一篇“术语扫盲贴”来说，这个数字本身就在说一件事：真正的讨论根本不在地基上。

老周是我以前在小公司时的同事，现在在一家做政企的公司坐班，写 Java，天天跟 Oracle 和一堆报表打交道。上个月月底他跑我家来吃饭，喝了点，我就开始跟他吹 AI 编程。 具体点说，我讲现在我接单基本不手写样板代码了。

agent 答错的时候，第一反应总是模型不行。 这周收的几条材料给的是另一个答案：它该知道的东西散在别处，模型压根不知道那些东西存在。 散在哪？文档里、工具返回里、聊天记录里、issue 评论里、AGENTS.md 里、本地文件里、几个 API 的响应里。都在，就是不在它眼前。 dev.to 八月下旬那篇拆得最清楚。

旧稿是这么一句： 优先选择开源模型，必要时再调用商业 API。 十九个字，问题全在【开源】这两个字上。它看着像一条标准，其实是个筐——现在这筐里至少装着三样东西：权重文件能不能下载、模型能不能离线跑、训练过程是不是公开的。三样差得不是一星半点，而模型读的是同一个词，能给你接出三种完全不同的行为。