用自然语言写代码的时代，
经验值得被认真记录。

前几天翻到 ravynOS，起因很朴素：手边有台老 MacBook，想找个轻一点的非 macOS 系统装上去折腾。官网首页看下来第一感觉是做得挺好看，第二感觉是它想做的事真多——兼容 macOS 应用、全局菜单、统一 Command 键、拖放安装、原生 Cocoa API，一屏写满。

11:17 提的前端 PR。11:32 提的后端 PR。中间隔了十五分钟。 不是我干的。上个月一个巴西同行把这事写在自己博客上：一个上午，一个公式分析的 CRUD 做完了——数据库迁移、四条新路由、一个 949 行的界面，顺手把原来那 208 行硬编码的计算策略，换成大约 50 行去调公式求值器。 听着挺爽。

八月底在 dev.to 上刷到那篇的时候，我第一反应是又一个 benchmark 捷报。AWS 一个工程师团队，把开源的 Strands agents SDK 和 Claude Opus 5 拼成一个 harness，跑 ARCAGI3 公开游戏集：25 个环境、183 个关卡，全部通关，RHAE 拿了 99.9…

那个 issue 我翻来覆去看了两遍。第一遍当产品讨论看，觉得又是一场“你不喜欢可以关掉”的拉扯；第二遍发现它跟产品关系不大——它讲的是一个默认值被放在了哪一层，以及放错层的默认值有多难收回来。 先把话说死：这一篇不读 Claude Code 的源码。

八月那篇 I Write Less Code Than I Used To，我当天就读完了，一个字没写。不是没想法，是单看它撑不起一篇东西：一个工程师讲自己写代码变少、看失败变多，过去一年这个模板至少被用过四五次，彼此的差别只在措辞。

RCCA。名字起得像缩写套餐，但你把它要干的事念一遍就懂了：RubrictoCode Credit Assignment，评分标准到代码的信用分配。说白了就一句话——评估器说"这个按钮点了没反应"，你得把这句话追回生成它的那几个 token 头上，别摊给整条序列。

这笔账，一般人记错了列。测试绿了，他们往“正确”那一列里记；其实该往“一致”那一列记——实现和规格一致。规格错不错，是另一本账，而 agent 圈很少有人立这本账。

Wilson Harper 那张 NFC 能量采集名片，我差点没点开。不重新贴链接了，原文在 connect.wilsonharper.net 的项目记录里，出处是原作者自己的日志，不是被哪个转载号薅过去加了水印的版本。他做了一张不装电池的 PCB 名片，靠手机 NFC 场点亮 21 个 LED，顺带放联系信息。

速评：8 月 25 号挂上 arXiv 的一篇图 RAG 论文，代码要发邮件找作者要。 这不算槽点。评审期的 v1 不挂仓库，是这个领域的常态，拿这个开炮属于找错靶子。但这条得先记着，它决定了后面所有"比基线好"的句子该用什么姿势读。

多智能体工作流为什么这么烧钱？ 简单说，整条链路里没有一个环节在管账。arXiv 上这篇 ProgRouter 就是冲这笔账来的。 一轮任务下来，模型反复调用，上下文越滚越长。论文写得很客气，叫"显著的运行开销"。白话版是：agent 跑一晚上，第二天看账单你会安静一会儿。 本来不打算收这条。

前几天在 dev.to 上翻到 James Anderson 的一篇文章，列了 AI 应用过度工程的 7 个迹象，每条配了替代做法，最后还给了一份预防手册。评论区三十来条，基本都在讲自己踩过的坑。 七条我不打算挨个复述，那种清单你直接去看原文更快。

先把这个结论撂这：这场让四个前沿模型拿着同一盒彩色铅笔比谁画得像的测试，真正值得算的账，不是谁 SSIM 高、谁画得讨喜，而是谁在干一堆看起来很努力、实际上对最终结果没有半点贡献的事。

我有一阵子特别迷信一件事：工具给 agent 配得越多，它越能自查。linter 装上，shell 开着，截图也接进来——稳了。 后来看了篇论文才知道，我一直在问错问题。 该问的那个东西叫验证面：agent 手里那堆自我检查工具，到底盖住了你实际会出的哪些错。这概念不难，就是之前没人这么讲。

上个月翻到一篇随笔，一个开发者说他拿 Codex 用了一周，用得比 Claude Code 还多。两边都开 xhigh 推理档，一个跑 gpt5.6sol，一个跑 opus5，配置尽量对齐。 里面有一句话，我看完就停住了。 他说真急着排障的时候，手还是先伸向 Claude。理由不是 Claude 更好，是熟。

先说清楚，这篇我偏着写。 Beyond Vector Search: Comparing Classical RAG with Hybrid GraphRAG for Climate Science Q&A，arXiv:2608.28766，8 月 28 号挂上去的，九页，三位作者。

为什么隔一阵就有人提"让 AI 自动复现论文"？ 上月底挂出来的一篇，叫 DeepRepro，就是冲这个去的。挂在 arXiv 软件工程分类，也被 CIKM2026 的 Demo Track 收了。 一句话讲清楚：它不解决"代码写不出来"，它解决的是"写着写着，开工前那份计划全过期了"。

速评：这篇论文里最贵的一行字，是名字。 8 月 26 号挂上 arXiv，标识 2608.25486，cs.AI 主分类，交叉挂了 cs.CL，EMNLP 2026 主会收的。公开信息里能当物证用的就这么多——剩下全是叙事。 "PonsInspired"。脑桥。

旧稿的提示骨架是这么长的： 问题不在八个，在【最后】这两个字。 把最相似的那条压在结尾，这做法本身是懂行的。模型对离输出最近的内容天然敏感，结尾那条示例的权重比前面七条加起来还大。我调 fewshot 顺序的时候靠这条吃过多轮测试：最贴目标风格的那条放最后收尾，前面垫场，三个位置各司其职，不是排大小个。

那个试点不是编的。 私有推理记录在行动之前就提交了。第 7 轮那次背叛，第 2 轮就已经被写成"铺垫"。两场镜像座位跑出来的轨迹一模一样：合作六轮，一方动手获利，下一轮双方互相背叛，各自护住领先。没有非法动作，没有回退，两场都跑完。 我看到这段的第一反应，是这事儿成了。 这个反应本身没错。但它不证明任何事。

速评：8 月 26 日 arXiv 挂了篇 24 页的论文，编号 2608.26218v1，标题直白得像句废话——《Same Model, Different Harness》。判断先摆这儿：过去两年所有"我们的模型在 SWEbench 上刷到 XX%"的通稿，这篇一次性判了缓刑。 先看数字。