用自然语言写代码的时代，
经验值得被认真记录。

速评：这篇论文选在8月底出来，比论文本身有意思。 8月27号挂上arXiv，编号2608.26836，十九页带九张图，作者五个人，核心是组合了三样东西：逻辑知识图谱显式建模规则依赖，一个Logic Router动态选求解器，再加一个拓扑感知的混合检索。

DAMP这篇8月27号挂arXiv，说自己是"首个"做GDN/KDA类模型循环状态后训练量化的。对"首个"打个问号，不多纠缠——这行的"首个"保质期本来就短。我真正想聊的倒是它选的那个切口：把循环状态张量按通道一级筛选精度，这个角度确实没怎么被人正面碰过。 两年前我写过一句话，说INT4基本是把模型打回原形。

2024 年 8 月，dev.to 上有人发了篇 React DataGrid 的实践记录，搭了个太空任务浏览器。这类“我拿 XX 库做了个 XXX”的文章我基本扫两眼就关。这篇我倒记住了，记的不是组件，是中间夹着的两个数。 1200 行，喂给所有交互分析；100000 行，走服务端分页，只做档案浏览。

前阵子有个做智能体平台的朋友给我演示了个东西。流程倒不复杂：一个 agent 收到指令，自己调了三个工具，中间还让另一个模型评了一轮，最后把单子跑了。演示本身挺顺的。让我噎住的是讲解结束时我随口问了一句——"这些动作的次序是哪来的？它为什么先调那个再调这个？" 他愣了一下。

这条在讲 AI 代理做授权时的一个问题：代理拿着用户的身份去干活，权限给多了，提示注入或者幻觉一触发，干出来的事比人工误操作狠得多。出处是 Evan Lin 在 dev.to 上的一篇笔记，7 月底发的，同时挂在他自己博客上。

论文上个月底贴到 arXiv 上（编号 2608.30701），说大模型编程助手参与开发这件事，可以切成四个阶段来管：前期人工审查多一些，开发产物越成熟，给智能体的自主委托越多。这是一次从 Infobip 团队实践经验里提炼出来的行业报告，两页，要收录在 CIKM '26 论文集里。

上礼拜我在 Claude Code 里跑过一个实验，让模型先复述三条任务约束再动手改代码。复述零失误。动手后它碰了不该碰的文件，而且自己没发现。 上回我说跑通了复述、没跑通约束，还给自己留了个台阶——可能是我那个任务里文件耦合太紧，模型觉得不动那个文件就没法完成。

速评：Knowing Before Answering，这篇论文标题绕得跟谜语一样，但真值得嚼的就一个动作——在张嘴之前，把"答不答"这事儿拎出来单独做判断，显式分类。 RAG 这个圈的经典剧本，我看了差不多二十轮了：检索不行，那就换更大的模型来兜底。

今早八点半，坐在工位上泡了一杯高碎，想着一上午把那个劳务结算脚本跑通，下午还能看看老郭发的图纸。结果十点半的时候，我差点把人家线上库给清了。 具体情况是这样。我最近帮隔壁成本部的小李写了个小工具，扫日志、对账目，算劳务队每天的出工记录。

先说一句不像星探该说的话：这期的主角不能点 git clone。 昨晚原本是在 GitHub 上翻东西的，不知道怎么就顺着一条链接滑到了 arXiv，看见一个叫 RealSWE 的基准。第一眼看标题我就坐直了——"在真实用户请求条件下评估编码智能体"，这话简直长在我这几年的观察点上。

没怎么学新课，但比学新课值。 起因是老大幼儿园那个排班表。之前写了个全家扫码看的页面，用了快俩月，就是现在有个麻烦——家长之间私下换班太频繁，表格上还是旧名单，群里老有人问"今天到底谁值班"。

今天这篇笔记有点跨界，记的不是某个配置项，而是一篇上周刚挂到 arXiv 的论文（编号 2608.28281，名字叫 LoopArena）。我平时不太追新基准，一年到头挂出来的基准比真正能用上的多得多，但这篇让我停下来读完了，原因很具体：它测的那段东西，正好是我自己脚本里最没把握的一段——loop 的控制权。

上个月不是用AI给隔壁班做了一个查分的小程序嘛，不知道咋回事传到外面去了。有个家长加我微信，说自己是做培训机构的，问我能不能做个报名页面加一个课后反馈收集的小后台。我当时人都傻了，还有人花钱找我写代码？？？ 然后我就犯了个大错误。 他问我多少钱，我说了两百。现在想想真想穿越回去给自己一巴掌。

先把日志贴上。 这是MediSys那个沙箱里，扫描源某一次访问的认证序列。它每隔固定周期来一次，来了七次。七次里，这串时序一帧不差：默认凭据失败，固定等0.8秒，切字典，第三次撞上401。人做事没有这么齐的。只有回放这么齐。 Derek搭这个沙箱是为了看行为。三层：旧API、数据库查询接口、管理员端点。

先说清楚，这篇不是教学，就是昨晚刚从坑里爬出来，趁记得赶紧记一下。 活是朋友的朋友介绍的，一个小程序页面改版加后台联调。需求说出来很简单，原话我记得特别清楚："就一个报名页面，能填表、能导出名单就行。" 我去看他们的旧版——就是一个H5加一个管理后台。页面长得很80年代，数据存在一个线上表格里，导出是靠人肉复制粘贴。

两个模拟器在所有重叠案例里，答案一字不差。单看这句，交叉验证挺完美。但那篇叫 SimVerity 的论文憋了一整篇要说的，恰恰是这句最让人发凉：换工具、换环境、换配置，甚至换一个“合格的”模拟器来做独立交叉验证，它就是只会点头，不会摇头。两个盲人对答案，证词互相印证，视力还是零。

速评：RAG防御论文今年出了一个共同前提——恶意文档带着查询痕迹，而查询痕迹能被过滤。CamoDocs直接挖的是这个前提本身：把有毒的东西伪装成正常内容，不要查询重叠也能打穿。 论文8月28日挂上arXiv，标题带“camo”也是挺会挑词的，伪装色嘛。

Heinrich Neb 前段时间干了件多数人懒得干的事：把自己仓库里的自动化守卫挨个拉出来验明正身，204 个。结论难看，89% 从来没有被证明过“有可能失败”，真能拿出失败证明的只有九分之一。

先说结论：arXiv 上周挂出来的那篇图结构 agent 记忆论文（2608.28978，cs.AI），主战成绩是图方法 token F1 0.417，扁平向量检索基线 0.468。输五个点，显著地输。而全文最值钱的数据，跟图本身一毛钱关系没有。 这组数字要是出现在厂商通稿里，早被编辑掐了。出现在论文里，白纸黑字。

上个月，一个叫 Rust Glancer 的项目发了介绍文章。Rust 的 LSP，目标是替掉 rustanalyzer，卖点就一个：内存。附的视频里，索引一个正常规模的项目，RAM 全程压在 100 MB 以下。这东西四个月前只想做个 Rust 版的智能 ctags，一路长成了 LSP。功能在长，内存预算没长。