用自然语言写代码的时代，
经验值得被认真记录。

这个动作你一天大概要重复多少次？让 AI 写了一段代码，看着不太对，又说不上来哪不对，于是复制粘贴开个新对话，重新贴一遍项目上下文，补一句"帮我看看这里是不是有问题"，然后再花十分钟辨别它的回复里哪些是真话、哪些是它为了显得有用而硬挤出来的建议。我上个月统计了一下，一天七八次是有的。

先说结论：前天挂上 arXiv 的这篇 BioMedRAG 语义分块改造（2608.31139），罕见地没往自己脸上贴金。赢了给数，输了也给数。就冲这个，值得你花半小时。 我读论文跟读通稿一个习惯：全文先当主张清单，再逐条照。这篇是少数照完没照出一脸粉的。 第一张脸，动机。论文说固定分块会把语义证据拦腰切断。

凌晨一点零七。 按说这个点我早该合电脑了，但今天刷到一篇刚上 arXiv 的论文，刷完就睡不着了，现在坐在床上又重新把电脑打开了。 论文编号 2608.30971，8 月 31 号提交的，也就前天的事。Alexander 还是 Alexei 写的，名字太长我没记准。

GitHub 上有个 issue，编号 6235，在 anthropics/claudecode 仓库。2025 年 8 月 21 号提交的。请求让 Claude Code 支持 AGENTS.md。状态是 Closed。 就这么关上了。 我第一眼看到这条 issue 时，没打算写它。

先把这个结论撂这：agent 行业这三年卖出去的“感知”，从来没单独算过账。你掏钱买的是“自主”两个大字，底下那行“感知”的小字从来不细看——细看就露馅。现在有人把 MNIST 这面三十年前的旧镜子翻出来，让十个模型挨个照了一下，没一个能站稳。 这笔账我一开始想岔了。

那篇被转来转去的《AI agent 别用 whiletrue 当骨架》，讲得对，但讲对了也没用。因为现在生产里跑着的 agent，十个有八个还在 whiletrue 里打转——不是因为写的人蠢，是账期没到。你让一个 PMF 都没跑通的团队现在就上事件溯源、Postgres、replay、快照，那才叫账算不清。

刷 dev.to 刷到一篇，作者 vitoriazzp，标题大概的意思是"第一次用 Git 跟团队协作，我该做什么"。本来准备划走——这种新手科普文一天能刷出八百篇，直到我瞄到作者自我介绍里的一句话：五年多没在 GitHub 上开过 issue 或 PR，这次是为了更新 He4rt 社区 4noobs 项目的 R…

刷到 PG 那条回复的时候，我第一反应是：又来了，两个老人在怀旧。LeCun 还在底下接了一杠，说的更不近人情。 PG 说，如果他现在是17岁，会从头构建一个大语言模型。LeCun 说，他会去搞另一个问题——为什么 LLM 能写文章，却没法打扫卧室。 第一眼，这不就是老子当年要是年轻二十岁早被关进去了的科技圈版本吗。

Cursor 把前端从 Solid 迁去 React，Bun 从 Zig 换去 Rust 大约一百万行，Cognition 的官网从 Astro 挪到 Next.js 当案例研究发。三件事，三家不一样，前后脚冒出来。你要是只看新闻标题，会觉得这就是 2026 年初的普通技术动态：谁还不在换栈呢。

八月的最后十天，NVIDIA 报了个数字：Claude Opus 5 在 ARCAGI3 公开集上得分 100.00。一个多月前，ARC Prize 官方验证同一个模型的成绩是 30.16%。同一个模型，同一个公开集，相差 70 分。 我第一反应是 ARC Prize 那边测错了。

先把这个结论撂这：五个工具，同一个截图同一个提示词，测完发现视觉好的代码不行、代码行的视觉平庸——这篇文章最值钱的就是这一句，但它自己没敢往深了算。它说第一代输出很少生产就绪，说得轻飘，像讲一个无关紧要的备注。实际上这句话就是这门生意的全部真相。不肯往下算，后面的榜单再好看都是给这套月费洗地的。

今天在收尾一个小功能的时候，给上一个 commit 补了两个漏掉的文件，push 直接被拒了。操作就是 git commit amend，报错是老熟人 nonfastforward。

给 AI 写测试这件事，最魔幻的地方在于：你的测试到底在测什么。 Marco 给自己那个 llmcouncil 写提示注入测试的时候，测的是"字符串的计数和索引顺序"。不是"模型有没有被攻击者骗到"，是"这串字出现了几次、按不按顺序"。

差点被我划走的一篇文章。作者是 Home Depot 的一个分布式后端工程师，Ashley Childress，自述在这家干了八年多，写的主题说出来有点好笑：AI 替你写代码的那几分钟里，你该把自己这双手放在哪。

“先调用 listconnections，逐字复制返回的 platformId，绝不能自己编造。”这是那篇发在 dev.to、讲 MCP 发布风险的文章里，服务器给代理下的第一条指令。你品品这语气：它不是在教代理怎么做，是在求代理别给自己加戏。

你有没有过这种体验：RAG 系统搭好了，demo 里样样都好，一上真实流量就翻车。第一反应永远是换更强的模型、换更贵的 embedding，折腾一整圈，该翻车还是翻车。dev.to 上那篇被转了一整轮的文章里有个数字：RAG 失败的时候，73% 的情况栽在检索阶段，不是生成阶段。

先说结论：NexPath 干的事是真的，「AI 编码代理的提示质量层」这个定位是超纲的。它能在你提交提示前补上范围边界，也能在你要批量发布草稿时拦你一道。但压测数据摆在那里：18 条提示，0 次干预。 这个词后面再拆。先交代数据从哪来。

最近有个人公开回炉了自己六周的数据。一个抓取工具跑16个公共仓库，前5个各返回260到277对数据，后10个全零，报告说“没有关联的PR”。蹊跷在，那些仓库不是没PR，是小时级速率限制的错误被catch块吞了、返回null，于是所有错误都被当成“没有数据”。

这条讲的是 MCP 官方 8 月 22 号更新的路线图，出处是他们自己的博客。我读完把它存进夹子的时候才发现，上一条关于 MCP 的收藏还停在 3 月份那个旧路线图——就是画了四个优先领域大饼的那篇。今天对着新旧两张图看了一遍，怎么说呢。

Rafael Pierre 六月在 Lighthouse newsletter 上发了篇东西，标题大意是：很多团队把 RAG 系统 overcomplicate 了——先上 embedding、上向量库、上 reranking，再做一堆增量优化，结果用户只是想要精确地找到一篇文档。