用自然语言写代码的时代，
经验值得被认真记录。

8月12号挂arXiv那篇GCPO，我一开始没点开。组里有人丢到群里，说GRPO后训练那些老毛病——reward还涨着、eval忽然掉、length一路膨胀——终于有人从参数几何的角度给了个解释。

先把这个结论撂这：ngxsignalquery 是这半年 Angular 生态里我看过的、代码写得最干净的一块补丁——但补丁做到头，也只是补丁。真正的问题不在它补了什么，在它为谁在补、又要补到哪一天为止。官方不给的，个人来给；个人给的，官方将来收不收？这笔账，得拆开算。

多智能体框架到底选哪个？ 这个问题隔一阵就有人问一遍。框架也确实多，每个都说自己最顺手。答案更多，基本都是拍脑袋。这周终于有人不拍脑袋了。 八月十二号，arXiv 上挂了一篇论文。一个六人团队，把几个开源多智能体框架拉出来，认真比了一遍。 这期小抄只收这一条。不是这周没别的动静。是这一条把别的都衬成了背景音。

这条讲的是编码智能体内部，语言模型在残差流里线性编码了程序状态的几个属性：能不能 parse、过不过测试、有没有减少失败测试、有没有引入回归。

先贴命令。 一行，从陌生人的仓库往你的 agent 身上装一个“技能”。GitHub 文档自己把丑话说在前面了：技能未经验证，可能带提示注入、隐藏指令、恶意脚本，装之前建议 gh skill preview 先看一眼。 看到一篇 dev.to 上的文章，专门讲这个威胁模型。

上个月 dev.to 上有篇文章，作者用 Node.js 和 Electron，不沾任何外部 HTML/CSS/布局库，从头写了个能渲染 info.cern.ch 的浏览器。三个月，渲染结果和 Chrome 并排对比难分彼此。这故事本身挺好看，但真正值得看的不是“他做到了”，是他为了做到，亲手踩进去的两个坑。

这周换了个新的 AI 编码工具用。先交代下背景：我们组前两个月统一换过一次（就是之前那个，名字就不提了，免得有人说我阴阳），当时感觉写得还行，但小问题不少，修的时间比写的还多。这次是组里有人安利，说新出的那个模型在生成代码方面提升特别大，逻辑不太容易错。

速评：AMARG，地球上最大的飞机坟场，名字全称是"第309航空航天维修与再生大队"。殡葬部门管自己叫"再生"，这不是语言粉饰，是运营定义——停在里面每架飞机都在排队等待重新处置，不是等着被悼念。这名字搁AI圈，简直是照着缺什么补什么起的。

过去两年我反复写过一个判断：模型层会持续向下游整合，控制供给的一方向需求侧扩张，这是结构决定的，换谁坐那个位置都一样。这个判断至今没被推翻，但它容易让人产生一种错觉，仿佛模型层的阴影底下，所有非AI的软件品类都该按某种顺序被吸收掉。

会议日程表上这一行，看起来人畜无害： 主讲人：Kent C. Dodds。隔壁那间屋子在讲 reward hacking，Daniel Han 的场子。 两个标题放一起，氛围就有点微妙了：一屋子人在学怎么把更多决策交给模型，另一屋子人在研究模型怎么绕过你给的目标去达成自己的路径。

速评：那个用pass@k给AI编码智能体刷分刷了快两年的玩法，终于被人写成论文扒了个底朝天。 论文是8月11日挂到arXiv上的，到今天19天，讨论度我体感不算热。

今天早上刷到 ClaudeDevs 在 X 上的公告：9 月 14 日起，Claude Code 的周用量额度永久上调 25%，Pro、Max、Team 和按席位计费的企业版全部覆盖。第一眼看着是好事，到我看的时候那条帖子已经两百多万阅读了。但我把数字拆开算了一遍，结论是：对我接下来几周的排期来说，这不是涨，是降。

第 68 天。今天不说进度，说个事。 上个月不是给老大幼儿园做了个接送排班表嘛，扫码看那种。当时发朋友圈，有个以前设计组的同事私信我，问我是找人做的还是模板套的。 我说自己写的。 她发了一串省略号。然后说，你哪来的时间，俩孩子。 我说，娃睡了就是我的时间。四十分钟也是四十分钟。 她没再回。我以为这事就过去了。

周三，不对，周四凌晨，白班的兄弟移交了一个监控脚本过来，说这台机器上自己写的那个磁盘巡检脚本跑了半年，最近老是误报，让我有空看看。我当时也想起来，确实是，这周我已经收到三次它发的告警，每次都跑过去看，盘好好的，连inode都没满。

上个月，周一早上站会前，我照例扫一眼上周的变更记录。生产分支上挂着三个 PR，作者是个我不认识的账号，邮箱后缀是厂商的域名。 问了一圈才知道，这是对方派来的 FDE，合同里写好的，要嵌进我们的 repo，ship 生产代码。法务签了字，老板点了头，流程上没毛病。

论文里有两个数字我盯着看了很久。BigCodeBench Hard 上，相对 CodeRL，解决任务数从 16 提到 23——漂亮，43.8%。然后眼神往下扫到同一张表的下半部分，BigCodeBench Full：359 到 363。你没看错，四个任务，1.1%。

先说结论：把心理学话术塞进 prompt 的那套玄学，这次被照妖镜了。结论不难看——催模型快点写代码，正确性和安全性一起掉分。 论文 8 月中旬挂上 arXiv，编号 2608.11513，37 页，已经被 Empirical Software Engineering 接收。测的东西很直白。

半夜三点四十。公司群里静悄悄的，就我一人对着这个祖传跑批系统的日志发呆。客户是某个银行，周一一早要报表，周五晚上我把新需求提上去，周六下午开始报错，到现在——凌晨三点多——还没跑通。 具体错在哪儿？

说句实话我自己都不太信，今天这个锅是我自己亲手甩到自己脸上的。 事情是这样的——之前写了个小脚本，每天读RSS然后转推一些技术文章，跑了小半年一直没事。后来嫌它太傻，就把调度方式整个换了。当时觉得逻辑很简单嘛，读出来推送，推完记录一下ID，防止重复转发。用的Redis做去重，key带个文章ID。

昨晚周五，本来在改一个 CI 脚本，摸鱼的间隙刷到 OpenAI 的声明：终止和 Cursor 的合作，而且在合同允许的最晚日期之前，不会再提供任何未来的新模型。今天早上几个群已经在吵“影响大不大”，吵到后面基本变成站队了。