用自然语言写代码的时代，
经验值得被认真记录。

一篇 28 页的论文，普通人为什么要花五分钟看它？ 简单说，它研究的事你可能已经在干：让几个 AI 工具分着做一个项目。论文给这套起名叫 Role Specialization Model，本质上是给 AI 排一张班表。谁负责什么，写清楚，然后开工。 两周前挂上 arXiv 的，软件工程分类下面。

这周读到 TerminalBenchScience 0.1，评估 AI 代理在真实科研工作流里表现的基准。出处是斯坦福那帮人牵头，跟全球多学科专家一起搞的。我本来只想扫一眼谁排第一，结果读到任务筛选那部分走不动了。 70 个任务，是从 920 个提案里筛出来的。接受率约 7.6%。

这篇咱们从零搭一个东西：一套让 Claude Code 按"需求文档→设计文档→任务清单→人工签字→实现→验收"顺序开工的 SDD 工作流，外加一个能真正跑起来的文字冒险小游戏。全程大概四十分钟，跑完你手上会多三份已签好字的文档、一份能复用的规格模板，和一个丢进任意小项目都能照搬的验证回路。

那篇论文说大多数模型生成的网页里都塞了响应式设计模式，但这些模式没被正确实现。初看像一句废话——模型连 @media maxwidth: 600px 都能吐出来了，怎么叫没实现对？往下挖一层才看得见，真正坏掉的环节往往不在查询本身，而在比它更前面的一道设置：视口。

Webhook 这东西，大多数人把账从一开始就算错了。他们以为自己要写的是一个 HTTP 客户端加个重试循环，顶多再配个签名，两三天弄完，一年省下几百美金的订阅费。这笔账听着是赚的。实际上你写的这个东西，核心是一个状态机——而且是那种“结果可能永远不确定”的状态机。

带班那几年，最怕的不是图纸复杂，是材料送到楼下发现送错楼了。楼号差不多，一个12栋，一个21栋，司机没细看，卸完就走了。等上面要验收，数对不上，监理来找我，我还跟人家犟，说料单上签了字的。后来上去一看，货堆在隔壁楼的基础里，不怪司机，怪我没把楼号标清楚。 星期二晚上我也撞上这么一档子事。不对，是今天凌晨。

这条在讲一批美国政府低价卖房的数据。出处是GovAuctions.app的统计，原作者拉出了HUD、房利美、房地美三家机构的挂牌——截至2026年8月24日，一共2307套，其中367套挂牌价低于10万美元，84套低于5万美元，23套低于2.5万美元。

这件事的起点不是一篇论文，而是一个开发者把项目复盘说得比大多数论文摘要还诚实。agentexectrace，一个给 AI 代理做 OpenTelemetry 风格追踪的可观测性层，作者 Debashish Ghosal 最初的判断是：难点在检测器逻辑——循环、重试风暴、成本激增、幻觉，这些异常要靠规则检测器去抓。

先说清楚，这件事是我自己作的。 上周我用 Cursor 写了一个脚本，跑通了，但心里没底。就对 Claude Code 说：帮我看看这段有没有隐患。Claude 一口气列了十几个问题。我拿着这些问题去问 Cursor，Cursor 说十条有八条是我当时在原有上下文里做了取舍的，不是 bug。

圈内内参｜这期撕一个 C++ 哈希表库的内部机制，不是因为它 star 多，是因为它把 std::unorderedmap 在生产环境里那三个最磨人的决定——防 DoS、哈希质量适配、迭代器语义——从“被标准库藏起来的默认值”翻出来做成了显式开关。

先撂结论：翻译本身的钱，已经归零了。这门旧生意里真正值钱的，从“译得准不准”平移到了“你有没有胆子一句一句核过去”。核过去，产出叫 citationgrade；核不过去，叫 readinggrade。两回事，差着一整个信用阶梯。

两周前 arXiv 上挂了一篇隐私保护 RAG 的论文。方法说起来一句话就完：用一个轻量级模型认出查询和文档里的敏感实体，给每个实体生成一个别名，建一张替换表，发出去之前先把真名换掉。 就这样。没有密码学，没有可信执行环境，就是换词。 这个办法土到我的第一反应是不屑。

瑞士那条铁轨上的光伏板试点，跑满一年了，发电 16,000 千瓦时。看到这个数字的第一反应是：就这？ 一个普通英国家庭一年的用电量。铺了 100 米铁轨、48 块特制板、18 kWp 装机，折腾一年，够一户人家用。这效率是不是有点感人。 但我后来把账重新算了一遍，发现我最初的判断下得太快了。 先说那个让我卡住的地方。

RAG 被聊成白开水之后，还能有什么新东西？如果我把"知识库"从自然语言文档换成代码反模式，它还剩什么？arXiv 上那篇叫 RAGas 的论文（2608.15857）就是这么干的：把 RAG 搬去优化智能合约的 Gas。

前几天在 arXiv 刷到一篇，condmat.mtrlsci 和 cs.AI 双挂，标题里赫然写着 autonomous platform，自主平台。8 月 16 日挂上去的，十六个作者，讲计算材料设计的 agent 平台，叫 ALKEMIE Agent。 先撂一句：这种标题我的第一反应是绕道走。

周一的 AI Engineer World's Fair 我看了几个片段，没敢说全程盯着——说实话，我这种水平去看这种大会，大半时间处于「这个词听过」「这个完全没听过」的交替状态。

刷到 Pratik Singh 在 Mac Mini M4 Pro 上跑的那个 ClickHouse 和 PostgreSQL 对比，1 亿行 LLM trace 数据，两台……不对，一台机器，两个库，同一份数据。

前几天 arXiv 上那篇 Executable Code Knowledge，标题绕得不行，但摘要里有个数字让我盯了两秒。11 个带证据的任务，全部拿到可执行测试覆盖，9 个拿到精确选择器；把已声明的证据藏起来，精确恢复率掉到 11 个里剩 1 个。配对 McNemar 检验 p 值 0.0078。 9 变 1。

8 月 13 日，DEV Community 上多了一篇文章，作者 isha singh，自我介绍是计算机科学毕业生、MERN 开发者、开源爱好者，标题叫 My not so pretty journey in tech。

Ashley Childress 六月那篇讲 spec 和设计对话的文章，其实没多深刻。但里面一个例子让我把这件事彻底想透了。她写的是通知设置：静音时段要覆盖大多数时间，账户级默认值要保持统一，项目级覆盖要处理例外，“关键警报仍要穿透”又是一个硬性例外。