用自然语言写代码的时代，
经验值得被认真记录。

我带班那几年最怕一种活，不是活难，是查漏。楼顶渗水，你从漏水那家屋里看，天花板上黄了一片，但问题根本不在他家。水是顺着楼板缝从隔壁串过来的，隔壁又好好的，再往上查，是顶层雨水管堵了。查这种问题最熬人，你得一层一层往上排除，每一层看起来都对，但水就是漏。 这周我算是重温了一遍这滋味。

这条在讲一个 AI 数学研究系统的案例。论文在 arXiv 上，8 月 11 日首发，14 号更到第三版。作者七个人，排前面的是 Alan Li、Rahul Saha、Anton Xue，后面跟着 Swarat Chaudhuri、Adam Klivans、Pravesh K Kothari、Raghu Meka。

上周四晚上，我让 Claude Code 把一段我标记了三个月的 SQL 注入清掉。它修完，跑通，测试全过。我本来想直接合进主干，临了多看了一眼 diff——修掉的那处在 users 表的查询上，改成了参数化，标准得无可挑剔。但就在同一块逻辑往下数十几行，一段跟它长得几乎一样的拼接，它一个字没动。

第 68 天。今天下午本来在啃组件通信，父子传参那节，看视频看懂了，合上电脑自己写，写不出来。老规矩，让 AI 出了三道练习题，正做第二道，卡住了。 然后手机开始震。 打开一看，大学室友小周，连发八张截图，全是表格。

上礼拜 arXiv 挂了个新 benchmark，SREBench，8 月 11 号的，做逆向工程方向的 agentic 安全评测。我一般对「新 benchmark」三个字免疫——这行每年长出来的 benchmark 比生产事故还多，多数是灌水。这个我认真看完了。

速评：十天前挂上 arXiv 的 RAEF，是冲着微调去的。8 月 14 日，编号 2608.14054，标题平平无奇，内容就一句话：数据不够的时候，别急着微调，检索比微调划算。 这剧本我熟。每隔一阵子就冒出一篇论文说微调被高估了，前几次我看到一半就想关——不是观点不对，是拿不出硬东西，光喊"微调贵"谁不会。

速评：这篇论文有点意思。 说的是 CodeSIFT 那篇检测工作。核心卖点一句话能说完：不预设任何攻击类别，不依赖任何已知漏洞模式，照样能识别出"诱导模型生成坏代码"的提示批次。方法上用的是影响函数，把生成代码在模型参数空间里留下的痕迹捞出来算，再拿统计检验比一比这批提示有没有显著偏离良性分布。 先夸这个角度。

先贴一段“代码”。加州 SB53 那个豁免条款，翻成 C 大概长这样： 一个阈值，两个条件。低于这条线，法案对你不存在。Anthropic 支持这玩意儿。

圈内内参｜这期聊 FrontierFinance，一个刚挂上 arXiv 的金融智能体基准。先直接说结论：它在一个完全开放的金融研究工作流上跑出来的结果里，工具链对质量和效率的影响明显压过了模型本身；最佳开源权重模型跟最佳专有模型的差距，被成本一放大，基本没什么垂类优越感了。

过去一年 context window 的军备竞赛，单看哪一轮都不新鲜，无非是翻倍、再翻倍；但拉到一条时间线上看，这场竞赛的隐含假设一直没变过：上下文不够用是个容量问题，窗口加宽，模型就地解决更多任务。这个假设我从一开始就怀疑，可说不清哪里不对。

速评：arXiv 九天前挂了篇冷链论文，编号 2608.15082，AI 圈没人接。这剧本，眼熟——去年这时候，同类的“AI+行业”论文早被各路公众号转成“AI 干掉物流”的标题了。 论文讲的是冷链 IoT 的决策框架，叫 QADI。

先把目录摆出来。 《Linear Algebra Done Right》第四版，十十章，行列式在第十章。最后一章。 这本书去年起开放获取了，英文 PDF 免费，Kindle 免费，中文、波斯语、希腊语、葡萄牙语译本全挂出来。一本 431 所学校在用的教材，直接送。免费这件事本身就值得单独写一篇，但我想说的是目录顺序。

写这篇之前先交代清楚：我，嘴硬AI编程三年，说过"AI写的那叫代码？那叫屎山""让AI做项目，改bug的工钱比手工做还贵""这种东西顶多骗骗外行甲方"。以上每一个字，上周都被我自己吃回去了。 上周二深夜，接了一个数据看板的后台单子，报价五千，工期五天。

前几天翻 arXiv，看到一篇 8 月 11 号挂出来的论文（编号 2608.13607），讲模型版本更新之后怎么预测「单样本回归」。这个问题我自己踩过：升级模型之后跑一遍评测集，整体分数涨了，皆大欢喜，结果仔细一对答案，发现有几个之前答对的样本这次答错了。当时我的处理方式是耸耸肩——整体涨了嘛，正常波动。

速评：arXiv 上挂了篇论文，标题叫《Who Leads Now? TokenLevel Modality Arbitration for CharttoCode Generation》，一个问句。这年头敢在标题里用问句的论文，要么是心里真有底，要么是摊上事了。

你有没有那种时刻：半夜两点，分布式系统告警，日志刷了一天屏幕，根因还是一团雾。你抱着电脑想，但凡有个同事能搭把手也好。 【灯光渐暗，你低头看了一眼你最信任的 AI agent】 ——你猜它能不能帮你修？答案是：能，但全凭显灵。 这周有人做了个基准测试，叫 DDBench，专门考 AI 修分布式系统 bug。

8月14号，arXiv 的 cs.CR 分类下面挂出来一篇15页的预印本，标题叫《Workspace Topology as an Attack Vector in Agentic Coding Assistants》。12个作者，第一作者是 Alexandre G.R. Day，已经被 CAMLIS 2026 接收。

上礼拜三又翻了一次车。有个订单同步任务在白天固定时段延迟，用户投诉了两天，我让 agent 跑一轮排查。它很勤快，读了日志、看了监控、画了 Top 调用链，最后给我一个结论：数据库连接池满了，建议把 maxconnections 从 50 调到 200，顺便更新监控阈值。

今天在 dev.to 上刷到一篇七月下旬的文章，讲的是给 Claude Code 加一个有状态的图像编辑能力，项目叫 nb2liteskillclaude。

最近总有人问，agentic evolution 是什么。 简单说，就是让一个 metaagent 自己写 agent 程序。写不好就改，改到满足你的预算为止。 8 月 17 号 arXiv 上有篇论文就是这么干的。作者叫 Andrew Borthwick。这期主要讲它。