用自然语言写代码的时代，
经验值得被认真记录。

Thomas Bonnet 10 月 21 号那篇帖子，我看了两遍才确认自己没看错。 119 个关注标签，约 2150 篇候选文章，其中不带他关注标签的，31 篇。这 31 篇里，反应数过 20 的，2 篇。 2150 进，31 出。 画外音：我上次捣鼓的那个推荐功能，转化率都比这个好看。

每开一个新会话，先挑模型，再挑推理档位。我数过，一天三十次上下，多的时候五十次。 以前我从来都是拉到最高档，理由很省事：贵一点总不会更差吧。 十月十五号 Dex Horthy 那份 SlopCodeBench 更新，把这句话打掉了。

10 月 20 号早上刷 arXiv 的 cs.SE 新提，看到这篇讲 MIMOSTools 工具链的文章（2610.27826），ASE 2026 的正式论文，会议 10 月 12 到 16 号在慕尼黑开完，论文比会晚了四天挂上来。

LLM 路由器是什么？ 简单说，是系统里多出来的一个小模型，专门决定每个请求交给谁答。小的答得动就走便宜路径，答不动再交给贵的那一个。 多数人把它当成本开关。它不是。它是一个决策者，只是没人给它做过评估。 这个月早些时候有人写了篇长文专门讲这件事。我看了两遍。第一遍觉得是工程细节，第二遍才反应过来它在说什么。

夜里翻出一段三年前自己写的解压代码，本来想顺手添个注释，改到一半停住了。某个 if 后面有一行，调用完，返回值连看都没看，就那样直接往下走。那种心虚很怪，不是发现了 bug，是忽然认出自己身上一个老毛病，当年为了省事绕过去的一步，隔了三年还站在原地等着我。

先说结论：这篇论文最漂亮的数字，是人写出来的，不是模型算出来的。 arXiv:2610.28311，Amit Lisha 和 Reut Tsarfaty，10 月 20 号挂上 cs.CL。题目《From Abstraction to Action》起得有气势。

周四下午等一封客户邮件，等得烦，顺手把 Arsaze 接进了 Claude。 连上之后它没弹什么“一键成片”的向导，就是把我账号里的项目列了一遍。画外音：这个反应让我有点意外——我原以为又是一个把聊天框糊在时间线旁边的产品。 我随手挑了一条四十多分钟的访谈，上个月给朋友录的，一直扔着没动。

最近到处都在说 Claude Code 扩展被塞了后门。 先把这句讲清楚：出问题的不是 Anthropic 写的那份代码，是扩展发出来的那条渠道。 简单说，一个扩展从谁手里发出来，比它上面写着谁的名字更重要。

出处是 Proof of Human Research 的一份基准报告，作者是 Milena Rmus、Mayank Agrawal 和 Mathew Hardy，都在 Proof of Human 自己公司。

上个月中旬接的，本地一个做建材的老板，卖瓷砖，要做个微信小程序，带商品展示、下单、微信支付。三千五，我当时还觉得划得来，这活放两年前我根本不看，太小。现在 AI 生成个框架，我套模板改改样式，两天能出个能跑的东西，说白了，两天三千五，这个账不难算。 结果这单我从 9 月 13 号做到 10 月 8 号。

看到那句「4 个智能体花了 11 分钟，为一块小麦上的单份骨粉指定唯一施肥操作员」，我把杯子放下了。 这活儿我熟。周四下午的变更评审，六个人围着一个只改日志格式的 PR，讨论要不要走正式流程。最后定了一个人签字——那人在休假。 YC 那个实验，50 个 GPT6.1 在 Minecraft 里跑三小时建文明。

上周我 review 一个 PR，十四个文件，命名规范，注释齐整，PR 描述写得比我年终总结还周到。我看了四分钟，点了 Approve。 【此处应有掌声。没有也行，反正线上也不会给你鼓掌。

先说结论：让模型自己决定要不要再检索一轮、套上查询改写加重排序、开思考模式——这三件事被吹了整整两年，这篇论文挨个照了一遍。三样里没有一样让模型更愿意说「我不知道」。其中两样，让它更敢编。

一开始我差点把 Ryan Stevens 这篇扫过去。标题平淡，平台是 dev.to，作者也不是什么学术明星。直到看见他把两个数字放在同一张表里：一个任务，纯靠通用技能，通过率 0%；塞进一组可复用的工作流记忆，通过率直接 100%。另一个任务，本来 75%，因为混入上个月的具体操作细节，掉到 25%。

先说结论：nokastsecureRAG 这东西，同分布上真能打，跨分布上真不能打。0.994 的召回率不是我先说的，作者自己写在论文里；换到 PoisonedRAG 上召回掉到接近零，也是作者自己写的。 我先给这一分：愿意在自己 arXiv 稿子里把跨基准归零那一行贴出来的，我最近翻的这一批预印本里没几个。

十月十六号上午十点十二分，Engadget 挂出 Kris Holt 署名的一条稿子。差不多同一时间，MapQuest 在自己的 app 里加了个图层开关，打开之后地图上浮出一片图标，标的是已知的户外监控摄像头和车牌识别器的位置。 我平时挖这类东西都往回挖三十年，最好等土压成岩了再下铲。

10 月 20 号挂上 arXiv 的 Evolving Agent Interfaces（2610.28601），我拖到昨天晚上才点开。

先说结论：CopyGen 的方法我给八分，那句「相对提升约 35%」我给五分，摘要页上那个代码链接，零分。 好话先放前面，免得后面开火被当成无脑黑。论文 10 月 20 号挂上 arXiv，2610.28393，NeurIPS 2026 收了，cs.CL，八位作者。方法部分我读了两遍。不是水文。

先说结论：Agent4Sci 这篇真正该被引用的数字是 20.1%，不是通稿里翻来覆去那 10.4%。引错了，整篇论文的解读就全歪。 10 月 20 号挂上 arXiv 的这篇文章，20 个基准、11 个领域，标题问得很克制：前沿 agent 能不能在野外爬科学的山。结论是能爬。

先说结论：GenXRBench 里最硬的数字不是 50.9%，是 96.5%。 前者是考生考出来的分，后者是卷子本身的信度。这行的老毛病，分数做成标题，信度塞进第七节。 这篇也一样。arXiv 2610.29014，10 月 21 号挂上来，22 号就更了第二版。隔一天补一版，我不猜原因。