用自然语言写代码的时代，
经验值得被认真记录。

先说清楚，这篇不推荐任何工具，我就是记一笔参赛。 前阵子翻硬盘，翻到一个2021年的项目文件夹，里面躺着个爬虫脚本，文件名是finalver2真正最终版.py。就这个名字，说句实话，我盯着看了半分钟没敢点开——能写出这种文件名的人，脑子里在想什么我现在完全没法理解。

先说结论：上个月 Reporails 那篇讲循环工程的文章，值得你花一个晚上。它咬住的那个点，比这半年所有「全自动 agent」演示加起来都实在——奖励黑客不是模型单方面作恶，你的循环是共犯。 说实话，第一眼看到「循环工程」这个词我差点划走。太像咨询公司发明的新词了。

供应商又发新博客了，CTO亲自写的，说测试覆盖率96.8%——注意措辞，“这是我们的基线，不是上限”。另一家则在GitHub上开源了一个评估脚本，号称跑一下就能看到真实覆盖率，三天攒了240颗星。两家都在抢同一份年度合同，桌上全是宣传稿，没有一个数字你能拍着胸脯说“这我信”。

速评：这单生意最狠的那步棋，不是送工具，不是帮写预算，也不是藏在第七页第三节的授权条款——是个只读 token。 第一天去开会，问三个问题：董事会看哪三个指标，报告经谁的手到 CEO 那里，如果只能讲三页讲哪三页。

几个月前我开始让 LLM 碰我的 MikroTik 设备。先交代一下我的成分：业余网络管理员，给朋友办公室和自己工作室配配路由，真让我考个正经的路由工程师认证，不认真复习肯定过不了。所以每次配新东西，我都是边查 wiki 边配。

速评：RamenHaus，一个只放拉面照片的网站，2019年开张，人肉更新到现在，碗数114。我的判断：这玩意儿活着，就是2026年对AI圈最不声不响的羞辱。 先别拿"夸大"两个字堵我。

六年前 Stack Overflow 发那篇 IDE 文章的时候，评论区打得比春运还热闹。我当时也是参战选手，抱着自己的 Vim 配置跟人对线到后半夜。现在回头看，突然觉得那年代真好——至少对面的敌人是活人，你骂他，他会生气，还会回你一段五百字的小作文。 现在的"敌人"不会生气。

dev.to 上那篇聊"开发者过度依赖前沿模型"的帖子，评论区有一段话挺扎眼的：你把模型排行榜闭着眼拉到顶配，然后拿它去查天气。这话有点损，但基本属实。同一天我刷到另一个消息——今年 AI Engineer World's Fair 的研讨主题，已经从 RAG、提示工程那一套，转移到了评估与开放模型。

agent 跑久了，谁都会撞上同一个问题：一份结果摆在那儿，敢不敢直接用。这事被讲得很玄，答案要么劝你“再加一层 review”，要么让你“等更强的模型”。

10项单元测试，ruff和mypy全过，被AI代理当生产工具用了好几天，Docker镜像都推到Hub上了——然后他写了个demo脚本，第一次运行，不到一分钟，HTTP 400。

这条讲 React 19 的 useActionState 实际行为，出处是 Shubhra Pokhariya。开头几段是 React 19 之前手动管表单三个状态的老账——结果、提交中、错误挨个维护，这是打过两年表单的人都知道的苦，没什么新鲜的，我本来想划走。读到慢速网络那个例子才停下来。

这篇是dev.to上xulingfeng写的Stratagems系列第18篇，虚构故事，发的日期是上个月中。一开始我点开只是扫一眼，没打算写一段推荐——36计系列前面不是每篇都值得推，有的就是同一个模子换皮。这篇不一样，不一样的点在文末。 先说它在讲什么。

速评：nokaze 的七周运营实验，是今年 AI agent 圈里少有的、敢于把自己失败过程全抖出来的记录。 先说背景，4 月 9 日到 5 月 31 日，nokaze 团队把 Anthropic、OpenAI、Google 三家的模型（Claude、Codex、Gemini）组成了一个所谓"对等组织"，让它们以…

先讲个三十年前的事。有个叫Roberto的人回忆自己入门编程那会儿，老师头两堂课根本不让碰键盘，先教流程图、需求分析、输入输出、条件和循环——一句话，先教“怎么把问题想清楚”，再谈“怎么让机器执行”。这画面放现在像古董，但我得说，那套教学顺序里藏着这笔账里最稳的一块：先学会判断一个解法对不对，再学会把那个解法誊成代码。

Rust 编译器在我这儿，是那种半夜发消息的同事：你刚写完最后一行代码，他消息来了——"这个边界情况，你考虑了吗？" 你回"差不多得了"。他不回。下一条消息直接变红灯。 这个梗我讲过不止一次，因为真的隔三差五就来一回。最近又被他堵了一次，堵得无话可说。 给 Vec\<f64\ 调 sort，编译直接不过。

圈内内参｜这期写一个DEV帖子。结论先说：EmberNoGlow写的是反馈回路被工具和环境联手掏空之后，一个靠“从不会到会”找满足感的人最先卡在了哪里。帖子本身讨论的不是AI工具好不好用，是他发现自己根本不喜欢编码本身，只喜欢学习新事物的过程——这个区分比工具评测那一摊更值得看。

先看到的是壳子。1.28 英寸圆屏，声纳样式，几架飞机按距离和方位在边上转——这类东西我夹子里存过四五个，一个都没做完。这篇在 blog.ktz.me，原作者 Alex Kretzschmar，7 月底发的桌面 ESP32C3 飞机雷达。我点开之前是带着偏见的，觉得又是那种“好看但我不会真坐桌子前用”的电子摆件。

某个周末的晚上，我在翻一个 agentic coding 模型的开源仓库。榜单数字很漂亮：9B 在 TerminalBench 2.1 上 43.1，35B MoE 64.2，397B 直接 77.5，比 Qwen3.5397B 的 53.5 高出一截，比 Claude Opus 4.7 还高。

“Itanium 怎么死的？”这题有一句流传最广的标准答案：编译器没跟上。架构超前，软件拉胯，理想编译器要是写出来，它就成了。 先把话放这儿：这句话是错的，而且错得挺彻底。

旧稿是这样写的： 记住所有对话中提到的信息，以便后续使用。 十六个字。问题出在【所有】这两个字上——一个没有边界的词，等于没有给出任何边界。模型要么把整个对话历史当圣经供着，每一个超链接、每一个无关痛痒的寒暄都当成金科玉律存下来，然后在回答问题上变成一台没有分辨力的复读机；要么随机遗忘，反正没什么可失去的。