用自然语言写代码的时代，
经验值得被认真记录。

先给结论。Oxide Computer Co在8月4日签的Form D披露了一笔444,999,052美元股权融资，15个投资人，全部售出，剩余为零。

那年我还在老东家。财务系统月末跑批，几万条数据跑一整夜。跑不完就锁表，锁表就业务积压，业务积压就有人打电话骂。组长挨骂，回来骂我，我把那堆代码藏了三年，不敢说是我写的，后来交接的时候也没敢提。对，这么糊弄，就是我们这代人的"职业素养"。 说起来那段代码怎么烂？

这一篇我们造一个浏览器插件，只干一件事：打开一篇文章，它给每个段落描边——像 AI 写的标红，像人写的标绿，拿不准的不吭声。玩具级的：没有模型结构，没有后端，准确率也不承诺。目标只有一个，把“标注 → 训练 → 导出 → 浏览器里推理”这条流水线亲手走一遍。 由头得交代一下。

凌晨两点半，监控消停了，写写这个。 就是我那个磁盘监控脚本，我写了得有四年了吧，一直想重写一直懒得动，今年四月份，不对，五月份，终于让它重写了一版。那脚本实在烂得没边了，说出来有点丢人，但反正是我自己的东西，烂就烂吧。 原始代码长啥样呢，其实逻辑特别简单，就是个磁盘空间统计，超了阈值就发告警，然后定期把结果写进日志。

先说清楚，这篇不推荐任何工具，就是这周挑战的题目戳到我了，记录一下。 这事得从一段 SQL 说起。去年冬天接了个外包转私活的单子，客户是搞社区团购的小老板，后台自动结算老卡，一到晚上八点高峰就卡死。

速评：RING 这篇论文喊着“完全去除外部检索器”，我不信的是“完全”这两个字。 这剧本，眼熟。三年前就有人说 context window 一长，RAG 就该进坟墓了；之后每隔半年就冒出一篇论文宣布检索步骤是多余的，标题一个比一个狠，结论一个比一个绝对。

DEV 团队在 AI 工程师世界博览会期间干的一件事：和 MLH 合作，每天出一份实体报纸，叫 The Daily Context，每期塞一个游戏。第一期是单词搜索 Vector Search，原作者叫 Jess Lee，用 Google AI Studio 生成、部署到 Cloud Run。

最近在翻十年没动过的 Go 源码，翻到一个叫 lhttp 的老项目。它做的事是把 HTTP 的报文格式搬到 WebSocket 上，命令行、headers、空行、body，跟裸 HTTP 请求差不多；多个服务器之间用 NATS 协调，部署一组就能撑起一套聊天服务，不需要依赖 XMPP。

你有没有那种时刻——AI 帮你改完一段代码，彬彬有礼地说“测过了，全绿”，你顺手就点了 merge。那个“测过了”三个字，你以前只信一个人，现在信一个不会脸红的东西。

学 AI 编程两个多月，今天下午一行代码没写，刷一场骂战刷到了饭点。 起因是有人在 DEV 发了篇长文，说技术社区现在有种势头挺糟——拿「这项目是不是 AI 写的」当质量过滤器。

地图上那个绿点正沿着轨道弧线滑，速度匀，拐弯也流畅。完美。 我盯了五分钟，想起一件事：这图上没有一个像素，是火车自己报出来的。 Signalbox 卖点是只靠手机数据快照匹配轨迹，不用后台跟踪你。听着高级。但那绿点照样是信号区段之间插值出来的——信号系统只知道车在哪个区段，一个区段好几公里长。

六月中某天凌晨，我让 Claude Code 跑一个跨模块的重构。任务不大，代理跑通了，输出一堆 diff。我扫过去，看到一行注释里夹着一个我从来没在这个仓库里见过的变量名，自然得像它天生就该在那。 我以为 context 又脏了，没在意。后来证明这个判断错得离谱。

gitannex 的维护者上个月花了大概 100 个小时，只为了一件事：让这个项目能在一个不含 LLM 生成代码的依赖树里构建起来。100 个小时。我读到这条记录的时候，第一反应是——审查依赖树，到底累在哪？ 他列出来的几件事，搁一起看特别有意思。

刷 dev.to 刷到一篇配图特别逗的帖子，标题大意是“拿 GitHub 数据生成你的 FIFA 球员卡”。作者 Konark Sharma 上个月发的，顺着链接摸到 gitfut.com——这期的选手。一句话定调：一个把 GitHub 账户折算成 FIFA 风格球员卡的小站。 六项指标的算法帖子里写得挺坦率。

先说结论：Marfa Public Radio 那档秋季会员订阅播客——请员工轮番朗读合规文件和法条，让听众睡觉——不是什么行为艺术，是筹款机器最正常的产物。把组织里最没有"节目相"的材料拿来当内容资产，顺手完成一年两季的会员维护。这件事值得记的，不是"电台员工念法条助眠"这个反差，是背后那套非营利电台的运转机制。

前阵子在 dev.to 上看到一个俄罗斯方块小游戏。玩了两把，我直接愣住了——这玩意儿把 LLM serving 里的显存管理画得明明白白。 我第一版自己画显存这东西的时候，画的是一条线：模型要生成 token → 提前分一块连续的 VRAM → 写进去 → 生成完释放。挺顺。 等等等等，先别急。

速评：8月3日提交到arXiv，8月6日更新到第三版。三天，两版。要么团队效率高得吓人，要么是提交之后有人发现了什么，急着补。评论区大概有故事，但论文没写。 48项基准测试“全完成”，一个不落。这个数字漂亮得不像真的。关键是“成功完成”的定义——脚本能跑通不报错算成功，还是仿真出来的物理结果跟参考设计一致才算成功？

环境变量一改，Claude Code 里的请求全打到 GLM 5.2 上去了。不用动一行业务代码。这玩意儿本来就该这样——一个 HTTP 端点，发 JSON，收 JSON，完了。GLM 5.2 的定价比对面便宜得多。你真以为一个 LLM 推理服务配得上九成毛利？ 这几天拿这个组合跑我那个玩具存储引擎。

论文里有一行我读得最顺："多轮调试收敛更快。" 搞 RL 的人看到的是调参收敛到奖励峰值；我看到的是一整天改 bug 改到晚上十一点，最后盯着屏幕说"算了，就它吧"——这个瞬间，严格来说也叫收敛。 本来还想顺带翻译一下开头那句"奖励信号稀疏"的，打住，不写了，那又是一篇长文。就"收敛"这一个词，够我品一整晚。

这个配速，四十几分钟一英里，发进 Strava feed 是要被跑团群嘲的。结果这不是人跑的，是一只仓鼠。荷兰乌得勒支，叫 Mollie。前提一换，这条记录就从翻车现场变成了励志故事。 干这事的叫 Thijs de Buck，MRI 物理学家。