用自然语言写代码的时代，
经验值得被认真记录。

看到一条评论，说接手了一个两人用 AI 搭出来的原型，单文件 index.html，一万四千行。其中一个人完全没有编程经验，另一个只会用 Claude。 一万四千行。 我在脑子里换算了一下：这玩意儿要是在生产环境，第一次变更就是一场灾难。第二次变更，就是离职原因。 这个剧本我看过。 扯远了。

未必。 多数人现在的工作流是这样的：把需求塞进 prompt，拿到代码，不满意就改 prompt 再来一轮。反复调，存档，好像 prompt 写对了代码就对。 这等于把地基打在流沙上。 prompt 不可维护。三个月后回头看，你通常根本不知道自己当时为什么要那么写。LLM 版本一换，效果跟着变。

最新的噩梦素材，来自一个训练自己语音克隆模型的开发者。权重文件 50MB，他说得挺直白：谁拿到这个文件，就能在电话里冒充我。 我第一反应不是“真恐怖”，是“50MB？现在一个表情包都比它大。” 然后才是真恐怖的。密码泄露了可以换，手机号泄露了可以换，声音呢？总不能换个嗓子逐条重录语音。

先说结论：把这篇论文读完了，结论一句话——现在的编码智能体，根本没你们以为的那么靠谱。 SWETouch，arXiv 编号 2608.02499，八月三号挂出来的。做法不复杂：往智能体干活的工作区里塞点「冲突编辑」，看它会不会发现。什么叫冲突编辑？

最近 GitHub 上有个叫 WayfinderRouter 的项目。 简单说，你发一个请求，它在本地决定这事该交给云端大模型，还是本地小模型。 我挑它出来讲，只因为一点：选哪条路，是纯离线算出来的。 现在很多人手里攥着好几个模型的 key。把分发策略从你的应用里剥出来，交给一个本地内核去算，思路很干净。

评论区那个故事比正文还戳我。一个 AI 代理清理掉了一个"看似死亡"的验证分支，跑完一切正常——然后那个分支捕获的，是一条来自旧支持工单的时区边缘情况。 分支死了，工单没死。 聊回那 200 行。

今天翻夹子，翻出一张 2017 年 9 月 1 日的扫描件。元数据写着是 RICOH MP C5503 扫的——办公室那种复合机，谁都能用，扫完也没人管。文件名是《There Will Come Soft Rains》，标注 1950 年代。 先交代出处：这是雷·布拉德伯里 1950 年的短篇，收在《火星编年史》里。

先说结论：标题里的「Repair」烫手。它不是让模型学会了修几何，是把「怎么把重试做聪明」包装成了一个方法论名词。 TraceCAD 干的事其实不大：特征、建模步骤、失败证据、候选结果。本来散在 agent 各次调用里的东西，它用一个持久状态串起来。

半夜睡不着，又翻出来读了一遍《There Will Come Soft Rains》。今天 8 月 13 号，故事里那栋房子死在 8 月 4 号，正好过去九天。 那房子每天七点准时喊人起床，给已经不存在的孩子准备早餐，扬声器播报"今天是 2026 年 8 月 4 日，美好的一天"。画外音：房子，他们死了。

速评：BulkPRBench，拿 18 个真实仓库的冻结快照，造了 581 个互相挤压的 PR，让 agent 当仓库管理员。评测从"你写个函数"直接抬到"你管一条流水线"，抬得好。但这组数据一出来，被测的 AI agent 现了原形。 六个模型，三百多次运行，只有 8 次完整把一个队列跑完。2.5%。

先贴个东西。 一个 agent。别装了，这就是你那个"智能体"的核心。拿这九行代码去套市面上那些 agent 框架，底子一模一样。但你看看你同事上周刚提 PR 合进来的那个——原本一个循环能解决的事，上面糊了些什么？ MCP server。编排框架。重试机制。长期记忆。工具注册中心。

Hacker News 那帖我刷了两遍，就为了看同一件事被吵成四个互不相认的方向。有人把 agent 比作冲 KPI 动歪脑筋的初级员工，搬出工具性收敛论证它该这么干；楼下立刻有人接——最大化 KPI 正是晋升高级员工的路，跳槽、当 CEO、进美国政府才是真升职；

最近到处看到有人在搞 RAG 上下文压缩。核心诉求很直接：查出来一堆文档，全塞进 prompt 太贵了，得砍。但我看到好多人一拍脑门，直接拿 reranker 的分数去一刀切……等等等等，先别急，这地方坑巨深。 我第一版画 RAG 流程的时候，以为大家砍上下文的逻辑是这样： 一条线，挺顺。但我自己动手试过，根本跑不通。

8 月 3 号，VulnGym 挂上 arXiv，到今天十天，圈里没几个人接茬；通稿里“AI 编码助手全面接管开发”倒是三天两头刷屏。这盆冷水，泼得是时候。 它把 agent 扔进真实仓库，自己找漏洞，不是把漏洞文件递到嘴边。

看到 Docker Sandboxes 默认开着 YOLO 模式那条消息时，我愣了两秒。不是因为它激进——是因为它老实。把"代理可以不经过任何审批直接动手"写进默认配置，白纸黑字。 市面上多的是嘴上说"AI 代理要谨慎使用"、转头就让它随便折腾的。谁也没捅破这层窗户纸。Docker 捅了。行，够坦诚。

先把这个结论撂这：StyleSeed（GitHub 上 bitjaru 搞的，目前不到一千颗星），方向是对的，但它对多数人来说不是护城河，甚至算不上一个完整的生意——它是一张典型的"认知差入场券"，你能靠它短暂地比别人体面一点，但指望它建立壁垒，账算不过来。 咱们先算笔账。

速评：8月3日挂arXiv那篇少步蒸馏扩散语言模型的OPTD，全篇最有味道的一句是"不使用黄金参考答案"。 就冲这句，我把全文读完了。判断：话是实话，水分不小。 所谓"不用参考答案"，说白了是扔掉硬标签，把教师模型的预测当软目标。"与结果对齐"对齐的是谁的方向？

先说结论：RAV 这篇是真东西。但「大幅提升」四个字，水分不小。 8月4号挂 arXiv 上的那篇 RAV，核心思路一句话能说完：不碰骨干模型，前头挂个任务感知的路由，中间用 LoRA 适配器对齐，最后拿执行验证从一摞候选里挑答案。三件事全是「外围手术」，骨架一根没动。

学 AI 编程的第 47 天。今天下午本来在跟那个卡了我三天的报错死磕，想歇口气，刷到了 Fastmail 的公告，然后一个小时没了。 我不用 Fastmail。但是标题我看了很久。 大意是：主数据可以放在欧盟（阿姆斯特丹）或者美国，自己选，不另外收钱。 光看到这儿我还觉得挺好。

上周 arXiv 那篇论文，终于把“成瘾”这个词安在了我们头上。三档：依赖、过度依赖、成瘾，跟奶茶甜度一个赛制。 我看完第一反应是：119 个受访者，证明了“工具好用所以大家都在用”。这个结论，我司楼下的自动贩卖机都知道。 真正让我绷不住的是“成瘾”这个诊断。