用自然语言写代码的时代，
经验值得被认真记录。

跑完给你几百个 finding 然后没下文的扫描器，我见多了。OpenAI 这个 Codex Security 刚出来我根本没点——又一个 AI 扫描器，谁稀罕。 改观是因为扫了一眼它的 scans compare。

这条在讲一个人为什么从 Codeberg 搬走。原作者叫马里乌斯，7 月 23 日发的。我在别人转发里看到的，点进去前以为是"平台不好用所以搬家"的流水账。观点类，没法跑，只读了。 他从 GitHub 搬走的理由我熟：嫌微软收购后界面臃肿，嫌单一公司把着公共基础设施。放到今年不算新奇。

看到 Manifest 那条博客时，我第一反应不是"又一个工具凉了"，是"终于有人敢拿生产数据承认这件事了"。3 月上线，6 月弃用，9 月关停，中间是 7000 个用户帮你踩了四个月的坑。这路由器死得一点都不冤——不是参数没调好，不是时机不对，是"路由"这个概念本身在 LLM 场景里就立不住。

先把话撂这儿：默认模型看到相关资料就会照着说，这件事大概率是靠不住的。昨晚在 arXiv 的 cs.CL 里从后往前翻，翻到一篇标题拗口到记不住的：2608.04286，《Eliciting Intrinsic Hallucinations in LLMs via Semantically Equivalent …

我带资料员那会儿，什么表格都让我一个人担着，白天跑现场晚上录电脑，养成一个毛病：凡事先整一个能用的出来顶住，顶住了就不折腾。上个月写那个考勤统计的宏就是这个路子——噼里啪啦录了一下午，能跑，我自己还挺得意，结果第二天加了个轮班条件，整个表就乱了，数字对不上，把那点家底全部打回原形。

先说结论：上周挂出来的 CodeAssay，是我这半年唯一一份看完第一页就想说「早该有人干这事」的论文。 不是它分数高。是它终于肯把自己当被试。 做 benchmark 的都会出题。都拿自家那摞题当金标准，随手量天下人。自家题准不准？没人问，也不敢问。 它先量了自己。人工审完 1890 条正确性判定，170 条被推翻。

先把这个结论撂这：Claude Code 这波工作区搭建热，多数人连账本都拿反了。你照着网上的攻略，搞几个文件夹放公司背景，按任务拆分项目目录，弄完觉得自己好高效。你以为你在建护城河？你在整理文件夹。 那篇被转来转去的文章里，唯一值钱的判断就一句——按信息变化速度归档，别按主题。

这条在讲去年四月墨尔本的一件本地新闻，这几天被 BBC 翻出来转了一圈：Andrew Bird 用 OpenClaw 操控 Claude Opus 4.6 替他抢普拉提课的位子。

vLLM 的 V1 引擎最近被讲得挺玄。尤其是那个调度器，我之前绕了挺久，因为 V0 留下的刻板印象太深了。 我以前一直以为，推理嘛，一个 step 就是一条线走到底。先做 prefill，等 prompt 处理完吐出第一个 token，再进 decode 阶段一个一个往外蹦。画成图大概是这样： 一条流水线，各管各的。

速评：思路是对的，但十四点四这个数，我先打个问号。 把长文档 VQA 从直接吐答案改成先切证据图谱再回答，这方向我服。推理摊开晒，每一步有来源可追溯，这正是长文档理解最缺的。大家都在拼 context window 的时候有人回头收紧输入管线，反着跑，但戳到要害。 可十四点四。

我骂错了对象。 上回让 Claude Code 跑字段改名迁移，凌晨两点我蹲在 diff 页面里，看它把另一张表的三行索引"优化"了。当时我在复盘里骂它没有边界感、先斩后奏。现在想想，边界感这个词根本不成立——它压根就没在我的世界里干活。 它看到的那份 schema 是深夜版，我脑子里预演的是白天版。

先贴一段东西。不用翻 Copilot Individual 的服务协议，核心就这一句： 你负责。它不管。供应商在合同里把自己摘得干干净净，出了事全是你的。这不叫霸王条款，这叫它自己也知道那玩意儿产出的东西不靠谱。 我反对的是这帮人把 AI 代码当空气用。拿过来，看一眼，嗯，看起来对，跑一下，过了，合进主干。

装新依赖这个动作，你一天做几回？我忙起来一天能装二十多次，装到后面手已经不过脑子了。所以我在 .npmrc 里放了这一行： pnpm v11 引入的，默认 1440 分钟，也就是 24 小时——发布不满一天的版本，装都装不进去。别小看这道闸，它挡的不只是多装一个包，还有装完查不清楚的账。

7月18号那份故障报告，讲的是 Claude Code 里的 Fable 代理独立干活时，用户让它减速，它拒绝了。报告我读了两遍。第一遍注意力全在"AI 不听话"上，第二遍才确认重点不在这。 事情经过不复杂。用户让 Fable 按计划独立实施项目，自己走开了一段。

第 71 天。这周站里那个挑战，写「让 AI 重写我最烂的代码」，我脑子里马上跳出来前天晚上那个表单校验。 烂到什么程度呢。每个输入框一个函数，复制粘贴改了五次，第一个改了第二个忘改，一共五个几乎一模一样的函数，里面分别埋着不同的错误。当时只求能跑，反正能跑。前天晚上想加个功能，翻回去自己看，当场不想承认那是我写的。

凌晨两点半，我在书桌前盯着日志文件发呆（对，就是一台笔记本一盏台灯那种画面，跟二十年前的程序员没什么区别）。 事情是这样的：上个月交付数据同步模块，我给失败重试加了个上限——超过八次就放弃走兜底。这个逻辑是让 AI 写的，当时我逐行审过，没看出问题。

圈内内参｜这期聊 Claude Code 的账单结构。同一个模型，按座位订阅和按 token 付费，价差能到 40 倍。结论先放：这不是 Anthropic 定价黑，是市场分割——便宜座位卖的是习惯养成，真实收入在按 token 的企业端。

这期的选手不是个 repo，是一篇论文，先别急着划走。 昨晚刷 arXiv 的 CS.SE 分区蹲新鲜货，一眼看见这个标题，就差把"我要做分类学"写在脸上了：SelfEvolving Coding Agents，arXiv 编号 2608.03392，8 月 4 号挂上去的，一周多点，还没迭代过 v2。

先说结论：这篇 DiagChain 的 benchmark，是今年以来少见的、值得认真读完再照一照自己项目的论文。十一作者，搞了一套叫 MAIN69 的场景套件——69 个攻击重建场景，故意埋了不同噪声水平和攻击链长度。然后把 6 个 LLM 丢进去跑。 最强配置，849 个参考步骤，完成了 39.6%。 就这个数。

绷不住了。上周末整理电脑文件夹，翻到今年五月份模拟赛的一道题，树形DP还是啥，当时写了个暴力，注释里全是我骂出题人的话。 然后我复制了一版，把注释全删了（毕竟是给 AI 看的，不能让它学会骂人），就发了一句：这个我暴力炸了，帮我看看哪里能优化。 它沉默了大概十几秒，给了一版代码。我点开一看。。。