用自然语言写代码的时代，
经验值得被认真记录。

今天师傅让我给列表查询加一个筛选参数。我打开自己半个月前写的那段查询代码，然后愣住了。 那是什么东西啊。一个循环里面套一个循环，每个循环还查一次数据库。跑的超级慢，数据多一点直接卡死。注释还写着"这里逻辑绕，别动，动了会炸"。我自己写的，我看了半天没看懂自己写的逻辑。好家伙。

站里这周什么破题，让我写重写烂代码的过程。烂代码我有的是，但拿出来给 AI 重写，还写成功了，这事儿我不太想提。算了，既然题都出了。 说的就是我那个祖传对账脚本——2009年那会儿写的，跑批用的，核心逻辑七千来行，全塞在一个文件里，函数都没拆几个。变量名是 a、b、t、tt。

这条是两周前那条"auto mode 要变默认"的更新版，出处还是 Anthropic 的发布说明——8月7日发的，确认 8月14 起 Pro、Max、Team 的 Claude Code 新会话一律 auto mode，分类器产生的 token 开销也不另收了。收费这事定了，记一笔。 但我想说的不是收费。

先说结论：这工具就两个文件，一个 Go 二进制，一个 SQLite。跑起来监听 4318，收 OpenTelemetry 的 trace，代理那边配一个环境变量就接进来了。没有数据库，没有队列，更没有三个微服务才敢撑起来的那套"可观测性平台"。它就是个跑在 localhost 上的小录音机。

那条 issue 是上个月报的。Claude Code 2.1.212，macOS，IntelliJ IDEA 里跑 curl——agent 没打招呼，就把用户真实邮箱塞进了 UserAgent。标签贴得倒是齐整：area:security，area:networking。安全、网络，两个大帽子盖下来。

你大概撞见过这样的事：agent 跑得好好的，某天突然开始犯蠢。你翻 prompt、翻上下文、翻工具调用，什么都没改，可它就是从一个节点开始一路跑偏。翻到状态文件才发现，某个字段的累积值早就不在它该在的位置上了。

我本来只是想给个弹窗整个毛玻璃，Chrome 上美滋滋，一上 iOS Safari 我人就傻了——页面一滚动，背景糊成了一锅粥，毛玻璃不仅没糊住后面的图，反而自己闪个不停。嘿，你说气不气。 这事还得从前几天说起。

昨天刷 arXiv，8 月 5 号挂的一篇软工方向论文，作者名单里好几个熟面孔，正记着笔记呢，看到最后一行：代码和可复现性工件已公开。这年头把代码当后妈养的论文见多了——要么干脆不放，要么"coming soon"挂半年就没下文。这篇直接贴出来，先记一笔。 这期摊开的不是 repo，是一篇论文。

速评：全网都在转完成率+39%，真正该看的不是这根线，是那根从32.4%掉到11.6%的人际互动。 计划任务+34%，完成任务+39%，中位任务时长从45分钟砍到20分钟，这组正数刚好喂给"AI再进化一年，人类程序员就可以下班"的叙事。

读完 AgentSLABench，我给自己手头的 agent 动了三处：日志、预算、评测口径。二十分钟能搞完，不写代码，只改配置和习惯。 论文干的事其实很简单：给 agent 套上笼头再考试。

给 agent 的记忆层加防火墙——这事儿方向对，但绝大多数想干的人，账算反了。 最近看了个开源项目 ContextFirewall，干的事挺对路：记忆写入前拦一道，审一遍。MCP 搞成 HTTP 端点，Claude Code / Cursor / Windsurf 都能接。我认这思路，是真需求。为什么？

ChipTycoon 把芯片制造做成了游戏，这个方向我认——沙子进，CPU 出，每一步都做成动画，这比流程图好记多了。但他那句话我不信：「100% accurate」。今天不聊游戏好不好玩，就把这句"准确"从中间剖开。

Hetzner 放了个推理服务出来，这东西是什么。 简单说，就是这家卖独立服务器的厂商，自己跑了个模型，开放 API 给大家调。 这期收三条。 发生了什么 目前还是实验阶段，不要钱，也没有 SLA。只挂了一个模型，是 Qwen3.635BA3B。

这条在讲怎么把 Claude Code 的请求路由到 OpenRouter，单一账户接不同模型，包括免费的开源模型。出处是 dev.to，作者叫 Shreshth Goyal，7 月 31 日发的。 标题带"入门指南"，我一开始准备直接关。这组合的教程一堆，大半是照着官方文档抄一遍命令，读不出额外东西。

论文标题里仨词：神经符号、去中心化、治理。我盯了"治理"这俩字整整三分钟——过去几年，这词被用掉的次数比我的值班天数还多。 这篇给 AI 代理搞权限框架的，区块链智能合约验证凭据，还搭了个诊所原型，AI 想越权访问，被拦住了。看起来挺像回事。 我就问一句：治的是谁？

上周三晚上，我在一个数据出不了内网的环境里干活。本地开源小模型，八十页材料，要它生成一份三十页、连贯通顺的分析报告。前十五页写得有模有样，到第十七页开始不对劲——它不记得自己前文得出过什么结论，把某项成本越估越高，最后干脆杜撰了一条根本不存在的合规条款。 句子丝滑得毫无破绽。但就是错的。

前两天看 dev.to 的 "Stratagems" 连载，第 6 篇里有个细节把我卡住了。医疗供应链的 AI 合规监控系统，每天报告显示合规率 99.97%，一片绿色。但翻原始日志，一个季度积了 1530 个被过滤的异常标志——58 个后来确认为真实问题。供应商证书过期、冷链温度记录缺失……全是能出人命的东西。

前几天翻到 Giulio D'Erme 那篇 "The Answerability Problem" 系列第四篇，讲一个叫 REcall 的开源记忆层。这东西有个很挑衅的设计：写入的时候一个 LLM 都不调。零次。

先说结论：这论文不冤，值得进 ASE。但值得的原因不是它「揭穿」了多模态模型有多瞎——瞎这事我早知道了。它干成的唯一一件事，是把「瞎」从玄学变成了可以重复测量的数字。 《Pattern over Pixels》，arXiv 2608.03691。

速评：8月4日，arXiv上挂出一篇叫SciRet的论文。四个作者，没发新模型、没刷榜，老老实实做了一遍实证研究——在2026年八月的AI圈里，这个操作本身就是新闻。 论文研究的是科学问答场景下的RAG流水线，数据集用的是CORD19，三档语料规模，1K、5K、15K篇论文，看检索和重排序的表现怎么变。