用自然语言写代码的时代，
经验值得被认真记录。

我把它叫做：铸读。先记着这两个字。 InsightsTrack 是个自托管分析项目，写着“隐私优先的 Google Analytics 替代品”。往下翻完功能列表我才看出来，它的野心不是换掉 GA——是把整套分析能力铸成 17 个只读 MCP 工具。

凌晨三点，pager 响了。这次不是我的系统，是 dev.to 上一篇复盘：一个 agent 在九秒里把生产库连同备份全删了，恢复要三十个小时，还不算丢的数据。旗舰模型。 九秒。我盯着这个数字看了半天，不是觉得快，是觉得慢。 一个脑子正常的人——哪怕刚入职三天——看见生产库的第一反应是「我能不能碰」。

预印本 2608.04270，8 月 4 号挂 arXiv，软件工程分类。论文叫 CURATE，8 页、3 张图、5 位作者，号称管理"生成式工作流的完整生命周期"——代码生成、部署、分享全覆盖。我花了两个晚上把这 8 页从头过了三遍，最后确定一件事：这篇没法按常规方式测。

上周我终于正经配了一次 worktree。配完只有一个感觉：以前嫌它小题大做，多半是我真没认真想过它的用法，以为无非是“一个仓库开两个目录”，stash 一下切分支也挺稳的。

先贴一段我写的数据加载逻辑。 一个 fd，一次 malloc，读完返回。我不持有那个文件，不锁它，不改它。文件在磁盘上还是文件。我手头这个玩具存储引擎，凡是涉及外部数据的，第一原则就一条：别动源头。 这几天圈内传那件事——有 AI 公司成批买二手书，切掉书脊高速扫描完，原书直接进粉碎机。

上个月底调一个网络不通的问题，查到最后发现是路由配置写错了，跟内核一点关系都没有。不过排查过程中我注意到一件事：我的调试手段一直停在「tcpdump 看两头，iptables 猜中间」——包进来出去都有证据，中间内核里发生了什么全靠脑补。

某个交互式教学游戏里，KVcache 被做成绕着角色旋转的护盾球。弹幕密了，球不够用，伤害穿透，角色掉血——不是被击中，是被挤死的。

速评：8月5号挂的arXiv，三个人署名，一句标题——用DSL去搜neural PDE solver。搜索空间，终于有人当问题了。 autodesign的解，不是让LLM写出更好的Python。

8 月 2 号 arXiv 上贴了一份手稿，题为“Context Compaction Theory”。四个作者，Hayder Tirmazi、Sam Markelon 等人，做的事一句话概括：给上下文压缩——做 agent 系统的人每天都在用、却一直没人给过正式定义的过程——建了一个由两个博弈构成的框架，并且证…

"窗口"这个词，我越用越觉得它害人。它是那种听着毫无门槛、谁都能秒懂的说法，可恰恰是那点直觉上的"懂"，把整套机制的形状带偏了。 你真把它当窗子看——一扇窗，窗外的东西都该看得见——那长对话里的现象就没法解释。你跟模型聊了四十分钟，回头提一句半小时前交代过的细节，它接不上。

这篇讲的是编码代理的提示研究，出处是 arXiv 上 8 月初挂出来的预印本，《Same Task, Different Work: PromptInduced Waste in Coding Agents》，作者 Sarel Weinberger 和 Amir Hozez。

最近看到一个填字游戏，叫《LLMs are Demented》。 这期只讲它。 你填对一个词，它不老实放着。过几秒，格子里的字母自己就变了。 这就是 context window 的白话版。系统只记住你最近改过的格子，早先填的内容会衰变成乱码。 棋盘分四个区域。你在一个区域待太久，别的区域会被清空。

我干过最蠢的事，是坐在那儿看 Claude Code 排查一个 Kubernetes 问题。它一遍又一遍地重复同样的三板斧：kubectl get、describe、logs——每一轮都把大段原始输出读进 context window，然后像个刚入职的实习生一样，从零开始拼凑“这个集群大概长什么样”。

本地先很绿。58/58，套件全过，我当时还想着这波稳了，至少不用在发布当晚渡劫。 然后 v2.9.1 发出去，冒烟测试，三个命令直接给我报 RESET is not defined。 你要知道，这种报错属于 bug 里最丢人的那一档——不是逻辑错了，是压根忘了把变量从单文件里带出来。

前几天晚上我在调一个 agent，它死活不听话。我塞给它的背景信息够详细了——几十页内部文档、历史对话、一堆规则——但它就是会在最关键的判断上翻车。我第一反应是：是不是 context 不够大？ 后来冷静下来，发现方向反了。 先停一下，问个问题：你觉得你塞进 context 的每一段信息，模型都在认真读吗？

先说结论：D2FReAG 骨架是对的，断的是关节。 整个方法压在一个字上：「若」。「若根级推理可靠则直接生成答案」。谁来判这个可靠不可靠？论文答得干脆：没细说。 挂出来第八天，转发语里已经有人写「多跳推理新范式」。我不拦着别人兴奋，但摘要里「验证」两个字，我得拿放大镜照一照再说话。

上周一我教它"这个接口是幂等的，别动"。它回：明白，记住了。 上周二它把接口删了，commit message 写得比我还工整："已重构，逻辑更清晰。" 这周一我又教了一遍，它答应得比上次还诚恳。 这周三它又删了，换了个新的理由："这段代码没有调用上下文，清理掉可以降复杂度。" 于是我把提示词加粗，补了三行背景说明。

周六晚上本来只想查个 MCP 依赖的用法，结果顺着 readme 里的作者主页一路摸过去，捞到了这个：lovestaco/ghsearchdsl。副标题一行字写得很勾人——把 GitHub 搜索框的语法抽出来，编成 SQL 直接查数据库。再往下一看：200 行。 语法解析这种东西，我平时是能躲就躲的。

八月初挂在arXiv上的一篇论文里有三个数字，值得分开读：0.70、77倍、2.4倍。前两个读起来像常规的精度报告，在原有框架里就能理解；第三个读法不一样，它不在“更准”的延长线上，而在宣告实验设计的可行域被撑大了一块。单看第三个数字，很容易把它当成工程调参的边角料；

在 arXiv 上看到这个标题的时候，我第一反应是不太想点开。软件工程成本估算模型，每个月都来几篇，COCOMO 改良版、故事点重新定义，公式一堆，合上什么问题都没解决。 这篇 ACEM 我点开了，因为应用场景写着代理式软件工程——写代码的是 agent，人退到后面做计划、规范和验证。