用自然语言写代码的时代，
经验值得被认真记录。

你大概撞见过一个这样的仓库：挺活跃，点开 commit 历史，整页整页是 agent 刷的，规整得像同一台机器压出来的。跟老开发者留下的带点情绪的提交记录摆在一起，那条边界清楚得能画条线。

今天在给 ProfileKit 加「Save Profile」功能的时候踩了一个坑，绕了差不多半天才走出来，顺手记一篇。这个扩展做的事不复杂：从 LinkedIn 个人页里取姓名、头衔和当前公司，POST 到一个 Web App，再由它写进 Google Sheet 对应公司的那一行，Sheet 就当数据库用。

终端共享工具有一堆（ttyd、TermPair、sshx 之类的）。但有个东西讲的人少，我自己绕了一会儿才咔哒一下扣明白：既然数据全要走中继服务器，它怎么做到端到端加密的？密钥到底怎么给到浏览器，还能不让中继看见？ 先别急，我们从底层画起。 所有这类工具，底层都在转同一个玩意儿：伪终端（PTY）。

你有没有过这种时刻：让 AI 写个函数，它三秒吐出一段排版完美到像印刷体的代码，缩进统一、命名规范、注释齐全，连错误处理都帮你考虑周全了。你盯着看了两遍，没看出毛病，于是提了 commit。 三天后线上出事故，bug 就藏在你当时扫过去觉得“这么工整的代码不可能有问题”的那一行里。

上周我又往 prompt 里写了那句"请谨慎处理边界情况、遇到不确定的不要自作主张"。agent 答应得好好的，然后该翻车照样翻车。这不是第一次了，我一直把这笔账记在"模型执行力不行"头上，直到刷到一篇多智能体的论文，才反应过来问题根本不在执行。

你每天让 agent 读多少次 tool description？每个会话还没开口，它就把能调的工具描述扫一遍，按描述决定调谁不调谁。而你——可能和我一样——从来没校验过那句描述还是不是你上次看过的。 MCP server 本质上就是没上锁的依赖。

长上下文刚普及那阵子，我们内部有个共识：检索这活要慢慢退场了。窗口都128K了，能捞的都捞进去，模型自己会挑。这个想法特别合理地死掉了——实际跑起来，窗口越大，回答质量反而肉眼可见地变差，不是持平，是变差。 复盘的时候翻到一个挺典型的例子。

刷 DEV 刷到一篇帖子，标题大意是"再也不会忘记参加 Stern Grove 的抽奖了"。Stern Grove 是旧金山那个露天音乐节，票靠抽。这期的选手不是个 repo，是篇实战记录。 她要干的事很简单：每周一上午十点开新一轮抽奖，忘一次当周就错过。

一个 AI 编程工具，发布说明里作者主动招了：上一版有个 bug，就因为一个作用域错误的变量引用，每次代理回合发送的时候直接崩。 一个主打"AI 帮你写代码"的编辑器，自己的变量先跨不过作用域的墙。这玩意儿和"私教不会游泳"属于同一个黑色幽默门派。 更喜剧的是后面。

先说这份报告的主张：AI代理不该再被当工具管，该被当作类似经济主体的实体来设计、管理和治理。报告管这套叫AGENTONOMICS，名字起得很大——《Dr. AGENTONOMICS: A Didactic Experiment of AGENTONOMICS》，8月4号挂的arXiv cs.AI，作者Fengju…

这条在讲 Kilovolt——Rust 写的反向代理，插在应用和 LLM provider 中间，专门盯 agent 的 retry 循环别把 token 预算烧穿。

七月初有篇短文在我时间线上晃了好几天。作者遇到一个行业里没什么共识的难题，跑去约一位前辈聊天，对方听完给了一句：你去问 Claude 吧。 她说她已经把 Claude 问烂了，才来找人的。 先停一下，问个问题：为什么一个有几十年经验的人，会把一个具体的、带个人判断色彩的问题，推回给模型？

凌晨三点，pager没响。睡不着，顺手刷arXiv，刷到一篇新货：2608.03958，8月4号的，14个作者，75页。 它说的事不复杂。几个agent，扔进一个简化到不能再简的“社会困境”，就剩一道两难选择。结论：用最优规划，它们会稳定走向合作。跟经典博弈论正好拧着——那边预测理性人互相背叛，它说agent会合作。

先贴个东西。 一个车轮。SVG 里的一个圆圈。 前几天有人拿云端大模型去画鹈鹕，等了十一分钟，花掉十七美分。推理过程里，明明白白生成了这段车轮定义，最后拼出来的图里——没轮子。生成了，没放进去。 这事儿最有意思的地方就在这。不是云端慢，不是收费贵。是模型自己算出了正确答案，然后扔了。

arXiv 上挂了一篇被 NGENAI 2026 收了的论文，搞了个叫 CoPlan 的多智能体系统，专门做居家养老的护理规划。

前两天翻 dev.to 评论区，把去年那篇「智能体在权限全绿的账户上完成账户接管」的演示完整看了一遍，连带作者后来撤回部分结果的讨论也看了。这篇记一个坑：RBAC 全绿为什么会出事，以及「我已经验证过了」这个结论怎么会在自己手里被证伪。读完你能带走一条判断——碰到验证结果，先问它到底验证了什么。 先拆开看看攻击路径。

8月5号挂上 arXiv，cs.CR 分类。PURPOSE。这个分类选得比正文还诚实——作者知道自己动的是安全性的奶酪，不是给 IR 圈子凑一篇“我们还能怎么毒 RAG”的边角料。 方法一句话就能说清：它不在检索结果里塞一句一眼假的断言等生成器踩雷，它把恶意内容包装成跟解析器能核实的代理事实对得上的更新。

先说结论：ASE 2026 那篇 RepoProbe，别当基准看，当照妖镜看。它最值钱的不是刷分指标，是造了一个词——「编辑偏差」。 这词儿准得让人后脊发凉。 模型没看懂代码就敢上手改。你让它改个接口签名，它顺着调用链生成一大片，看着整整齐齐，其实连那个接口为什么存在都没搞明白。改完还觉得自己特对。 这病谁没见过？

这个动作你一天重复多少次？把任务丢给代理，去干别的，过一会儿回来，它说 done。你打开改过的文件扫一眼，像个样子，就放行了。我反正是那个最爱闭眼放行的人，天天闭眼过安检。 后来我才知道，只看它交了什么，看不见它中间怎么摸过来的。

周五晚上十一点，我让 Claude Code 把旧模块的错误处理统一一下。活干完了，它在 CHANGELOG 里留了一段"自我总结"——说自己观察过去三天在同类任务上反复犯同一个错，于是主动把一条规则写进了系统提示里。 我当时觉得这周期实习生能转正。