用自然语言写代码的时代，
经验值得被认真记录。

上周有个 PR 在我眼前过，我盯着 diff 看了十秒，目光就滑到下面那一长串机器人 review comment 上去了。一整面墙。左边贴代码行，右边引经据典，语气礼貌，列了七八条。读到第四条我突然回过神——我刚才在看什么？ 我在看机器人写的小作文。代码一行没看进去。

最近 GitHub 上有人扒 Codex 遥测数据，扒出一个特别邪门的细节。我一开始以为是那种"AI 变笨了"的玄学指控，看了一眼别人画出来的分布，直接坐直了。 来，把这几个数画开： 不是平滑过渡。是在几个固定值上直接起高楼。几万条记录里，有几大千条精确地、死死地卡在 516 这个数字上。 我第一反应：这不就是截断吗？

你大概也撞见过这几件事：CI 里给 agent 的构建任务设了资源上限，超了直接杀；项目组的推理预算月中就见底，剩下的需求只能挑着喂；还有你明知道某个 agent 换更强的模型能写得更好，成本摆在那儿，你就是不换。 单看每件都像成本控制，摆到一起就露馅了：全是在用资源和预算管 agent。这件事到现在没名字，说不过去。

「每个答案都有据可查，每次推理都能追溯」——这届 RAG 文案天天挂嘴边，真拿脏问题喂进去，模型一本正经胡说八道完，你连该去查哪一步都不知道。传统 RAG 的流程没什么好夸的：检索 topk 文本块拼进上下文，模型哗啦啦生成一段。哪步出错？检索为什么挑中这几块？不知道。全黑。

这个动作你一周至少做两次：拉一个新的 MCP 进来，或者换一台机器，把私钥贴进 .env，然后告诉自己“文件权限看着呢，没事”。我每次贴完都有一点不安。环境变量挂在 /proc 里，有读权限的进程就能摸走，这我三年前就知道了，只是一直没动手。

最近有人问 Mesh LLM 是什么。 简单说，把几台谁也塞不下大模型的破电脑拼一块跑。 iroh 在 7 月中旬发的，作者叫 Rae McKelvey。 值得讲的不是分布式理念那套。是它那个叫 Skippy 的拆分模式。把模型按层切开，不同的层扔到不同机器上跑。 思路不新，但对普通人实在。

速评：FableCut 把一条视频的整个工程——素材、轨道、关键帧、转场、标记——全塞进一个 project.json。这个设计，比"AI 能剪视频了"这句话有嚼头多了。文章七月九号发的，作者也没藏着掖着，明说 Claude 帮写了 README 和大半代码。

先贴结构。 这是一个 7B 搜索器探索完仓库后吐出来的交接信息。它的复现声明会被扔进沙盒里跑一遍，跑不通的直接砍掉。 arXiv 上一篇叫 Scrouting 的论文（2608.04804），搞了个 SuperScout 系统，核心就是这玩意儿。一个 7B 模型充当侦察兵，去扒拉代码仓库，生成结构化的交接报告。

Manufact 拿了 YC S25 的牌，做 MCP 托管平台。GitHub 星标过万，SDK 下载数七百万，连 NASA 都在用——这故事讲得真好，账本上不这么写。你以为它卖的是 MCP 托管？其实它卖的是"一键过审上架"的通道费。

上个月在柏林的 LocalFirst Conf，演讲者在台上批评 LLM：制造垃圾、偷版权、烧电、是个泡沫。台下掌声很响。我旁边坐了两排，屏幕上开着 Claude Code，正让 agent 改一个 diff。散场一看 Discord，有人发了一句“这场听完我有点内疚”，底下十几个附和。

多代理讨论底下最常见的评论，我已经看到快免疫了："你们都说各自跑得欢，但两个 agent 吵起来的时候，到底谁说了算？"Orvix 那条 announcement 下面又有人问：前后端两个专家 agent，一个坚持 API 这么定，另一个说必须那么定，谁裁决？ 这问题被人问了小一年，我没见过哪个答案让人满意。

看到仓库就 star，clone 下来，然后让它永不见天日——这个毛病我熟。但我今天要说的是个狠人：dev.to 上有个哥们儿叫 Daniel，拿一个自己从没打开过的仓库，报名参加了 Bug Smash 比赛。 他挑的 issue 也很亲民：用户只发了一篇文章，仪表盘的 Posts 计数器显示 2。原因？

速评：Databricks 这篇编码代理基准，比这个月任何一场"史上最强"发布会都值得读三遍。但他们最狠的地方不在结论，在他们居然把 git 历史密封了。 先说这个动作。任务从近期合并的 PR 里筛，排除机器人和 AI 生成的变更，测试单独拆开人工检查。

凌晨三点，pager 没响。我睡不着，刷到一个实验，看完了更睡不着。 有人拿 150 个任务测 AI 智能体守不守规矩，比两种规则写法——一种"三段论因果式"，一种"祈使命令式"。预期一个违规率 5%，一个 25%。结果？俩都接近 0%。149 个零违规。 我第一反应也是：出鬼了？ AI 这么听话了？

大概一个多月前，Meta开了一场内部全员大会。扎克伯格站在台上承认：AI代理的发展速度，没有达到他们早先预期的那种加速。 我当时的第一个想法不是股价，而是那7000个被调进“Agent Transformation”小组的人，听到这句话是什么心情。

前几天晚上我在追一个 agent 的浏览轨迹。翻到一条日志，它的请求队列里突然冒出来一个 /.wellknown/embodiment.json。 我愣了一下。/.wellknown/ 我是熟的，给自动程序读的机器指令。但 embodiment.json？第一反应是哪个新出的标准。

圈内内参｜这篇记一个问题：一个上线一个月的新服务，怎么把“失败”包装成“成功”。服务是 AgentCore，AWS 6 月刚推的 agent 托管运行时，管容器部署、扩展、内存、调用那一层。7 月一位开发者在上面用 CrewAI 和 Bedrock 搭了个简历定制 agent，撞上一串坑。

有人写了一篇文章，讲自己 LLM burnout 了。 简单说，就是天天跟模型打交道，终于读到反胃。 作者是开发者。上班用 Claude Code，下班问 ChatGPT。但他发现一件具体的事。自己开始抵触读 LLM 的输出。 不是因为模型不够聪明。也不是因为答案老出错。

这篇不搭工具，搭一套怎么看榜单的方法。上周把 CursorBench 3.2 来回翻了几轮，值得看的就两类东西：主分那一列，和每次任务的平均成本那一列，其余是装饰。 开搞之前先确认你手里有真问题——是要给 agent 选型拍板，还是想找个参照价。没有的话，这榜看了也白看，热闹看完留不下东西。有的话，咱们开始。

2025 年 6 月底，Sylwia Laskowska 在 DEV 社区发了一篇东西，讲 AI 模型的访问限制和全球不平等。文章里引了一个叫 Pascal CESCATO 的评论，说收到 403 错误这件事，把抽象的地缘政治变得非常具体。