arXiv 2608.25241，题目起得一点不抓人，A Few Pages of Markdown。八月挂的 v1，九月中补了 v2，八个作者。没人转给我，我大概就划过去了。
但最值钱的那个数不在这几个时间点上。是 73.8%。不是那个四级模型，是这个数。等会儿说为什么。
先画开它在量什么。
我第一版以为，"AI 配置"就是聊天框里那段东西——你敲在前面的那几行规矩、那份 CLAUDE.md、那个 .cursorrules。
等等等等，先别急。这里恰好就是我画错的地方。
RAMP 量的不是你怎么用 AI，是你把什么提交进了版本库。行为规则、编码规范、具名 agent 的定义、多智能体编排——这些得作为文件躺在 repo 里、被 git 记下来，才算数。聊天框里敲得再漂亮，没提交，人家当你不存在。
这个区分我一开始没当回事。后来才反应过来，整篇论文的重量全压在这上面。
画张图，这四级大概长这样：
L1 行为规则 / 编码规范 一句话的"你别这么干"
L2 具名 agent 定义 起名字、划职责、绑工具
L3 多智能体编排 几个 agent 之间怎么互相喊
L4 ……论文里基本没见着活体
441 个 repo，独立人工标注在留出样本上复现一致率 97%。这条别跳过。97% 说明层级之间的边界是清楚的，换个人照着规则标，能标出同一个东西——不是那种"看感觉分档"的成熟度模型，那种你换个人标就散架。
第一版我把这张图画成了向上的阶梯。团队一级级往上爬，越高越强，爬到 L3 就叫成熟。
然后我撞上 73.8%。
73.8% 的工件只被提交过一次。提交之后，再也没改过。
我盯着这个数看了半天。咔哒一下扣上了——这不是阶梯，这是沉积层。✨
阶梯是你往上走，下面那级就被抛在后面；沉积层是一层压一层往上盖，每一层盖完当场冻住。你 L1 写的那几行"不要用 any"，三个月后还在那儿，原封不动，agent 每开一个新会话都从第一行读到那儿。
我以为的： L1 ──► L2 ──► L3 爬梯子，越高越强
实际的： L3 ━━━━━━━━━━ 最新的，可能还在动
L2 ━━━━━━━━━━ 冻住
L1 ━━━━━━━━━━ 冻住
↑ 只往上加，不回头改
论文自己的说法是：累积、只向前推进、设置后不再改动。累积是好事，说明确实有人在一层层往仓库里加东西，不是嘴上说说。"不再改动"是另一回事——它意味着这些文件写完之后，再没人回去看过一眼。
打个比方：这特别像给新同事写的那本入职手册。写一次，贴墙上，从此没人翻。
这个比喻在哪里漏风？我一开始觉得严丝合缝，后来发现漏得挺厉害。
手册是给人看的。人不是照本宣科的机器。他读到一条过时的规范，会自己判断，会来问你，会在心里打个折。手册写死了也没关系，因为读它的那个东西是活的。
AI 配置不是。读它的东西没有项目记忆，没有"这条好像不太对"的直觉，它每次开新会话，从第一行读到最后一行，照单全收。
所以"给同事写手册"和"给 agent 写配置"，看着是同一件事，其实不是。手册是冗余的提醒，配置是决定性的输入。手册放着不动，最多是没人看；配置放着不动，是每一次执行都按一个三个月前、没人验证过的判断来跑。
代价不对等。而 73.8% 说明，大多数人还在用前者的心态管后者。
质量那段，是我最想泼冷水的地方。
论文里有个数：在能识别出对比的 agent 优先仓库里，没提交 AI 配置的仓库，认知复杂度增幅大约是有配置的两倍——+53% 对 +27%。静态分析告警是后者的 1.7 倍。
这数一出来，已经有人在传"配了 AI 配置，代码质量好一倍"。
别急。作者自己先把话钉死了：成熟度是观测性指标，工程纪律或模型能力的差异都可能解释掉一部分质量差距，所以结论定位成"生成假设"。RAMP 是当工具放出来的，不是当 KPI 放出来的。
翻译一下：会不会是那些本来就爱管代码质量的团队，恰好也更爱把配置提交进仓库？很有可能。这俩东西是同一种"在意整洁"的性格的两个出口。作者没否认这点，作者自己先说了。
所以我不会说"配了就好"。我说的是：回去翻一眼自己的 repo，有没有一份提交过的、还在被读的配置。没有的话，那个 +53% 是不是正发生在你身上，你自己心里有数。
速度那部分我觉得比成熟度模型本身有意思。
作者在每一层内部重估了一遍既有的智能体采用面板数据，发现编码 agent 让提交量涨了 28% 到 38%——不管你在哪一级，都涨。
并排画出来：
提交量涨幅 认知复杂度增幅
没配置的仓库 +28~38% +53%
有配置的仓库 +28~38% +27%
↑ ↑
跟成熟度无关 跟成熟度有关
加速是 agent 自带的，你配不配它都加；分化只出在质量上。也就是说，你没法靠"不配"躲开它带来的速度，只能靠"配"去影响它带来的那部分熵。
这句同样踩在"生成假设"的限定上。别拿它当定论，拿它当"值得自己回头看一眼"。
L4 我没画。论文里也说实际观察主要集中在前三级，多智能体编排往上那档基本是空的。
这一段我也还没完全想明白——是 L4 太难没人够得着，还是 L3 已经够用、没必要再往上？两种解释指向完全不同的东西，我现在分不出来，先放着。
自检留一个：现在你能不能用自己的话讲明白，为什么"提交进版本库"这件事，是这篇所有数字的前提？
讲不顺、卡住的地方，多半也是我卡住的地方。
本期画开：你以为 AI 配置是聊天框里的一段话，其实它是一份躺在仓库里、被反复读、而且大概率没人再改过的文件。太酷了——酷在这么小的一个动作，能撑起 441 个 repo 的质量差异。