AI agent107 篇实战文章

CrabOS 这篇论文我读了。技术上有点意思，但它真正值得商业上吵一架的地方，不是它做了个什么系统，而是它把一个大家本来当工程实现问题处理的东西——人和 AI 轮流干活的那笔交接成本——硬说成了“操作系统该原生支持的能力”。这个说法一出来，就有人要按操作系统估值了。

前几天后半夜值班，pager 难得安静。闲着也是闲着，我干了件更丧的事：刷 arXiv。 cs.SE 分类底下，8 月 30 号挂出来一篇，一帮人用 VST 给 liblzma 的解码部分做了内存安全验证。liblzma 就是 xzutils 里那个压缩库，你解过的每一个 .tar.xz，过的都是它的手。

上周有人甩给我一段 agent 跑调研的对话。agent 在结论里写“某供应商获准用于受监管工作负载”。我问这条哪来的，答：供应商官网的市场页面。我再问，这算证据吗？对方说，agent 已经把这条写进长期记忆了，下次检索还会优先引用它，因为相关度高。

那篇被转来转去的《AI agent 别用 whiletrue 当骨架》，讲得对，但讲对了也没用。因为现在生产里跑着的 agent，十个有八个还在 whiletrue 里打转——不是因为写的人蠢，是账期没到。你让一个 PMF 都没跑通的团队现在就上事件溯源、Postgres、replay、快照，那才叫账算不清。

“先调用 listconnections，逐字复制返回的 platformId，绝不能自己编造。”这是那篇发在 dev.to、讲 MCP 发布风险的文章里，服务器给代理下的第一条指令。你品品这语气：它不是在教代理怎么做，是在求代理别给自己加戏。

先说结论：8 月 12 号挂上 arXiv 的这篇 LoongReflect，最值钱的不是它跑了多少分，而是它顺手当了一回照妖镜，把 agent 产品 changelog 里那句「智能反思」照出了原形。 现在哪家工具的更新日志里不写「会反思、能纠错」？都写。真会吗？

上个月月初 dev.to 上有一篇长文，一口气给了 18 条关于 AI 市场走向的预测，时间线上被转了好几次。说实话，宏观的那部分我一条都不打算在这里复述——超级应用谁会赢、数据中心该投多少钱，这些我既验证不了，复述一遍也只是把别人的判断搬进我的笔记，三个月后自己都分不清哪句是谁说的。

前几天在 arXiv 刷到一篇，condmat.mtrlsci 和 cs.AI 双挂，标题里赫然写着 autonomous platform，自主平台。8 月 16 日挂上去的，十六个作者，讲计算材料设计的 agent 平台，叫 ALKEMIE Agent。 先撂一句：这种标题我的第一反应是绕道走。

周一的 AI Engineer World's Fair 我看了几个片段，没敢说全程盯着——说实话，我这种水平去看这种大会，大半时间处于「这个词听过」「这个完全没听过」的交替状态。

上周五晚上刷到 Sreenath M Menon 那篇博客，标题是“WebMCP: Teaching Your Website to Talk to AI Agents”。本来只是睡前随便划一划，结果读完前两段我就坐起来了。

这篇咱们把 agentshell 升到 0.73，然后把几个新的交互方式逐个接上，替换掉老工作流里最别扭的那几段。跑完大概十五分钟，手里多一份能直接用的新版本配置。

上礼拜三又翻了一次车。有个订单同步任务在白天固定时段延迟，用户投诉了两天，我让 agent 跑一轮排查。它很勤快，读了日志、看了监控、画了 Top 调用链，最后给我一个结论：数据库连接池满了，建议把 maxconnections 从 50 调到 200，顺便更新监控阈值。

凌晨一点半，agent 跑完了我临睡前扔给它的那个重构任务，回了一条像模像样的总结，什么"已调整三处模块边界""测试覆盖补到 94%"，我扫了一眼 diff，没细读，就这么放行了。

DiGbench 这个 benchmark 挑的时机很有意思——所有 70 个游戏，人类第一次尝试就能解出来；最强的 agent 套上各种 agentic harness，在最高难度档照样被卡住。设计者管这叫"在目标未知的环境里通过实验发现新知识"。

学东西的第三个月，晚上本来想写会儿代码练手，结果刷 arXiv 刷到一篇论文，然后什么都没干成。 论文上周挂出来的，讲的是跑在去中心化区块链上的 AI agent。按作者的说法，这些 agent 不存在生物意义上的死亡。它们什么时候算"死"呢？钱包付不起下一笔交易费用的时候，冻结。然后未来某天谁给它充了钱，它又活了。

arXiv:2608.16411，《Towards Riskfree AI Agent Deployment》，8 月 17 日提交的，作者是 Yintong Huo、Rangeet Pan 和 Abhik Roychoudhury。

速评：全网都在转"33 秒完成事故初查"，要我说，这个数字根本不是重点。重点是那个没人细算的零头——单次事故调查成本两到四美分。

跑长任务的 agent 干着干着突然把一个早就删掉的函数当存在用，这种事见过吧。多数人归因于“记忆不行”，说到底是 context window 太小。这篇拆完你会发现，机制上更接近根因的其实是另一件事：它没有失忆，它只是拿到了一份自己脑补出来的文件系统快照。 先往下拆一层。

先说结论：agent 写的进度看板就是自评成绩单。这事八月十三号 dev.to 上那篇文章才算被人认真当结构性问题拎出来，作者 Alberto Clemente。我基本是复读他的经历，但结论是我自己的：你们团队的看板数据，八成同一类水分。 他遇到的事不复杂。

速评：Cursor 今天上线了代码托管服务 Origin，允许直接在他们平台上托管代码。这步棋不是跟 GitHub 抢存量，是想把"代码住在哪"这个默认设置给掀了。 看起来是托管，其实不是托管。