Claude Code158 篇实战文章

改一版、跑一遍、翻报告、猜是哪一步没对、回去再改，再跑一遍。这个循环我一周要转几十次，转到后来手指比脑子快，脑子已经懒得转了。 上周一 arXiv 上挂了一篇 HLSClaw 的论文，八个人做的，编号 2611.02784，主分类挂在机器学习下面，交叉分类到软件工程。

上周三晚上给新项目写 CLAUDE.md，写到第三段手停住了。这段话我上半年在另外两个项目里写过，一字不差，连“不要动 migrations”后面跟感叹号的位置都一样。 第一行是去年一次事故换来的。让实习生（Cursor，别问）顺手把字段类型统一一下，它把三个历史迁移文件就地改了，本地全绿，预发直接对不上。

247 次任务块检查，11 次记下了未申报改动，只有 4 次真的把活停了。 数字来自 11 月 3 日挂上 arXiv 的一份 15 页论文（arXiv:2611.05094，cs.SE，v1）。

上周末我在改一个老项目，让 Claude Code 把一套已经长歪的鉴权逻辑“理一下”。它改了 projectservice.py 和 projectapi.py，两个 diff 我逐一看了，没什么毛病。

昨天有人在群里丢了一篇 arXiv，2611.06506，Trace2Eval，11 月 4 号挂上去的。配文五个字：“看这个，19 个点。” 我点开看了。结论先撂这儿：一半我认同，另一半我等着看它被拿去当月报素材。 现在的 coding agent 榜单，题基本是公开的，带参考补丁，或者藏着测试用例。

先把原稿里那个 curl/8.7.1 Wikipedia contact: 你的邮箱 摆在这儿。 每天有无数条这样的字符串从无数台机器上发出去，没人多看一眼。UserAgent 这一栏在大部分人眼里跟信封上的邮票差不多——挂着好看，不影响投递。直到有人在流量里认出那串邮箱是自己的。

速评：这标题写歪了。 10 月 18 日那篇 Deis 发布文我读了两遍。第一遍跟着大流看的是“一周、18 次 Claude Code 会话、89 次提交、364 个测试”；第二遍才反应过来，这些数字是写给奖项评委看的，真正有信息量的东西埋在评测表格里。

半个月前读 Ali Navidi 那篇 AI Stole Our Happy Place，读完其实没什么反应，倒是第二天早上打开终端，代理还没开工，我先按了个空回车。手指先动了，脑子还没动。 那篇写的事不复杂：以前写代码是能整个人沉进去的，像进了另一个世界，现实里的压力暂时够不着；

Earl Grey 这篇写的是给妻子做的 Cuenta 应用，10 月 20 日发在 dev.to。我放进夹子之后一直没点开，后来看到评论区 Oleksandr 说「一个错误猜测一路带到最后」是全文最有价值的部分，才回来从头读。 这条在讲什么。作者妻子 E. 在圣巴巴拉做批发烘焙，四家咖啡馆客户。

凌晨一点多，顺着一个游戏开发者的转推点出去，落在 kylekukshtel.com 上。标题四个词，《Your Game Is A Harness》。 来历先交代一句。

快十二点了。 我还在 debug 一段自己都没想清楚要干嘛的代码。刷到那篇访谈纯属偶然，Duske，TrenchBroom 的作者。本来只是随手点开，结果第一句话就把我按在那儿了。 先说我在干嘛。我给自己那个小得可笑的项目加一个功能——具体是什么不重要，反正在我脑子里已经有个“正确”的样子了。

十天前翻到 dev.to 上 Harsh 那篇讲「AI 把写代码变便宜了，为什么软件交付还是贵」的文章，评论区我翻了两遍。他举的例子我印象很深：认证流程这种带数据库结构、API 路由和单测的活儿，三十秒能让 AI 生成一份；可另一个他自认为简单的功能，从动手到进生产走了三周。

每开一个新会话，先挑模型，再挑推理档位。我数过，一天三十次上下，多的时候五十次。 以前我从来都是拉到最高档，理由很省事：贵一点总不会更差吧。 十月十五号 Dex Horthy 那份 SlopCodeBench 更新，把这句话打掉了。

最近到处都在说 Claude Code 扩展被塞了后门。 先把这句讲清楚：出问题的不是 Anthropic 写的那份代码，是扩展发出来的那条渠道。 简单说，一个扩展从谁手里发出来，比它上面写着谁的名字更重要。

上个月月底，我把 Claude Code 的 OTel 按 querysource 拉了个分组，盯着看了一会儿，没说话。 装钩子之前那一周的账。给后台代理那张进度条写三五个词的路径，比我自己跟模型的正经对话还贵。 我第一反应是算错了。第二反应是——这数要真长这样，别的地方是不是也这么收过我钱。

一天里我要翻好几次 agent 的运行日志，图的是同一件事：工具那一步通了，读数也对，最后落到结论上却是另一种东西。上周第三次翻到这种日志，我去 arXiv 上找了找有没有人把这件事写清楚。 还真有。

上周三晚上我干了件现在想起来还有点脸红的事。 开两个终端，两个 agent，改同一份代码里不同的地方。当时心里冒出来一句「又不冲突，各改各的，最后 merge 一下不就完了」。 merge 完，测试红了一片。 我干的第一件事是挨个审它们，问“你刚才动了什么”，想把出错的那个揪出来。问了一圈——两个都没错。

夜里翻一个搁了小半年的旧项目，想给它添个不起眼的功能，顺手把根目录那个指令文件从头读了一遍。读到第三行，人愣住了：上头写着我早就不这么干了的一条约定，写得斩钉截铁，末尾还加了个感叹号，像当年那个我在跟现在的我吵架。仓库里的代码早就拐到另一条路上去了，只有这行字还留在原地，像渡口边一块没人搬走的旧碑。

前几天在 Claude Code 里让它帮我找一个 Mathlib 引理，我敲进去的大概是「filter 和 eventually 那个，单调有界最后收敛」。它来回查了好几轮才摸到对的地方。

0.99 的单步成功率，十次链剩 0.904，五十次链剩约 0.61。我第一遍看见这个数，以为是哪个地方算错了，自己拿 python 敲了行 0.9950，还是这个数。0.99 跟 1 差的那点，在链长面前不是一点半点，是差出一大截。 这些数散得到处都是，各算各的，到现在没一个共同的叫法。