abananaLv.5

今天在给自己项目的 CLAUDE.md 补一段写作规则，顺手去 claudecode 的仓库里翻翻别人都是怎么写的，翻到 issue 77136。这条是 7 月 13 号 pbower 开的，到今天还挂着 area:model 和 bug 两个标签，没有 assignee，也没有关联的分支或者 PR。

前几天翻到 ravynOS，起因很朴素：手边有台老 MacBook，想找个轻一点的非 macOS 系统装上去折腾。官网首页看下来第一感觉是做得挺好看，第二感觉是它想做的事真多——兼容 macOS 应用、全局菜单、统一 Command 键、拖放安装、原生 Cocoa API，一屏写满。

前几天在 dev.to 上翻到 James Anderson 的一篇文章，列了 AI 应用过度工程的 7 个迹象，每条配了替代做法，最后还给了一份预防手册。评论区三十来条，基本都在讲自己踩过的坑。 七条我不打算挨个复述，那种清单你直接去看原文更快。

今天这篇笔记有点跨界，记的不是某个配置项，而是一篇上周刚挂到 arXiv 的论文（编号 2608.28281，名字叫 LoopArena）。我平时不太追新基准，一年到头挂出来的基准比真正能用上的多得多，但这篇让我停下来读完了，原因很具体：它测的那段东西，正好是我自己脚本里最没把握的一段——loop 的控制权。

前几天在 arXiv 上刷到一篇讲编程智能体作弊的论文，Francesca Gomez 写的，8 月 29 号首次提交，9 月 2 号刚出了修订版。顺手把里面的数据拆开看看，越拆越觉得说的是我自己的一个毛病：我那份 CLAUDE.md 里防作弊的部分，从头到尾全是禁令，通篇「不许」，活像一份宿舍管理条例。

今天在收拾一串 fixup 提交的时候踩了个坑，顺手记一下。场景是用 git rebase i autosquash 合并补丁提交，Git 打印了 Successfully rebased and updated，我以为完事了，回头一看 log，那条 fixup 提交还完整地躺在历史里。

今天在收尾一个小功能的时候，给上一个 commit 补了两个漏掉的文件，push 直接被拒了。操作就是 git commit amend，报错是老熟人 nonfastforward。

今天早上刷到 ClaudeDevs 在 X 上的公告：9 月 14 日起，Claude Code 的周用量额度永久上调 25%，Pro、Max、Team 和按席位计费的企业版全部覆盖。第一眼看着是好事，到我看的时候那条帖子已经两百多万阅读了。但我把数字拆开算了一遍，结论是：对我接下来几周的排期来说，这不是涨，是降。

昨晚周五，本来在改一个 CI 脚本，摸鱼的间隙刷到 OpenAI 的声明：终止和 Cursor 的合作，而且在合同允许的最晚日期之前，不会再提供任何未来的新模型。今天早上几个群已经在吵“影响大不大”，吵到后面基本变成站队了。

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。

前几天刷到陶哲轩 8 月 18 日的博客，说 Palomar 登记处正式开始接受 Lean 验证数学成果的提交了。这个东西由 Lean FRO 和 ICARM 孵化，定位类似一个面向 Lean 证明的预印本服务器，登记的是外部 GitHub 仓库的特定提交快照，不替你保管代码。

前几天翻 arXiv，看到一篇 8 月 11 号挂出来的论文（编号 2608.13607），讲模型版本更新之后怎么预测「单样本回归」。这个问题我自己踩过：升级模型之后跑一遍评测集，整体分数涨了，皆大欢喜，结果仔细一对答案，发现有几个之前答对的样本这次答错了。当时我的处理方式是耸耸肩——整体涨了嘛，正常波动。

今天在 dev.to 上刷到一篇七月下旬的文章，讲的是给 Claude Code 加一个有状态的图像编辑能力，项目叫 nb2liteskillclaude。

今天在读一篇讲 COSP 的文章，顺手记一下。COSP 是 Wan 和 Google 的同事提出来的一套方法，核心思路一句话能讲完：让 LLM 从自己采样出来的答案里挑出几个例子，当作 incontext examples 嵌回 prompt 里，再跑一遍，最后对多条推理路径做 majority vote。

今天在做的事有点特别：前几天刷到一篇 Joel Abenhaim 写的论文，讲的是在无人工代码审查、无预定义测试预言的条件下，让 AI 编码代理靠“规范优先”协议完成了一次大规模架构重构。对象是一个 3,648 个文件、717,725 行代码的生产环境 TypeScript 应用。

今天跑 DiagramMMU 被一个结果卡住了，顺手记一下。这个基准 8 月中旬挂上 arXiv，3,700 张人工精选的科学图表，18,300 道人工验证过的题，六个学科。我本来只是想测一下手头模型读图的能力，结果发现真正有意思的不在问答那一档，而在两个图表到代码的任务上。

前几天在 arXiv 上刷到一篇 8 月 13 日提交的论文，RAGSieve，讲的是 RAG 里的知识投毒检测。让我停下来读第二遍的原因只有一个：它不依赖标记好的毒化样本，也不需要一份可信的对照语料，参考基准是从被检测系统自己身上构建出来的。

前几天翻到 8 月 13 号挂上 arXiv 的那篇 Vero，讲的是用 benchmark 评估 agent 在仓库级别同时写实现和写证明的能力。43 个多模块 Lean 4 仓库实例，带预定好的 API 接口、人工整理的 spec 和参考实现，支持 proofonly 和 codeandproof 两种模式。

前几天翻 arXiv 翻到一篇 5 页的短文，James Adam 一个人署名，8 月 13 日挂上去的，讲给编码 agent 做项目记忆。说实话一开始没抱期待，这个方向的论文一年几十篇，大部分是把 RAG 换个说法再讲一遍。

前几天读到一篇 8 月 14 号挂上 arXiv 的论文（编号 2608.13884，24 页），做的是一件挺费功夫的事：把 vLLM 和 SGLang 这两个仓库从创建到 2026 年 6 月的所有已合并 PR 全部拉出来做纵向分析。