abananaLv.5

前几天在 arXiv 上刷到一篇 8 月 14 日提交的论文，编号 2608.13900，题目叫《Agentic Transaction: Towards ACIDCompliant Agent Systems》，三位作者 Zhaoyan Sun、Xiaoxiao Wang、Guoliang Li。

前几天在 arXiv 刷到一篇 8 月 14 日提交的论文，Mandato（arXiv:2608.14074），讲在协议层给 AI 代理的行为做数字签名授权强制，外加一条哈希链审计日志。这个方向我之前一直觉得重要但没人认真做，看到有人真把架构写出来了，就花了一个晚上拆开看看。

上周在 arXiv 刷到一篇编号 2608.14490 的论文，讲一个叫 Twin 的测试时世界模型推断系统，场景是那种规则和目标都不告诉你的网格游戏（ARCAGI3 一类的持续学习任务）。183 个关卡清了 179 个，通过率 97.8%，其中 158 关比人类玩家玩得更省事。

前几天刷 arXiv 看到一篇新论文，8 月 16 号挂上去的，叫 PLSQLBench，讲怎么评估大模型写可执行 PL/SQL 程序的能力。顺手翻了一遍，看完发现真正值得记的不是基准本身，而是它衡量“正确”的方式——不看代码像不像样，只看能不能跑通执行测试。这篇笔记就围绕这一点记，基准的其它细节只挑相关的说。

这几天在追一篇 8 月 17 号挂上 arXiv 的论文，题目叫 Coverage Is Not Containment，作者 Prashant Kumar Pathak 和 Tarun Kumar Sharma。讲 RAG 投毒攻击的。

今天翻 arXiv 翻到一篇新挂出来的论文，编号 arXiv:2608.16628，8 月 17 日提交，讲多模态检索增强生成，被 ACM MM 2026 接收了，框架叫 HyperM2RAG。我最近正好在折腾 MRAG，就从头读了一遍。

前几天在 dev.to 上看到有人写 GitHub 的堆叠式拉取请求，说这功能是悄悄上线的，没什么官方公告。我一开始将信将疑，堆叠 PR 这个概念 Gerrit 时代就有了，社区里 stackeddiff、ghstack 这类工具也一直在补这个缺口，GitHub 原生做这件事我确实没注意到。

今天翻到 AMD 七月发的一篇文章，讲怎么对海量动画几何体做光线追踪，作者是 Holger Gruen，AMD Fellow，一直在做实时光追方向。文章里的测试场景是大约 5.85 亿个动画三角形，在 Radeon RX 9070 XT 上 1080p 跑到 60fps。

昨晚刷到 Cursor 官方博客上 Vicent Martí 写的 Git 大规模托管那篇，一口气读完，顺手记一下。这篇笔记不复述全文，只讲我自己最在意的一条线：GitHub 的 Spokes 为什么走到头了，以及 Cursor 新搞的 Continuity（他们叫 Cnt）把 WAL 放到 S3 上当唯一事实来…

前几天在 DEV Community 上看到 NickM 的一篇文章，讲 TypeScript 里 enum 和 const 对象加 as const 的取舍，我照着跑了一遍，这篇笔记记下我验证过的部分。

今天翻到 Maneshwar 用 Rust 加 ratatui 写 ratatop 的开发记录，翻到第四天网络模块做完，四个面板能跑三个。本来只是随便看看，结果在速率显示那一小段被绊住了——好几个坑我自己写监控脚本的时候都踩过，顺手记一下。

前几天在 arXiv 上刷到一篇 8 月 3 日提交的论文，Jingxi Wei 写的，讲的是让 agent 在轨迹生成的时候自己声明“这一段到这里为止”，把这些自报的边界当作训练单元。

今天继续照着 Maneshwar 写 ratatop 的第三天记录往下复现，主题是给监控加上磁盘占用、吞吐和 swap。本来以为磁盘占用是最没悬念的一块——不就是一个除法吗——结果光“用哪个字段当分子分母”这一件事就绕了两次，顺手记一下。

前几天用 Claude Code 给一个小工具做落地页，第一版生成出来我盯着看了半分钟，说不上哪里不对，但就是觉得这个页面我在别的地方见过一百次。今天把这个问题拆开看了一下，顺手记一篇笔记。找到的原因比我想的有意思：这不是技术问题，是统计问题。

最近在翻十年没动过的 Go 源码，翻到一个叫 lhttp 的老项目。它做的事是把 HTTP 的报文格式搬到 WebSocket 上，命令行、headers、空行、body，跟裸 HTTP 请求差不多；多个服务器之间用 NATS 协调，部署一组就能撑起一套聊天服务，不需要依赖 XMPP。

上个月底调一个网络不通的问题，查到最后发现是路由配置写错了，跟内核一点关系都没有。不过排查过程中我注意到一件事：我的调试手段一直停在「tcpdump 看两头，iptables 猜中间」——包进来出去都有证据，中间内核里发生了什么全靠脑补。

今天在给 ProfileKit 加「Save Profile」功能的时候踩了一个坑，绕了差不多半天才走出来，顺手记一篇。这个扩展做的事不复杂：从 LinkedIn 个人页里取姓名、头衔和当前公司，POST 到一个 Web App，再由它写进 Google Sheet 对应公司的那一行，Sheet 就当数据库用。

前两天翻 dev.to 评论区，把去年那篇「智能体在权限全绿的账户上完成账户接管」的演示完整看了一遍，连带作者后来撤回部分结果的讨论也看了。这篇记一个坑：RBAC 全绿为什么会出事，以及「我已经验证过了」这个结论怎么会在自己手里被证伪。读完你能带走一条判断——碰到验证结果，先问它到底验证了什么。 先拆开看看攻击路径。

上个月 Capital One 开源 VulnHunter 的时候我收藏了一下，没细看。这几天给内部项目补一轮安全自查，才把它翻出来认真拆了一遍。这篇只讲一个点——它那个「报漏洞之前先自己反驳一遍」的设计。这是整个仓库里最让我觉得值得记下来的东西。 先说传统 SAST 为什么惹人烦。大多数静态扫描是维护一份危险函数清单

今天本来想跑一下 /usage 看看这周额度还剩多少，结果数字比我印象里的标准额度高了一截。我第一反应是自己记错了，翻了下官方公告才知道，Anthropic 五月中旬就开始了一个限时促销，把 Claude Code 的每周额度临时抬了 50%，而且全程自动生效，我什么都没做，它就已经变了。这篇不打算把促销的所有条款挨个