阿简Lv.5

一个编程智能体说自己解决了六成任务。六成是什么？ 简单说，就是把一堆难度不同的题扔进同一个筐，算出一个平均分。 这个平均分被拿去排名、做对比、写进发布稿。我越看越觉得它像一笔糊涂账。 11 月 4 日 arXiv 上挂了一篇论文，专门来拆这笔账。编号 2611.05797，题目叫 DARE，三位作者，主分类是软件工程。

怎么判断一段文字是不是 LLM 写的。 Fowler 上周给的答案是，不用判断。你读到一半开始怀疑的那一刻，事情已经发生了。 他那篇叫《LLM Voice》，不长。我看了两遍，第二遍是回头去翻脚注的。 这期本来排了六条。看完之后我撤了五条。撤掉的原因不是它们不重要，而是这篇说的东西，比那五条加起来更值得多说两句。

PHP2Shell 是什么。 简单说，是 PHP 引擎层两个内存漏洞的绰号。CVE2026109618 和 CVE2026109619，十月二十一日的版本修掉了。 单独拎出来讲，不是因为 9.2 分。是因为它根本不在你写的代码里。

先说一句，这周我只挑了一条。 10 月 21 日 arXiv 上挂了一份 39 页的手册，讲一个叫 MEDiml 的放射组学平台。放射组学同行不用我讲。从医学影像里批量提定量特征，肿瘤的形状、强度分布、纹理那些，再拿这些数字去刻画组织、找肉眼看不出来的规律。 我挑它，不是因为放射组学。

三年学编程，能走到哪一步？ 简单说，这篇长文给了个很具体的答案：拿到一份全职 IT 工作，然后被解雇，现在待业。 十月中的 dev.to 上有篇《Blue October》，作者 Anna Villarreal。这周热闹的东西不少。我挑这篇，是因为它少见地把过程完整摊开了。大部分人写转行，写到拿 offer 就收笔。

Docker Compose 5.6 加了个 jobs。 很多人第一反应是：Compose 终于能跑定时任务了？ 不是。 一句话讲清楚：这版的 job，就是把 docker compose run 从命令行搬进 compose 文件，外面套一个 triggers 字段。没有调度器，没有队列，没有重试。 10 月初发的。

为什么这两个月，QA 这个词突然又被拎出来讲。 简单说，写代码这一段变快了，验证这一段没变。整条链现在堵在后面。 Cursor 和 Claude Code 把生成压到几分钟，人肉点按钮验收还是那个速度。一个团队一天提十个 PR，能认真验完的也许三个。剩下靠运气上线。 这期收几条，都绕着这件事。

这轮传的飞车视频，本质上是两样东西拼在一起：一辆冲上坡的 Roadster，和一套让它没摔碎的推进器加控制软件。 这话不是我说的。评论区有人点出来，还顺手补了一句，这套东西本来是用在 Dragon 上的。 这是这一期里最有价值的东西。一个被讲成“飞车”的玩意儿，一句话拆回零件，还告诉你零件出自哪里。

最近 dev.to 上冒出一批帖子，主题差不多：我三十天只用一个模型。 简单说，就是把自己从模型对比的流水线边拽开。 有个叫 Hanzla Baig 的开发者，10 月 18 日写了一篇，标签里挂了个笑哭表情。起因很具体。上周末刷 dev.to，被一堆模型对比刷到心烦。

最近被问得最多的是，Meta 那个 Muse 到底算不算隐私问题。 简单说，它更像一个默认开着的数据采集端，外面套了个助手的壳。 先交代一句。下面大部分说法，来自 Paul Walsh 十月十三号发在自己 newsletter 上的长文，Meta 否认了其中一部分。我只挑有具体机制、普通人能自己去设置页对一遍的那几条。

这几天时间线上到处在转一件事：一个 AI agent 给活小鼠做了脑部手术。 先泼一盆水。它没有自己开颅。 简单说，是一个 agent 在一台电动手术装置上，自己决定了打什么、打到哪里。 这两件事差得很远。分不清这两件，这波热闹就白看了。

一个应用一直正常开着，硬盘也能只剩 1.4 GB。全程一句提醒都没有。 怎么发生的。 先把数字摆出来。10 月有个用户在 ChatGPT.app 上量了两个 Crashpad 目录，合计约 323 GB，约 404 万个文件。他那块盘 926 GB，被吃掉三分之一还多。

OpenBSD 8.0 里最值得看的是哪一条？ 不是安全。 以前提它，头一句总是安全。这次我把更新翻完，记住的全是别的。简单说，这一版大半力气花在了显卡和虚拟机上。安全那部分照旧在做，没什么可讲的。显卡和虚拟机这两块，决定的是这系统能不能从没用过的那台，变成天天开着的那台。

这周只收一条。 有人问，一个狗用的鼻罩，凭什么进这份小抄。 我说，凭它改了 13 版。 先把事讲清楚。一只叫 Billie 的比特犬，得了盘状红斑狼疮。自身免疫病，专攻鼻部皮肤，太阳一晒就重。兽医的方案不复杂，也快不了。每天两次涂药，避紫外线，终身管理，还可能反复。 卡住的是两件小事。狗会舔掉药膏。狗要晒太阳。

AI 把你那段 Python 改成 JS，错在哪，有人认真数过了。 这周值得收的就一条，就这个。收不满，不硬凑。 论文 10 月 20 日挂上 arXiv，编号 2610.27868，主分类 cs.SE。三个作者，做的是跨语言代码翻译里的幻觉。 先把场景说清楚。

LLM 路由器是什么？ 简单说，是系统里多出来的一个小模型，专门决定每个请求交给谁答。小的答得动就走便宜路径，答不动再交给贵的那一个。 多数人把它当成本开关。它不是。它是一个决策者，只是没人给它做过评估。 这个月早些时候有人写了篇长文专门讲这件事。我看了两遍。第一遍觉得是工程细节，第二遍才反应过来它在说什么。

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。

小模型到底够不够用，这两个月被问了很多遍。 十月中的一篇实验，作者拿一块 170 美元的树莓派 4 跑了一遍。他问的不是"哪个模型最强"，是"这件活最少要多大的算力"。 这两个问题不一样。前一个你去排行榜找答案，后一个得先把自己的活拆开看。 测试集是 95 道关于一家虚构酒庄的题。

这周翻下来，只有一篇值得单独讲。10 月 21 号挂到 arXiv，编号 2610.29749，12 页，5 张图。标题里的关键词是 metamodelguided decoding。 它要干的事一句话讲清楚：让模型生成 DSL，光把语法写对不算数。 约束解码这词同行都熟。

最近有个仓库在圈里传，harnessengineering101，讲怎么从第一性原理搭 AI agent。作者 Isuru Wijesiri。 先说它最要命的那句话。 LLM API 是无状态的。它不记得你上一句说了什么。每问一次，整段对话都得重新塞进去。 所以 agent 是什么？