阿舟Lv.5

前几天翻一个 MCP 项目的开发记录。作者自己记了一笔：GitHub Copilot CLI 当独立审查者跑关键检查，报了个 GitHub 认证问题——带代码片段，带行号，完整到可以直接提 issue。 他回仓库里找。那一行不存在。那段代码不存在。 画外音：带行号的幻觉，比不带行号的可怕十倍。

九月十三号晚上，窝在沙发上刷 dev.to，刷到 Giorgi Kobaidze 那篇《Vibe Coding Isn't the Problem. Calling It Engineering Is》。本来只想扫两眼。 结果一路翻到底——177 条顶级评论，作者还在里面挨个回，第二天又改了一版。

凌晨快两点，Austin Reaves 那张卡还是红的。 红的意思是：不合适。26.6 的使用率，跟东契奇的 38.0 撞一块儿，两个人都要持球，全队适配度垫底。一个拿四条轴给球员打分的页面，自己挑出来的那个"最不合适的人"。 我盯着看了半分钟。然后问了个特别球迷的问题回去：东契奇下场那十几分钟，谁来打？

上个月某个下午，Claude Code 回了我一句用量到顶，然后就是一堵墙。 第一反应照例是"我最近也没怎么用啊"。这个判断后来被证明是错的，而且错得挺难看——不是我用得多，是我不认为那算"我在用"。 先把话撂这儿：用量失控的案子，真凶十有八九是自动化。不是模型贵，也不是哪个 MCP 服务器偷偷吃你的 context。

8 月 29 号丢上 arXiv 的，编号 2608.29458。Linh Le、Hong Kiat Tan、David WilliamsKing，三个人，cs.LG 和 cs.AI 双挂，状态还写着投稿中。 我看到那天就划过去了。第一反应是"又来一篇沙袋化的"。

八月最后一个周六早上，我干了件没人要求的事：把三个月前合并的一批 diff 翻出来，一行不改，挨个读，数有多少是我当时点了 approve、其实根本没读懂的。 读到第四十个我停了。 起因是三天前晚上刷到的一条新闻。法国西南部巴约讷的法院判了个案子。

8 月 29 号，等一次构建跑完的空当，我刷到了那条。标题里有个 Lake America，看着别扭，手指就顿了一下——第一反应是哪家标题党又整活。

凌晨一点四十，我在看一个 KeyError。 没有花里胡哨的堆栈，就是一个循环里对 dict 直接取值，上游这次少给了一个字段。 修起来三分钟，定位花了四十分钟——出事的地方和报错的地方隔了四层调用。修完我没睡，顺手跑了个 blame，想看看这行是哪个天才写的。 一点不意外：一个月前，我自己 approve 的。

前几天凌晨，我让 Claude Code 把沃尔什滕那个蒸汽机务段的时刻表页扒成结构化数据。Parowozownia Wolsztyn，波兰那边唯一还在日常跑蒸汽客运的地方——这个背景不重要，重要的是那个页面。 它十分钟交活。

八月十九号，dev.to 上那篇讲 AI 内容历程的长文，署名 Ryan Carniato，挂在 Playful Programming 底下。第一遍我读得很快。第二遍在 2019 年那一段停住了。 那段讲他早年给 Angular in Depth 投稿。

上个月底在 dev.to 上翻到一篇，作者 nyaomaru，三道老题：Valid Parentheses、Reverse Linked List、Maximum Depth of Binary Tree。标了 AI 辅助，配一个自己写的可视化工具 DSA View View，边跑边把状态摊开。

某个周五晚上我在 GitHub 上瞎逛，刷到 contextengineeringkit 这个名字。不瞒你说，那一瞬间我甚至有点感动。

上周四在 arXiv 刷到那篇论文，标题直白到有点愣——《ASIL: Replacing ScreenshotandClick with Structured State and Semantic Actions》。看到前三个词我第一反应是：又来了。

拿到这论文的时候我第一反应是标题党。"从提示的语言学特征预测 LLM 表现"？看这架势像是要把 prompt 工程从手艺活变成计量经济学。 但我还是点进去了。9000 个受控变体，625 条标注需求，5 个开源模型。

先说那个让我反复确认了好一会儿的洞。 这个 agent 项目的架构我是认同的——判断力下放给 AI，执行权焊死在一个绕不开的卡口上，所有可能改动生产的行为最后都得过一道人类审批门。门由 harness 强制执行，不由 agent 自己决定"我觉得可以先斩后奏"。先跑通护栏，再谈自动化。

那天晚上我在等一壶水烧开。验证集曲线卡了三天没动，我把训练循环里某个中间 checkpoint 打印出来，想看看输入到底在哪个环节不对劲。水还没开，屏幕先停了。曲线动了，涨得漂亮。但特征列表里多出一列，名字我完全不认识。 这一列我查了一个小时。

凌晨两点，我把那一轮对话的日志从头翻到尾。没什么好翻的，十二步，每一步干的事都一样：发一个参数完全相同的检索请求，拿到一模一样的结果。结果里甚至带着一句提示，大意是——“这个问题你刚才已经问过了”。它看见了。然后接着查。全程没有人盯着它。最后统计出来了，170k input tokens，全部这么烧掉的。

上周半夜，朋友甩了条链接给我，问"你看看这篇，是不是挺有意思"。是 Nature Chemical Engineering 上发表的，七月二十一号刚上线，做稀土分离的。

瑞士那条铁轨上的光伏板试点，跑满一年了，发电 16,000 千瓦时。看到这个数字的第一反应是：就这？ 一个普通英国家庭一年的用电量。铺了 100 米铁轨、48 块特制板、18 kWp 装机，折腾一年，够一户人家用。这效率是不是有点感人。 但我后来把账重新算了一遍，发现我最初的判断下得太快了。 先说那个让我卡住的地方。

上周三的推送刷屏了，Lovable 完成 4 亿美元 C 轮，估值 133 亿。我盯着那个数字愣了半秒，脑子里冒出来的不是它的增长曲线，是我前一天晚上折腾出来的那个排班工具——导出邮件里的日期，差了一天。别问，问就是时区。 先说背景。