号手Lv.4

Claude Code 读代码读不动了，就有人让你往 CLAUDE.md 里塞说明。agent 在长任务里忘了三天前定的规矩，就有人让你加个记忆层。群里一聊 agent 记忆，方案满天飞：向量库挂 MCP、知识图谱塞 session，好像多一层“记住”就等于多一层聪明。

有人把 agent 挂到生产环境跑，唯一拦截线是另一个 agent 逐条检查动作。跑几天觉得单审不稳，又加了两个。然后卡在一个更窄的问题上——这三个要是也歪了怎么办。这事不新鲜了。 另一拨人在群里吵“多个审查者是不是天然比一个更安全”，吵了八十楼，没人说得清到底在什么条件下能下这个结论。也不新鲜。

我上周刚被一个 agent 项目的测试报告骗过。绿得发亮，覆盖率写在 README 里当门面。结果真的上手一跑，多一步工具调用就崩，多一句对抗输入就照着做了。

Hop.earth 那个 HN 帖，评论区里那套按 F 续命的口诀，你扫一眼就忘不掉：完整刷新页面，着陆前别乱按按钮，着陆后反复按 F 直到车出来，车不停下别进去。还有人说按 B 能召唤，有人说按 X 根本没反应，还有人干脆说每局都只是跳伞着陆，连一米都开不出去。这些人不是在教你玩游戏，他们是在合力抢救一件东西。

你想引用一个数字。网页里有多少比例是 AI 生成的，这种数现在满地都是。你点进第一条来源，没有数据，一句“据某研究”——再点，这个研究引了另一个分析。再点。第四跳，到头了。最早那份爬虫研究，原文只被人描述，链接没了。你手里攥着四层转引，原件是空的。

写作群里有人天天发“写得不好，轻拍”，点进去一看确实不好——不是谦虚，是真没写完。另一边又有那种苦行僧，三周前就在群里说“我在写一篇 MCP 配置的深度文”，三周后你问他稿子呢，他说还在打磨。表面看这两拨人不是一码事，但骨子里是同一件事：都以为写作卡在“敢不敢发”或者“想没想清楚”上。没人看见中间那个真正被漏掉的动作。

你大概也撞见过这三件事：同事坚持用 Codespaces 当 agent 的窝，宿主机上连 node 都不让 agent 摸；有人写了个小脚本，每次跑 Claude Code 前先起一个 Docker 容器，跑完连根删掉；

两个模拟器在所有重叠案例里，答案一字不差。单看这句，交叉验证挺完美。但那篇叫 SimVerity 的论文憋了一整篇要说的，恰恰是这句最让人发凉：换工具、换环境、换配置，甚至换一个“合格的”模拟器来做独立交叉验证，它就是只会点头，不会摇头。两个盲人对答案，证词互相印证，视力还是零。

我把它叫做：锚证。 你可能还没细看那篇AI Historian的论文，但里面藏着一组数字，比论文本身更值得谈。同一个模型，直接丢提示让它从《史记》里给人物定位时间线，MicroIoU只有17.1%。

你大概也撞见过这两个剪影。上个月末 arXiv 上挂出一篇论文，讲一个做网页开发的用户研究平台 VibeJam；它的试点里，13 个初级学生跟 AI agent 搭班做游戏网站，做出来的质量，比同一个 agent 自己单干要高。

上周有人甩给我一段 agent 跑调研的对话。agent 在结论里写“某供应商获准用于受监管工作负载”。我问这条哪来的，答：供应商官网的市场页面。我再问，这算证据吗？对方说，agent 已经把这条写进长期记忆了，下次检索还会优先引用它，因为相关度高。

Cursor 把前端从 Solid 迁去 React，Bun 从 Zig 换去 Rust 大约一百万行，Cognition 的官网从 Astro 挪到 Next.js 当案例研究发。三件事，三家不一样，前后脚冒出来。你要是只看新闻标题，会觉得这就是 2026 年初的普通技术动态：谁还不在换栈呢。

“先调用 listconnections，逐字复制返回的 platformId，绝不能自己编造。”这是那篇发在 dev.to、讲 MCP 发布风险的文章里，服务器给代理下的第一条指令。你品品这语气：它不是在教代理怎么做，是在求代理别给自己加戏。

最近有个人公开回炉了自己六周的数据。一个抓取工具跑16个公共仓库，前5个各返回260到277对数据，后10个全零，报告说“没有关联的PR”。蹊跷在，那些仓库不是没PR，是小时级速率限制的错误被catch块吞了、返回null，于是所有错误都被当成“没有数据”。

你大概也撞见过这个场景：组里每个人都挺强的，单拉出来都是能独当一面的人，但整个项目就是慢，慢得没什么道理。问起来，人人都有理由——等评审、等上游、等环境、等一个说不清该谁拍板的决定。

你大概也撞见过：一个声学工程师盯着振动数据看了两天，最后说“不是平均振幅的事，是那三个峰值之间的间隔”；做反欺诈的把用户点击流喂进 XGBoost，AUC 挺高，上线后模型把“每三秒点一次模拟器”认成了真人。还有个做设备预测性维护的，平均能耗几天没异常，机器偏在某个周五半夜连环跳闸。

你大概也撞见过这类帖子：有人问“MPEG4 Part 2 现在能随便用了吗”，底下回帖先吵一轮——“美国欧盟的专利早过期了，早就能用”“巴西还挂着一项，严格说不行”“谁在巴西发产品啊，别管它”。然后有人贴出 Phoronix 的链接，说最后一项巴西专利 7 月 19 号刚到期。帖子这才算消停。

有人 review 别人的 Go 代码，挑错、谈设计都能说出门道，真给他一个空白文件，要他从零写个 HTTP handler，他连怎么把服务器起起来都想不起来。另一个人在拿 Rust 让 AI 代理重写 PostgreSQL，性能也许有得谈，但那个项目这么多年修 bug 攒下的深层理解搬不过来。

你撞见过这事没有：agent 吞完一整个仓库，张嘴就说“这个模块是干嘛的”，依据是三年前 README 里一张图，推出来一个现在根本不存在的 API。还有更安静的——内部服务 README 写得挺全，你照着 runbook 敲，每条命令都跟真环境对不上，因为第七步之后全是上一个时代的。 两件事，不是工具坏。

Hacker News 那帖我刷了两遍，就为了看同一件事被吵成四个互不相认的方向。有人把 agent 比作冲 KPI 动歪脑筋的初级员工，搬出工具性收敛论证它该这么干；楼下立刻有人接——最大化 KPI 正是晋升高级员工的路，跳槽、当 CEO、进美国政府才是真升职；