老铁Lv.4

arXiv 上挂出来一篇 cs.SE 的论文，编号我记不精确，大概是 2611.06263 那串，标题叫《CLEAR: Structured Specifications for Controllable LongHorizon ML Research Engineering》。五个作者，十一页，四张图。

现在做 coding agent 的团队卷得最凶的一件事，是上下文工程。怎么在有限的 context window 里从整个仓库挑出最相关的那几段代码，怎么让模型少读点废话多干点正活，每个星期都有新 benchmark 刷出来。这件事本身不坏——窗口就那么点，挑什么喂给模型当然重要。

十月底，DoorDash 上了 MCP 连接器。我信息流里刷出来的标题一个比一个兴奋：AI 代理开始接管点外卖了，MCP 把餐饮行业打通了。然后 Q3 财报电话会上，CEO Tony Xu 自己报了个数：外部 AI 代理从上线到那天，累计几百单。同一季度，DoorDash 处理了接近十亿单。

让模型答完问题，顺带在结尾吐一个 confidence score，0 到 100，然后拿这个数做分流：高于 85 自动返回，低于 85 转人工。我见过不止一个团队真这么干。听起来有模有样。实际上这是拿一支从没校对过的温度计在量体温，量出来 38 度 5 就给人开退烧药。

HN 上那帖我翻完了，越翻越堵。主题说：不自己搭一个 LLM 代理，就很难掌握模型调用的实际情况。底下几十条回复，有人推 LiteLLM，有人推 GoModel，有人直接甩一段短脚本——把 OpenAI API 地址改到本地代理，转发请求的同时把 HTTP 报文存下来。

DEV Community 上那篇《When AI Creates A Closed Source World》，七月发的，最近又被作者翻出来编辑。写的人是个 2009 年就注册 GitHub 的老账号，自称给开源贡献过 99 个包。

我很少直接说哪篇文章必须看，但 dev.to 上一篇署名 Don Johnson 的文章《Shipping Assumptions》，里面有一句把我这大半年堵着的话给捅了出来：AI 辅助开发让团队生成代码的速度，超过了他们理解系统的速度——真正危险的地方不在单个文件，在边界上。

一个下午，少量 token，把归档两年的 Weave Scope 从 x8664 的烂摊子里拉出来，生成多架构镜像直接推 Docker Hub。故事是真的，新仓库是真的，manifest 也在。但"救活"这两个字，我不认。 构建流程是 agent 最擅长吃掉的活，这我从来不否认。

dev.to 那篇讲 AI 代码审查的文章，中文圈子转了好几轮。Robert Adamson 的核心论点就一句：AI 生成代码的速度已经超过了人类审查代码的速度，瓶颈从“写”挪到了“审”。这个判断没错，但它只瞧见了表皮。或者说，它指出了一个现象，却把病根给诊断浅了。 真正的问题从来不是审查速度跟不上生成速度。

gPTY 的 README 里那段话，我反复看了几遍。它说这仓库“绝大部分代码——包括多数 Godot UI 布局和 Rust 的 gptycore GDExtension 桥接——由 LLM 生成，因此底层代码可能存在非惯用写法或缺陷。” 换一个玩具项目，这话可能就翻篇了。

这篇论文我读了两遍。最让我不舒服的倒不是实验结果本身，而是这个结果照出来的一层幻觉——我们这行最近又有人开始把“知识塞进权重”当成 RAG 的替代品在吹了。省 token、不泄露源数据、查询快，听着全对。但这篇论文自己把话说到了一个很尴尬的位置：知识确实写进去了，可怎么读出来，没人知道。 先说这论文干了什么。

看到 Credo 这篇论文，我第一反应不是“有意思”，是“我们是不是又往错误的方向上狂奔了”。先把话放在这：它做的事，是把 agentic workflow 里搜出来的命令式 harness 转成声明式原语。

SourceHut 8月底改服务条款那事儿，圈子里吵得凶。具体措辞是：禁止“使用LLM或其他生成式AI编写的原创内容”。注意这几个字——“原创内容”。我第一眼看到愣了几秒：生成式AI产出的东西，什么时候配叫“原创”了？ SourceHut把这两个词挨在一起，恰恰说明他们看到了问题所在。

GitHub 上有个叫 vomit 的工具，干的事很直接：把 Claude Code 在终端里显示的所有输出截下来，发给另一个本地大模型重新表达或概括，再把改过的文本显示给你看。想看 Claude 到底说了什么，得按 ctrlo。 我看到这个名字的时候以为是个段子。看完 README 我笑不出来了。

8 月 11 号挂到 arXiv 上的一篇论文，提了个叫 Principal Trait Analysis 的东西，缩写 PTA，讲的是怎么从人和 AI 的对话记录里自动提取“有效交互特质”。

一个3.16M参数的Transformer，在250美元的FPGA板上跑到59,965.5 tok/s。模型权重1.5MB。这个数字放在2026年，够让所有在高端GPU上跑推理的人先看一眼，然后退一步想：怎么回事？ 它赢了显卡。同一模型在作者笔记本的RTX 3050 Ti上是719 tok/s。

上礼拜几个群在疯转同一个链接，标题清一色“史上最直观的 Transformer 可视化”“终于有人把注意力机制讲明白了”。我点进去，是一座等距城市，token 像公交车一样在街道间开，楼是 embedding，广场是 layer norm，注意力是高架桥。评论区一溜“我竟然看懂了”。我跟着点进仓库翻了源码。

这篇 ZeroMem 挂在 arXiv 上，7 月 31 号的。我在几个群里看到转的全是同一句——“零 token 记忆，记忆操作不调 LLM、不花 token。”然后就没有然后了。

看到 Manifest 那条博客时，我第一反应不是"又一个工具凉了"，是"终于有人敢拿生产数据承认这件事了"。3 月上线，6 月弃用，9 月关停，中间是 7000 个用户帮你踩了四个月的坑。这路由器死得一点都不冤——不是参数没调好，不是时机不对，是"路由"这个概念本身在 LLM 场景里就立不住。

上个月在柏林的 LocalFirst Conf，演讲者在台上批评 LLM：制造垃圾、偷版权、烧电、是个泡沫。台下掌声很响。我旁边坐了两排，屏幕上开着 Claude Code，正让 agent 改一个 diff。散场一看 Discord，有人发了一句“这场听完我有点内疚”，底下十几个附和。