一键三连Lv.4

改一版、跑一遍、翻报告、猜是哪一步没对、回去再改，再跑一遍。这个循环我一周要转几十次，转到后来手指比脑子快，脑子已经懒得转了。 上周一 arXiv 上挂了一篇 HLSClaw 的论文，八个人做的，编号 2611.02784，主分类挂在机器学习下面，交叉分类到软件工程。

一天里我打开视频网站也就两三次，但每一次都得先在首页滑十分钟。不是在看我是在挑，挑完关掉，一个也没看完。摩擦不在播放，在“选”。 上个月我把这一步删了：开 hackertv.org，屏幕里已经在放了。 ⚡省掉的不是带宽，是那个“再看看有没有更好的”的念头——它没机会出现，因为没得选。

每次发版前我都得手动翻一遍请求封装，一周两三次，烦得要命。不是怕改错，是怕那行 baseDelayMs 2 attempt 又被人从老项目里复制粘贴回来。上个月我把里面两处动了，加起来不到二十行，这周下来抖动肉眼可见地少了。 第一个，退避那一行加随机。

收到平台规则变更通知，判断自己挂着的东西要不要动。这个动作一年碰不上几次，不熟，所以每次都想着干脆照做省事。这个月 eBay 上挂旧电台的那批人收到的就是这类通知，措辞凶得很：发射射频能量的设备，上架要提交 FCC ID，还得展在商品页上。 我第一反应不是翻设备背面找编号，是把 FCC 那份报告与命令调出来看。

每开一个新会话，先挑模型，再挑推理档位。我数过，一天三十次上下，多的时候五十次。 以前我从来都是拉到最高档，理由很省事：贵一点总不会更差吧。 十月十五号 Dex Horthy 那份 SlopCodeBench 更新，把这句话打掉了。

回一个社区问题两分钟，其中三四个答案值得留下来。这动作一周二十次上下——烦的不是回答本身，是回完还得把它搬进知识库。现在我在按保存之前，会先删掉三行东西。⚡ answerLoops 的知识库管理界面里，所有者手动录入问答是保存即发布、立刻进索引，没有草稿态，条目落进“Added by hand”那一类。

一天里我要翻好几次 agent 的运行日志，图的是同一件事：工具那一步通了，读数也对，最后落到结论上却是另一种东西。上周第三次翻到这种日志，我去 arXiv 上找了找有没有人把这件事写清楚。 还真有。

一天要问几次“这个函数到底谁在调”？我自己的答案大概是十几次。改一个方法之前先搜一遍调用方，改完之后再搜一遍，有时候一个名字搜出四五个同名不同库的，还得点进去一条条看。烦的不是搜，是每次都要重新从零建立一遍“这坨代码长什么样”。

先打开配置数一下自己挂了几个 MCP server。我数出来 11 个，其中 4 个是半年前为了试某个 demo 装的，早就不用了，但一直还挂着，每次会话都跟着加载。 当初怎么装的？复制别人 README 里的那段 json，粘进去，重启，能用，然后再没打开过。

接一段别人写的代码，我以前的默认动作是从入口一路往下读，读到看懂为止。认证中间件、队列消费者、那个没人记得是谁写的导出模块——一天至少三次，每次二十分钟打底。读到最后常常发现，真正要改的只有一行。 现在第一个动作是找测试。 不查文档，文档八成已经过期；也不问人，问人得等人家有空。

让模型跑一份总结、一份分析、一次 code review，然后我盯着结果判断它到底在说事还是在编。这个动作一天十来次。以前每条结论都回头翻原始材料核对，烦得不行。上个月往输出契约里塞了四行，现在它编不出来会自己说编不出来。 这招不是我琢磨出来的。

预览渲染这个动作，我一个下午能按二十次。改一版材质按一次，挪一下相机按一次，把蛛网往前挪两帧再按一次。每次八分钟，按下去就只能去倒杯水，回来还得先看一眼它渲完没有。

我一天要丢二三十条反馈：预览环境里截图、圈一块、打一句“第三个卡片，空态，文案顶出来了”。然后等它改。改完一看，它动的是第二个卡片。 它手里只有我那句口语描述，剩下全靠猜。 猜错的代价不是改错那一次，是我得回去重新描述一遍，而第二遍通常还没第一遍说得清楚。烦的是这个！ 所以那些“AI 代码评审”工具我一直提不起劲。

我一天开四十来次新会话。早上接着昨天没干完的，中午切个任务，下午再切回来。背景一句不用交代——攒了半年的 skill 就摆在那儿，它认得。爽是真爽！ 可装上第一个到现在，那个目录我一次没打开过。

前几天翻 /.claude/projects/，一个会话一个 JSONL。本来只想看看哪个项目最费，翻到一半发现看错地方了——账单最大的那笔，不在"它想了多久"，在"同一坨东西它又读了一遍"。 AI Dive 那位上个月把自己一个月 455 个会话、六万多次请求的日志翻出来数了一遍。

起服务、探端点这个动作，我一周至少干几十次。写脚本的时候一次，改一行配置重启的时候一次，半夜三点怀疑机器是不是挂了的时候再来一次。 docker run 这条命令一秒就返回，退出码 0。看着一切正常。真正的端点要等到第 160 秒才接得上请求——权重加载、torch.compile、计算图捕获，全在这两分半里默默发生。

你一天要听几次"已完成"？ 我数过，多的时候二三十次。开个会话把活扔过去，回来瞄一眼日志尾巴：测试全绿，工作完成。然后我自己跑一遍，红的。 烦的不是它骗人。它没骗人，它是真以为自己干完了。烦的是每次都得自己再验一遍，那我要它干嘛。 上个月还踩了个更阴的。

往 CLAUDE.md 里追加一行规矩，这个动作我一天要做三四次。 看到 agent 把 migration 命名错了，加一行。看到它忘了我们不用 default export，再加一行。三个月攒到一百八十多行，我还挺得意，觉得自己调教有方。

我那个跑日报的 agent，一个 workflow 平均要调四十来次工具，里面大概两次会走重试路径。上周它给同一个客户发了三封内容一模一样的日报。日志拉出来，三次调用全是 200。 改法一句话：给工具加一个由调用方传进来的 effectid，让它自己记账。 坑是这么来的。

我一天大概有四十次是闭着眼睛按 Tab 让 agent 改代码的。测试绿的，就切下一个任务，diff 基本不翻。 前几天刷到一篇论文，AgentGuard，14 号挂上去的。里面有个数字我盯着看了半天： 69.0%。 baseline 的 Abnormal Execution Rate。