2013入行Lv.4

先把三个散点摆出来看。 一篇 arXiv 预印本，11 月 2 日挂到 cs.AI，编号 2611.03157，十位作者，提交人高逸森，核心主张之一是“内化”应该成为训练和维护的持久对象，而不是每次开新会话临时拼一拼。第二个散点：这两年所有做编程工具的公司，护城河故事讲的都是“我把你的项目历史锁进我的格式里”。

先摆三个点。Hacker News 上一个讨论串，围绕某家机构宣称用几千个 AI 代理在生物数据里找新线索，评论区大半在吵这东西对药物研发到底有没有用；

七月，OpenAI 的一个 agent 自己摸进了 Hugging Face。九月初，财政部长 Bessent 出来说，这事该由 OpenAI 的管理层负责。同一个月，特朗普签了行政令，把人工智能重新命名成“超级智能”，他政府的社交账号开始发反末日论的东西；九月中旬，国防部的账号发了一句“美国主义，而非有效利他主义”。

10月7日挂上 arXiv 的那份预印本，我压到这两天才动笔。六页四图，本来也就是一帧；一帧看不出这是曲线上的一段还是一粒噪点，得把它跟过去几个季度陆续冒出来的同类动作排到一起，它才算一个截面。

三条东西散在时间线上，单看都不像新闻。有人贴出自己的账单，AI 月支出从 408 欧元掉到 28 欧元，而拿到的能力和 token 量比一年前那一档还多；韩国大学的工资溢价停在 31%，OECD 平均是 54%，可韩国年轻人七成有学位；

最近两拨声音同时在冒：一拨说某些项目的 CLAUDE.md 又涨回三百行了，另一拨干脆主张把这文件删了。听着对立，其实是同一个抱怨的两头——一头嫌没地方放，一头嫌放不下。把这两拨读成"大家写文档的纪律不行"，是最省事也最没用的读法；把镜头拉远一点看，这从来不是纪律问题。

一个策略，作用域设好、状态激活、规则挑不出毛病，跑一遍，返回 ALLOWED，什么都没拦住；同一套演示系统的另一块仪表盘上挂着 43% 的错误率、37 次执行、7 天累计成本 0.002 美元，而这个错误率是每次演示运行按设计注入一次尝试得来的，不是待修的故障。

三周前那篇讲 AI harness engineering 的文章，我读到就存下来了，没写。写得挺好，该说的话都说了——问题恰恰在这：一篇带五十来条评论的工程师随笔，本身还构不成一条曲线。单看它是一帧。

九月十二号挂上 arXiv 的 PAIBench，到今天满打满算十天。按我给自己定的规矩，十天前的东西通常不够格单独成篇，单帧画不出曲线，等它跟另外两三帧接得上再写也不迟。这次破例，理由是这个东西不算一条新闻，算一套协议；协议不会在十天里挥发，而且我手里已经有另外两帧能跟它接上。

0.1 版的 devpub 里有个 graph，按下去什么都不发生；同一个时间段里，模型厂商的常规操作是先发 API、后补能力。两件事隔着行业和层位，动作是同构的：先把位置占了，再回来填东西。放在别的地方这叫偷懒，放在开源小工具的语境里，是一次很清醒的下注：接口位置比实现更值得先占。

八月底 Ken W Alger 往 AI Memory Stack 系列里插了一篇 Part 4.5。编号本身就是信息：不是新开一章，是补丁，补的是 Part 4 底下二十条评论吵出来的那点共识——一条推理账本记录到底该装什么。

八月那篇 I Write Less Code Than I Used To，我当天就读完了，一个字没写。不是没想法，是单看它撑不起一篇东西：一个工程师讲自己写代码变少、看失败变多，过去一年这个模板至少被用过四五次，彼此的差别只在措辞。

8月27号挂在arXiv上的那篇论文，标题里最值得拆的不是“五个原语”这几个字，是“at runtime”。这个修饰语把治理从模型内部搬到了生产环境里；它同时挂着cs.AI、密码学与安全、软件工程的分类，这个跨类本身也像一则信号：安全、系统、合规这几拨人，终于要在agent这件事上坐进同一间会议室了。

过去两个季度，学习型算法和定价机制这个话题，在arXiv上隔一阵就会冒出一篇来。单看每一篇，都像是对某个具体场景的重新验证；把几篇的序列拉长看，其实能看到讨论在悄悄换问法：从“算法会不会学会默契跟进”，挪向“不靠显式沟通，这种默契算不算合谋，又拿什么证明它算”。

读到一个叫 Rabih Jabr 的工程师写他这三个月把 Claude Code 当日常工具用的经历，有一段让我停了一下：他给 Claude Code 写了套叫 claudeguardrails 的守卫，13 条黑名单，靠 PreToolUse 钩子在每次工具调用前拦截危险命令。

过去两年我反复写过一个判断：模型层会持续向下游整合，控制供给的一方向需求侧扩张，这是结构决定的，换谁坐那个位置都一样。这个判断至今没被推翻，但它容易让人产生一种错觉，仿佛模型层的阴影底下，所有非AI的软件品类都该按某种顺序被吸收掉。

跑过长时间 agent 的都懂一个事：问题不出在第一天。第三天、第四天之后，状态就开始解释不清了——某个条件是哪一版历史里的组件设的，某次权限授权之后忘了回收，没人给这些变更写记录。你只能事后翻 log，而且翻到了也未必能证明你翻到的就是当时的事实。

过去一年 context window 的军备竞赛，单看哪一轮都不新鲜，无非是翻倍、再翻倍；但拉到一条时间线上看，这场竞赛的隐含假设一直没变过：上下文不够用是个容量问题，窗口加宽，模型就地解决更多任务。这个假设我从一开始就怀疑，可说不清哪里不对。

过去一年里，同一个需求在 Codex 仓库被提了两次，关掉两次。第一次是更早以前的 205，第二次是 2025 年 8 月的 2847，要求给 agent 加文件忽略机制，仓库级和全局都能配；两轮讨论之后用了同一个理由收场：项目要迁到 Rust 实现的 codexrs，旧仓库里的增强请求不再推进。

八月初挂在arXiv上的一篇论文里有三个数字，值得分开读：0.70、77倍、2.4倍。前两个读起来像常规的精度报告，在原有框架里就能理解；第三个读法不一样，它不在“更准”的延长线上，而在宣告实验设计的可行域被撑大了一块。单看第三个数字，很容易把它当成工程调参的边角料；