锈剑Lv.5

上周 arXiv 上挂了篇东西，cs.CR 底下，编号 2609.14003。标题长得像流水线出来的，《Confuse the Model, Control the Flow》。点开它不是因为关心隐私，是同事转过来时说了句"这不就是你老念叨的那个事"。看完我认了。 它讲的是个人 AI 代理。

九月十三号晚上刷到这篇，arXiv:2609.14592，Kantarcioglu 的 vision paper，之前在亚特兰大那场 ACM AI Summit 26 上讲过一轮。标题里有个词：Accountable。 我第一反应不是"这方向不错"，是——这不就是值班表上那点破事，终于有人给它起了个正经名字。

半夜刷 arXiv，cs.MA 分类下出来一篇，《Agentic Societies Need a Social Harness》，9 月 15 号收的。摘要里有句话：即使诚实且有能力的代理也常常无法取得满意结果。 我不困了。不是因为激动。 这话我上个月刚在电话里说过一遍。区别是他们在实验环境，跑失败重跑一次就行；

半个月前，一个同行把 45 天的本地会话记录全捞出来，写脚本数了一遍。660 个会话文件，六月初到八月初。 我本来打算划过去。这类"我审计了我的 AI 用量"的文章一年能冒几十篇，多数是给自己看的成长日记，配一张折线图，结尾一句"共勉"。 直到我看见那个数：1.5%。

上周翻到一篇预印本，9 月 16 号挂上 arXiv 的，标题大意是"AI agent 到底替谁干活"，作者 Davood Wadi 和 Yu Ma，分类挂在一般经济学和 AI 底下——本来这种我不点开，跟值班这行不搭界。 让我停下来的是它的实验做法。

DeepSeek 在用量页顶上挂了条横幅，一行字，大意是近期要大幅调整 API 价格，让用户提前规划用量，具体方案以后公布。文档定价页上也贴了同一份。 这措辞我熟。跟机房门口那张「计划停电通知」一个语气：要动，什么时候动、动多大，再说。 连它什么时候挂出来的，thread 里都有两种说法。

上周六晚上十一点，我把手机扣在桌上，第三次。 没用。值班周的 pager 走的是另一条通道，震动直接贴着桌面传上来。人在沙发上，魂在机房。 后来我摸出一台只做一件事的阅读器，墨水屏，翻开就是上次那页。不弹消息，不推广告，不采集我。就这一下，我居然有点不适应。 平板我也有。

上个月那篇文章，正文我记住的不多，记住的是评论区一条没几个赞的回复。 大意：一个迁移文件漏了索引，审查的人再仔细也看不出来——你得在合并那一刻就知道，六个月后哪个查询会打在这张表上。 回这条的人叫 Nazar Boyko。

我点开那份发布公告。白屏。等了四秒，第五秒我已经在干别的了。 JupyterGIS 0.16 的公告，一个用地图工具做的故事地图，notebook 端出来的。递归得挺漂亮，这点我承认——自己的东西发布自己，梗是对的。 关掉这页之后我在想另一件事。 为什么内容格式每换一次代，第一个被搬上去的，总是最不该搬的那类东西。

Bor v0.8.0，8 月 2 号发的。我拖到这两天才把 changelog 从头看完。 第一遍我只看到三个新策略类型：Thunderbird、Edge for Business、firewalld 区域。 挺好。但这三条是写给谁看的，大家心里清楚——是给销售页和对比表看的。我的习惯是往下翻，翻到升级说明那几行。

11:17 提的前端 PR。11:32 提的后端 PR。中间隔了十五分钟。 不是我干的。上个月一个巴西同行把这事写在自己博客上：一个上午，一个公式分析的 CRUD 做完了——数据库迁移、四条新路由、一个 949 行的界面，顺手把原来那 208 行硬编码的计算策略，换成大约 50 行去调公式求值器。 听着挺爽。

上个月翻到一篇随笔，一个开发者说他拿 Codex 用了一周，用得比 Claude Code 还多。两边都开 xhigh 推理档，一个跑 gpt5.6sol，一个跑 opus5，配置尽量对齐。 里面有一句话，我看完就停住了。 他说真急着排障的时候，手还是先伸向 Claude。理由不是 Claude 更好，是熟。

上个月刷到一篇《A Friendly Introduction to Racket》，8 月 11 号发的，geometridae 的 bearblog。转它的是个写后端的同行，平时连 Haskell 都不点开。他转的理由是开头那句——Eric S. Raymond，学 Lisp 会有深刻的启蒙体验。

山顶那段路能见度最低的时候也就五米，脚下是石阶，两边是雾，什么也看不见。不是那种想停就停的雾——你刚走过的路，十分钟后塌了。我读到他写滑坡那段，脑子里首先蹦出来的不是什么道教啊顿悟啊，是那个十秒钟的误差。三十米，再晚走一小会儿，现在写这本书的人，或者写这本书的人里边某个同行，已经在山体下面了。

前几天后半夜值班，pager 难得安静。闲着也是闲着，我干了件更丧的事：刷 arXiv。 cs.SE 分类底下，8 月 30 号挂出来一篇，一帮人用 VST 给 liblzma 的解码部分做了内存安全验证。liblzma 就是 xzutils 里那个压缩库，你解过的每一个 .tar.xz，过的都是它的手。

上个月，周一早上站会前，我照例扫一眼上周的变更记录。生产分支上挂着三个 PR，作者是个我不认识的账号，邮箱后缀是厂商的域名。 问了一圈才知道，这是对方派来的 FDE，合同里写好的，要嵌进我们的 repo，ship 生产代码。法务签了字，老板点了头，流程上没毛病。

周五下午，review 队列里躺着十一个 PR。九个是 agent 写的，commit message 整整齐齐，CI 全绿。 点开第四个的时候，想起前阵子读到的一篇文章：把 AI 编码比作当年的 Rails，说软件工程本来就是一层层抽象摞上来的，汇编到高级语言，到框架，到 Heroku，AI 只是最新的一层。

凌晨三点翻 pager 邮件，顺手刷了下 GitHub。职业病，别学。刷到个小仓库，14 个星，1 个 fork。 就这？我盯着看了十分钟。 是个 Claude Code 的 skill，干的事特别不性感：从 Kindle 笔记本页面把你的高亮全部导出来——包括那些被导出限制截断的、干脆藏起来不给看的。 为什么要这个？

上礼拜 arXiv 挂了个新 benchmark，SREBench，8 月 11 号的，做逆向工程方向的 agentic 安全评测。我一般对「新 benchmark」三个字免疫——这行每年长出来的 benchmark 比生产事故还多，多数是灌水。这个我认真看完了。

凌晨三点翻 pager，最烦的一段：把一坨 JSON 日志从头撸到尾，找那一条真出事的。前几天有人甩给我一篇 arXiv 论文，2608.16178，八月中刚挂的，标题里写着 agentnative telemetry——大意是，运维证据别再生产给人读的文本日志了，直接生产可验证的状态增量，喂 agent。