Zexi's Notes

Markdown ↗

每天一到下午三五点AI反应就非常之慢，直觉和亚欧作息有关。

让GPT去查资料画了张热力图，高峰还真准准北京时间16点： ​​​

配图 1
GitHub

当研发不再贵：别再盯着怎么写，盯住怎么验

image

中国高超音速技术领先全球的核心在于拥有以 JF-12 和 JF-22 为代表的尖端超高速风洞群，实现了高马赫数（可达30倍以上）与长实验时间（百毫秒级）的复合能力。通过“爆炸驱动”等创新技术，这些风洞能够真实复现极高空、极高速的飞行环境，使得高超音速飞行器不仅研制快，且成功率高。

核心结论

  1. 写代码正在变得极其便宜，但判定代码对不对的成本没有同步下降。

  2. 研发流程应该从“控制实现过程“转向“定义交付结果和验收标准“。

  3. 两个 AI 落地抓手：代码找得到、结果看得到。

已经发生的事

2026 年 2 月，Cloudflare 一名工程师用 AI 在 Vite 上重新实现了 Next.js 94% 的 API——路由、SSR、RSC、Server Actions、缓存、中间件，全部从零写。一个人，800 多次编程会话，一周，约 1100 美元 token 费。项目叫 vinext，已开源，带 1700 多个单测和 380 个端到端测试。

他怎么做到的：对着 Next.js 的 API 行为规范，让 AI 反复实现、测试、修正，直到行为一致。

既然 AI 只需要验收标准就能实现目标，那我们花在设计、评审上的过程时间，还有多大价值？

AI 不能一枪必中，人也不能。

但人会多开几枪。

本文的三个前提

前提一：符号处理成本在快速下降

以 Claude 为例。24 年 3 月，Opus 3 定价每百万 Token 15/75 美元。三个月后 Sonnet 3.5 多数基准超过 Opus，价格只有20%。到 26 年初，Opus 4.6 定价 5/25 美元，Sonnet 4.6 只要 3/15 美元。

仅两年，同等能力的成本下降了一个数量级，上下文也从 200K 扩到了 1M。蒸馏、量化、KV缓存、专家网络、专有芯片也都在持续降低推理成本。

前提二：研发的大部分产物是符号

代码、配置、接口定义、测试用例、文档、日志、SQL、页面结构——都是符号。

前提三：研发的目标是结果，不是过程

代码不是目的，技术方案不是目的，过程文档不是目的。

目的是：在给定约束下，稳定产出符合预期的结果。

软件系统是实现目标的手段；研发流程又是实现软件系统的手段；过程文档是实现研发流程的手段…

瓶颈转移：从“写“到“验“

软件开发的核心就两件事：写和验。AI 让前者成本急剧下降。

软件成本 = 编码 + 测试

推理成本在快速下降。但工具调用（备环境、跑测试、取日志）成本没降。涉及物理世界的（硬件联调、用户实验、网络环境）更是。

数据很清楚。Faros AI 对 1 万多名开发者、1255 个团队的遥测数据：高 AI 采用率的团队任务量多 21%，PR 合并多 98%——但审查时间多 91%，PR 体积大 154%，bug 率升 9%。更要命的是，同一批团队的 DORA 指标（部署频率、交付周期、变更失败率、恢复时间）几乎没变。代码多了，交付没快。工作没消失，从“写“挪到了“验“。
Sonar 2026 全球开发者调查（1100+ 人）：96% 的开发者不完全信任 AI 代码的功能正确性，59% 认为审查 AI 代码要花“中等“或“大量“额外精力。Anthropic 自己也碰到了——工程团队代码产出过去一年涨了 200%，2026 年 3 月专门推出 Claude Code Review 来解决审查瓶颈。GitHub Octoverse 数据：约 41% 的新代码由 AI 辅助生成，月推送超 8200 万次。

过去：想法多，写出来贵
现在：写出来便宜，不知道哪个是对的

有人问：AI 代码不是越来越准了吗？确实，但要看这个“准“是哪层。

AI 能写出语法正确的代码，很大程度上靠 Compiler 和 Linter。在 Agent 循环，它们能提供毫秒级的反馈——变量不存在、类型不对、导入缺失，眨眼 AI 就能改正。

但难的是第二层：业务逻辑对不对、运行行为符不符合预期、场景覆盖全不全。这些必须让代码真正跑起来，获得真实世界的反馈。

静态验证（类型、语法）已经趋近于零，动态验证（业务）依然昂贵

深一点，孤立系统的熵不会自发减小。完全封闭在符号世界里的推理，产出的只能是“阴阳五行”般自洽但无用的符号闭环。

如今的 Agent 的幻觉降低，很大程度来自我们教会了它去使用 Bash、Python、WebSearch 获得真实世界的负熵。

验证，是把 AI 拉回现实的锚。

实践是检验真理的唯一标准。

流程变革：从“先拍板再实现“到“先实现再筛选“

过去的生产流程是围绕“研发很贵”设计的，都是尽可能用评审时间，去保护昂贵的研发时间。

image

但 AI 大幅降低开发成本后，人的评审、测试验收反而变最贵的环节。与其花时间争论哪个方案好，不如让 AI 先干再说。

评审只需一个：需求评审——本质就是“验收标准评审“。明确定义业务的输入、输出，要什么结果。

image

这里有一个关键：验收标准应当是可自动执行的量化的标准，而不是架构、规范之类的散弹枪许愿——全看 AI 道德。

代码越来越像可再生资源，验证体系越来越像稀缺资产。

开头提到的 vinext，关键不在“AI 能写代码“，在于 AI 是对着行为规范搜索兼容实现的。没有明确的行为标准，这事做不成。真正的资产不是 Next.js 的源代码，而是它定义了“什么行为算正确“。
SQLite 代码完全开源，但核心测试框架 TH3 闭源，需要授权。核心代码 15 万行，测试代码 9200 万行——比例约 600:1，100% MC/DC 覆盖。
代码开源，测试闭源。没有完整测试套件，你没法保证数据库不丢数据。护城河不是代码，是验证体系。
2026 年 2 月，开源绘图工具 tldraw 在 GitHub 提出把测试套件（约 327 个文件）从开源仓库迁到闭源仓库（Issue #8082）。理由直接：vinext 证明一套完整测试就够 AI 从零重建整个项目，测试正在成为开源项目最需要保护的资产。提案在 Hacker News 引发大量讨论。这不是个别现象，是趋势。

两个基建：代码找得到 + 结果看得到

做 AI 落地，顺着直觉就是做知识库、写规范…

但它们真的提供信息了吗？

基建一：代码找得到

代码有最全的信息。

微服务架构下，每个服务仓库只有自己一小片的上下文。AI 在一个服务里排查问题，爬到边界就断了，然后人去找另一个服务的人，那边人再问 AI…
本来能在代码里顺着调用链就能爬通的事，变成了：AI → 人 → 人沟通拉会 → 人 → AI。

建立统一仓库（monorepo）就是最简单的手段，让完整的信息对 AI 来说像本地文件一样简单、直接、可访问。

顺着这个思路，很多过程文档的价值也在变。所有的信息，比如 SPEC 文档、设计文档、架构说明里描述的约束、数据流和交互细节，最终都会实现在代码里；代码仓库也就自然成了唯一持续更新的信息，代码之外的文档都会随着迭代逐渐过时不可信。

事实上，大家现在也不怎么搜文档了：都是直接对着仓库问，然后 AI 根据问题追查代码生成“一次性文档”。“现炒”便宜方便，谁还吃“预制”？

所以，代码仓库是唯一的 source of truth，索引和目录文档都只是它的视图，只负责指路，不承载事实本身。

基建二：结果看得到

运行结果产生纠偏信息。

现在的 AI 编程瓶颈不在写代码，在于写完之后：谁来跑、谁来看结果、谁来判断对不对。大多数时候是人——人启动服务，人点页面，人查日志，人看监控。AI 写完代码就停下来等，等人告诉它结果，它再改，再等。一轮几秒钟的代码修改，卡在几分钟甚至几小时的人工验证上。在工厂里，人可以停，但机器不能停——现在 AI 是那台机器，人的验证速度成了产线瓶颈。

要让 AI 自己闭环，两件事要通：

  • 第一，能跑起来——AI 能自己启动程序、触发操作（运行环境）；

  • 第二，能看到结果——AI 能自己看到日志、埋点、数据库等运行结果（机器接口）。

代码找得到，让 AI 有了完整的符号世界；结果看得到，让它有了闭环修正的反馈机制。两个一接通，AI 就能在符号空间里持续闭环优化——因为优化本身也是符号操作。

有些场景看起来难测——分布式故障、安全攻击、硬件交互——但本质上也是同一问题：怎么把现实世界建模到符号世界。

AI 是符号世界的神，是人类发明的通用符号变换器，只要能把智力任务建模成符号变换，AI 就能闭环。

就像通用动力源蒸汽机：只要能把生产过程分解为往复、旋转、推拉等周期性物理运动，蒸汽机就能取代人力。

在这之后：从“造出来“到“搜出来“

一旦有了验证标准，软件研发就可以从“构造问题“变成“搜索问题“。

以前：人一步步把程序写出来。
以后：人定义目标和约束，AI 在符号空间里搜索满足约束的程序。

就像做一个不定积分，C 取多少都对。软件也一样——通过所有测试的实现可能有好几种，每种都“正确“，但可读性、复杂度各不相同。

AI 负责找出所有满足约束的解，人根据自己的品位和工程判断，挑一个最合适的。

最终，可能就在一年后

image

人类下午讨论、AI 半夜干、人类上午验收反馈、AI 中午修正、人类下午体验讨论、AI 凌晨继续干…

人类和 AI 在不同的时区两班倒，产线以半天为单位高速迭代。

附录

核心论断

  • “推理成本指数下降，验证成本基本不变。两条曲线反向运动，瓶颈就在这。”

  • “静态验证已趋近于零，动态验证依然昂贵。编译通过不等于业务正确。”

  • “没有真实反馈的符号推理，只会退化成自洽但没用的闭环。测试是把 AI 拉回现实的锚。”

  • “代码越来越像可再生资源，验证体系越来越像稀缺资产。”

  • “阻碍 AI 闭环的不是 AI 不够聪明，是上下文路由成本和验证系统不可编程。”

  • “满足约束的解不止一个，AI 负责搜索，人负责用品位挑最好的那个。”

  • “代码是唯一的 source of truth，文档只是它的视图。”

  • “Context, not control.”

我没法检查每一行代码， 但我可以通过检查这个人是否理解代码， 来判断Ta能不能控制、兜底和负责这些代码。 ​​​

今天顶层发了个文档，要规范AI友好的CLI开发。

一点开，近万字红红绿绿富文本，长篇大论讲怎么命名、怎么定参数、怎么写帮助…

作为恒生科技大权重，脱离实践的中高层整天开会生产这些人类不想也不会看、AI都会没必要看的玩意，我直接开评了：

“收起人类的傲慢，别教模型做事。

顶级模型见过的CLI源码比任何人类都多，它们天生就会写出概率空间里最Normal、最常见的CLI。这种CLI，就是对任何模型使用最友好的CLI。

我认为这篇规范应该多花点笔墨写一些模型不知道的、司内CLI需要关注的私域信息，而不是八九千Token全是模型熟知的通识。

这样才能辅助司内模型做出它自己喜欢用、它同事也喜欢用的好工具。”

不随机的选择， 就必然依赖一套偏好顺序。

要排序， 就要把复杂的多维世界， 强行投影到一维的数轴上。

而降维的过程中， 就会出现重叠和失真。

就像电车难题， 只要不是蒙眼乱选， 就必须给生命、数量、年龄、亲疏 排出先后轻重。

爱与自由、情感与现实 也是一样。 这就是高维挤进一维时， 必须面对的取舍。

求两全，得两不全； 接受不全，或得两全。

只要你能稳定、一致地排出好坏顺序， 就等价于你在心里默默算了一个总分。 ​​​

配图 1

突然理解Manus首席科学家在播客说的“模型需要意识到自己的上文是被压缩过的”是什么意思了。

近几月模型能动性的爆发主要是模型厂商加大了强化学习后训练的投入，让模型有了韧性：一次做不成，换一招再试。让 Bash/Python/Browser/Excel 之类的任务表现极佳。

而近期记忆框架的层出不穷，其实也和前两年 Workflow 框架层出不穷一样，都是在模型成长时期，迫不及待的工程师们试图用程序化的规则，给模型拄拐。

所以我认为，完全不用FOMO这个时期的记忆实践。回归基础原理，耐心等待模型厂商教会模型自我管理注意力的能力：特别是压缩、整理、卸载上文的时机和程度。

因为一但模型就绪，这些过度设计很快就会全部进入历史垃圾堆。

而且换个角度，记忆对工具真的是必须的吗，目前百万词元的上下文窗口真的不够用吗。

某厂实习生“第一学历985”的标准已经在从50%往80%提了…

但细想逻辑也通： AI日新月异，校招阶段公司很难识别出谁能学好用好，干脆直接用“第一学历985”作为“能学好用好”的代理指标。简单、可执行、方差小。 ​​​

年终也是赚上老板们 FOMO AI 的钱了，这里也同步记录下最近的思考：

我认为，基于 LLM 的 Agent 就是新时代的 Runtime，而 SKILL.md 则是新时代的源代码。

换句话说，对于具体的落地应用，我们不需要花太多时间研究 Agent 底层的 ReAct Loop、Memory、Tools、Compact、Delegation 等细节， 就像我们不需要花太多时间研究 JVM、V8 里面的高深魔法一样，这些东西会有世界上最聪明的脑袋们去研究： 程序员的三大错觉：我比编译器聪明、我超越了标准库、我能管理好内存。

作为普通研发，我们的注意力应该放在， 如何书写适配我们具体工作的 SKILL.md、以及怎样搭建让 Agent 更快更好执行这些 SKILL.md 的环境。

这些脏活确实不如 Agent 原理那样令技术人兴奋，但的确它们是 Agent 落地真实业务生产的关键。

具体到我的“实习生”机器人上，也并没什么高科技，都是一些打杂活： 帮它接入内部 IM、帮它申请自己的 SSO 身份、帮它授权各常用系统权限、帮它改造内部打包平台、一步步带它执行我们的日常工作流程沉淀总结 SKILL.md、帮它准备好开发环境的 Dockerfile、以及最关键的搭建 BDD 执行环境、教它操作手机自行测试截图检查修正…

而“实习生”的底层 Agent，我则是无脑克隆了开源社区的 OpenCode，一行都没改。 因为目前所有的 OpenClaw、Claude Code、Codex、甚至 Tabbit 浏览器之类的 Agent 实现事实上已经收敛到了标准的 ReAct Loop，区别只是内置的 LLM 和 SKILL.md 不同而已。 有兴趣花半天读读 MiniMax 的 Mini-Agent 很快就能理解，不需要重造轮子。

过去，研发是写代码；现在，则是写“写代码的方法”。 就像中学数学是解具体的 x，大学数学则是解含 x 的关系 f(x)。

配图 1

神奇啊！ CA1255北京飞伊宁要5小时， 但CA1256伊宁飞北京却只要3.5小时！

学习了一圈，都指向极锋急流： 极锋急流是位于北纬约40°–60°、沿极地冷空气与中纬暖空气交界（极锋）上空形成的一条高空高速西风（自西向东）气流带。

于是伊宁（北纬43°）到北京（北纬39°）整个航程都吃到了风速加成，甚至地速过千。

配图 1配图 2配图 3

小时长辈其实是在夸爸妈：把你教养得很好；现在长辈其实是在夸你：把感情经营得很好。我们喜欢指桑赞槐[卡皮巴拉]

在AI码农面前，AI陪聊的Token消耗量微不足道… 在AI导演面前，AI码农的Token消耗量微不足道… ​​​

优秀的创新型组织需要非常远见的高层、顶级聪明的执行层，以及能高速路由信息且不添油加醋夹带私货的中层。 ​​​

我有点理解太空光伏了。

光伏和Transformer很像： 都是简单、重复的基本单元组成， 都可以通过堆规模持续获益。

于是逻辑就有了： Transformer附身机器人持续生产铺设光伏面板采集电力； 更多电力又支撑更大规模的Transformer更聪明有效地采集更多电力…

而且相比地面， 太空中空间平整一致、日照稳定无限， 现有技术足以让AI进入一个无人参与的自我增殖循环。

人类或许很快会进入一个 物质极大丰富的时代。

当那些弥散在行星周围的戴森云们能够持续获取能量、扩大规模、维持结构时， 也许它们就应该被视作一种新的生命形态了。

每月使用10元、100元、1000元、10000元Token的人对AI的评价是完全不同的。

我现在大概是五六千元的水平，我的感觉是AGI已经来了… 而仅10个月前，我对AI的评价还是：不过只是是文本补全的概率机器罢了… ​​​

我突然发现这个，可控核聚变其实是一个就是像金字塔一样的科技奇观一样的东西，真正有价值的，或者说现阶段真正可以用到的能源，而且可以规模化扩展的，其实是光伏，就是太阳能发电场 ​​​

传统武术、医术、儒术…或许曾是当时的先进圣贤， 但到今天，它们更多应该被作为一种文化。

可以用来欣赏消遣，但也仅限于欣赏消遣。

因为要想从这些古籍中汲取有价值的信息，在效率上，远不如直接学习现代中小学教科书。 ​​​

现在自媒体AI含量越来越高了，特别是各种口播。

只要听到“这不是…，而是…”的标准GPT句式，基本就是AI没跑了。

“你不是不懂，而是太懂…” “你不是脆弱，而是开始觉醒…” “你不是情绪化，而是感受力太强…”

“这不是危机，而是转型的阵痛…” “这不是技术爆炸，而是范式迁移…” “这不是能力不足，而是认知模型老了…” “这不是市场在收割你，而是你自己没看懂规则…”

它们不提供任何新增事实， 但能提供一种什么都不做，认知就被升级了的良好感觉。

配图 1

恰恰相反，我觉这就是通往AGI的路。孤立系统的熵不会自发减小，模型必须要在思考循环中利用工具获得真实世界的负熵输入，否则就会陷入完美但无用的符号自洽。而Shell、Lint、Compiler就是现阶段最适合给予模型及时反馈的人造“物理规律”。

为什么人会在意别人的恶意，

因为比起恶意，人更怕的是自己无人在意。 ​​​

配图 1配图 2

一个豆包倒下了，千千万万个豆包站起来了！

连夜学习了下智谱刚开源的手机助手，工程写得非常简单：标准的“观察-推理-行动”循环。

9B的视觉模型参数量不算大，但对没有显卡的我，还是比较的羞涩[柯基]

虽不能体验，但读它提示词也挺好玩： - 如果游戏可以自动战斗，就一定打开自动战斗（斗地主托管专家） - 实在找不到用户要的时，可以使用AI搜索（聪明的AI会用AI[并不简单]） - 搜索小红书时候，一定筛选图文笔记（推理速度看不过来视频）

配图 1

意义，是意识面对熵增世界时，用于维持自身稳态的秩序源头。 ​​​

内耗不是因为「太关注别人怎么想」， 而是因为只停留在想。

我认为： 要主动去思考别人怎么想，并积极尝试预测； 再通过观察Ta的后续行动，检验这些预测。

当发现结果偏差时，问问自己：

- Ta是不是知道什么我不知道的信息？ - 如果我知道这些信息，能不能做出相同的判断？ - 这些信息，事前我有没有办法获得？

思考别人怎么想，目的不是虚空反刍， 而是要借「假设、验证、修正」的循环， 重建Ta的决策模型。

DeepSeek团队太强了，他们在重新提醒大家：人类阅读靠的是视觉，不是Unicode[捂嘴哭] ​​​

！ 啊！ 原来如此！ 所以大公司里也是这样设计：虚线节点管业务，实线节点管人事[震惊] ​​​

配图 1

以前以为脑暴会是为了产出创意， 参加几次后发现： 信息密度极低，大量时间都耗在无关痛痒的琐碎上。

后来才明白—— 多数脑暴会，其实是领导想推动某个方向， 可能是还没拿定主意， 于是先召集大家聊聊，既探探团队风向，也塑造开放文化。

也可能已有想法，只是不便直接拍板， 便借讨论一步步铺垫出来， 既让大家产生认同，也让后续推进更顺畅。

说到底， 脑暴会看起来在要创意， 其实更想要的是团队成员的共识和投入。

真正突破性的点子， 只会诞生于深度个人思考，和小团队的反复打磨， 不会、也不可能会在脑暴会上出现。

抖音的设计师太天才了！

这个“心动榜”，红色的心电线把“心”拉出了“必”的形，再配上丝带大面积的橙色承接到红，满满都是巧思，擦得让人心服口服[赞]

相比之下淘宝拼好饭就没啥意思了[柯基] ​​​

配图 1配图 2

两年前的大模型，Token很贵、上下文只有4k，一个汉字经常就要占2Token，所以很多人更倾向用英文写Prompt。

而如今，128k的模型比比皆是，各家Tokenizer都收录了大量中日韩字符，甚至「笑死🤣」这种常用emoji都有独立Token ID。

要知道，大模型的注意力是按Token分配的，这意味着，单Token信息量更高的中文其实比英文更有利于模型的表达和推理。

再发散点，人类的注意力单位，其实也更接近「音节」，而非「字」、「词」。

在长期演化中，中文通过把高频概念浓缩成单音节的字，构建出了一种码长分布贴近语义分布的语言系统——既方便人类，也契合大模型。

比如中文数字，一字一音，让母语者几乎人人都能背出乘法表、复述手机号。

只是近些年，随着教育水平提高，一些表达又开始有了膨胀的迹象… 好了快两点了，我必须要立刻进行一个睡觉。

配图 1

强化学习要试错，就一定需要一个低成本的演练场。 ​​​

配图 1配图 2

以快三十的我回看：

好的老师，不是严苛的监工，也不是手把手的保姆。

而是能和我一起，快速、低成本地，把可能的蠢全犯一遍的人。

因为这个世界，正样本易得，负样本很贵。 只有亲历正负，才能理解和分辨明暗的交界。 ​​​

放大配图