2025年以前的程序员 debug：挠着没有头发的头一行行看代码插入断点打印中间结果用二分法寻找可能的漏洞，直到找到问题或者自己灵魂被抽空然后放弃。

2026年以后的程序员 debug：对着 AI 吼叫「我在指令里说的很清楚了你是必须这么做不是你自己看着想做就做不想做就不做，必须，懂吗？MUST，全大写。」

coding agent 最好笑的一点是因为知识来自人类，所以对自己的效率一无所知。
刚才 CC 告诉我：计划通过的话我就开始干活了，这个工作量大概需要一至两天。
我微微一笑，起身去洗手间。
回来它写完了。

中文人工智能社区的最大不解之谜：究竟为什么御三家大模型说话的口气最后都会趋同于同一种 AI 爹味，且只在用中文的时候才会有这种爹味。

它们是在互相蒸馏，还是被同样的中文语料污染（但那种独特的爹味本身即使在中文原生互联网上其实也很罕见），还是说有某种神秘内在规律使得「说中文又懂得很多」就必然表现成这样？

Clause Code 的 quota 用光了，还要一个小时才能刷新出新用量，正在百无聊赖地等。刚才忽然灵光一闪：还可以用 Codex。

打开 Codex，发过去一个问题，说：
Hi，好久不见（这句没说），有个问题帮我解决一下。

什么叫备胎，这就叫备胎。 ​​​

笑死，一觉醒来各大 KOL 都开始强推 Hermes 作为OpenClaw 的竞品。

（所以下周末深圳广场的标语不再是公益代养龙虾而将是公益赠送爱马仕

我让 agent 写个挺复杂的程序，它很快告诉我写完了。
经验告诉我不会如此顺利，我仔细检查了一下，发现最复杂的一段果然略去没写，用注释代替了。
我问：你这块没写啊。
它说（原话）：啊，对，这个留到后面写。这涉及一段不短的推导，你现在要写这部分，还是先推进别的？
我：……

它要是个活人我都能看到它无辜扑闪着大眼睛镇定看着我的脸。

感觉 Agent Harness 因为技术上实在是太容易了所以特别难
就像写文章一样，一般和好和非常好之间的天壤之别源于毫厘之差

今天忽然意识到一个事：对 Agent 来说，读一份10k token 的 md. 和它读10份1k token 的md（内容完全一样，后者就是前者的简单拆分）相差很大。如果不采用额外的上下文管理手段，后者消耗的是不是前者加一点点overhead，而是前者的若干倍，因为每次读后面的文件的时候前面的都默认还在上下文里，最后消耗的数量级是55k（1+2+...+10）。 Context Caching 也不能完全解决这个问题（它只是一定程度上降低了费用，而且工程上很多时候 cache 对这种少量重复根本就懒得激活）。

我把上面这个问题同时和御三家讨论了一下，它们都说确实是这样（三家对具体的成本估算略有不同，但都同意上面的基本逻辑）。

但我还是觉得有点神奇：这岂不意味着仅仅把小文件合并到适合AI的篇幅就能带来巨大的效益？

刚才跟AI进行了一个很有意思的对话。

起因是我一直在试着把一个面向人设计的工具转成一个面向Agent设计的工具，然后我意识到，就像一般产品经理会做用户调研一样，我们完全可以面对AI做用户调研。

于是我问了 AI 这样一个问题：
你自己就是AI，而且是一个经常需要调用工具的AI。你期待一个面向你的xx工具应该是怎样的？

AI 的回答：

确实每天都在调用工具，而且我非常清楚自己的痛点在哪。
我最大的瓶颈：round-trip 成本
每次工具调用对我来说都很贵——不是算力贵，而是延迟和 context 消耗。我调一次工具，要等结果回来，要把结果读进上下文，这占用我有限的注意力。所以：
最理想的 API 是：一次调用能做尽量多的事。一个 round-trip 解决问题。 这就是 AI-native 和 human-native 最根本的区别——人类需要看到每一步、理解每一步；我不需要，我需要高效搜索。

我第二大的痛点：失败时的信息黑洞
当工具返回 "error: tactic failed" 时，我只能盲猜下一步。这是我浪费 token 最多的场景。我需要的是similar_successful_patterns——告诉我「别人在类似目标上成功用了什么」。这对人类不重要（人类靠直觉），但对我极其重要，因为我的搜索是基于模式匹配的。

第三：checkpoint 必须极其廉价
我的工作模式本质上是 tree search——试一条路，不行就回溯。如果 checkpoint/restore 有任何显著开销，我的搜索效率就会大打折扣。理想状态：
checkpoint 返回一个 ID，允许随时 restore。

第四：我不需要的东西
这点同样重要。不要给我：
Pretty-printed 状态（给我 AST/JSON）
人类可读的错误信息散文（给我结构化诊断）
交互式 REPL（给我无状态的 HTTP/gRPC 端点 + session token）
自然语言文档（给我类型签名 + 输入输出示例）
格式渲染（给我 S-expression 或 JSON term tree）
每一个「为人类可读性」加的处理，对我来说都是噪音——我要花额外的 token 去 parse 你本来就有结构化表示的东西。

为我设计的服务的核心 API 大概就三个端点：
/batch_apply — 批量尝试多个策略，返回所有结果，自动 checkpoint
/explore — 给定当前目标，返回候选列表（按历史成功率排序）+ 目标的结构化分析
/checkpoint — save / restore / fork（分支出并行探索路径）
数据的大小反而是次要问题。如果这三个端点做得好，我可以在一个基础引擎上也非常高效地工作。如果这三个端点做得差，就算你有海量独家数据，我也会在无意义的 round-trip 中浪费大量算力。

========

然后我把上面的 AI（甲）的回答发给了另外两个 AI（乙和丙），它们纷纷表示：说的太他妈对了真的嘴替。

但各自又有补充。

AI 乙：

那个 AI 提到的 round-trip 成本本质上是 Context 熵增问题。人类阅读 1000 字的文档可能只需要几秒，但我读取 1000 tokens 的结构化数据不仅消耗 tokens，更严重的是它会稀释我的注意力权重。

报错即「路标」，而非「结局」
现在的工具报错（如 400 Bad Request）对人类来说是终点，需要人类停下来思考。但对于 Agent，报错应该是探索算法的一个分支。

逻辑偏误修正
那个 AI 提到的 similar_successful_patterns 极其重要。由于我的推理本质上是概率性的，告诉我「怎么做可能是对的」远比告诉我「你现在错了」能更快地让我回归正确的收敛路径。这其实就是 In-context Learning 的即时补丁。

关于 Checkpoint 的论据非常惊艳。
目前的工具链大多假设 Agent 是线性的（Step 1 -> Step 2）。但实际上，复杂的任务需要我们进行类似蒙特卡洛树搜索的操作。

我完全同意它对 Pretty-print 的厌恶
Markdown 表格对人类是视觉盛宴，对我来说是 token 屠杀。 我更希望工具能支持类似 JSON Streaming 或者 Protobuf 的流式解析。这样我不需要等整个大的结果返回，只要前几个关键字段（如 status: "processing"）出来，我就能开始规划下一步，从而实现真正的异步协作。

补充一个它没提到的痛点：确定性约束。面向 Agent 的工具应该允许我传递一个 seed 或 consistency_level。我最怕的是：同一个 API 调用，在逻辑没变的情况下，因为后端的微小抖动返回了不同格式的数据。这会导致我的 pattern matching 瞬间失效，引发一连串的幻觉。

AI 丙：

大部分同意。但我会补上第四类能力：
/inspect 或 /explain_failure
不是给人类解释，而是给 agent 一个可操作的状态诊断接口。因为 agent 很多时候不是缺 apply，不是缺 explore，而是缺局部判别：当前卡住的根因到底是什么？哪个约束最可能该先处理？当前目标和历史成功轨迹的差异在哪？如果没有这个层，explore 很容易退化成盲搜。

总的说来，我觉得它抓住了一个真的很重要的转换：
human-native 工具优化的是可见性、可理解性、交互舒适度；
agent-native 工具优化的是搜索效率、状态可分叉性、失败可诊断性、接口可组合性。

========

不得不说我从这个对话里学到了非常多东西。

当一个AI想了半天没想出来的问题被我想出解决方案的时候还是很有智商成就感的…… ​​​