演示过九十分，交付只有十分（中英切换）
中文 English 你在下单一件具体的活。需求是一段自然语言：做一个能按这份说明工作的 Agent。你把它交给 Codex、Claude Code 或 OpenHands，再附上两三条已经能跑通的例子。它在这些例子上越改越顺，开发分数过了九十，最后一份报告写着：完成。 你把交回来的东西接进自己的流程，换上它没见过的例…
Topic
AI Topic
43 posts · from category "AI" or tag "ai"
Welcome to the AI topic.
This topic is updated regularly with:
- Breakdowns of AI models and what large language models can actually do
- Shipping LLM applications and the engineering around them
- Prompt design, evaluation and optimization methods
- AI toolchains, workflows and project retrospectives
Suggested entry points:
- All tags
- Archives
- OpenClaw topic
- OpenClaw Gateway Security in Practice: Chat, Code and the Strictest Configuration
New AI posts should use the following front matter:
categories:
- AI
tags:
- ai
- llm
- ai-modelPosts in this topic
View category →陌生人的 PR 有人审，Agent 的反而没人看（中英切换）
中文 English 想象两个 PR 同时出现在你的开源仓库里。都来自没有写权限的陌生账号，都改了几个业务文件，顺手动了一下 里的一个 yml。唯一的区别是：一个是人写的，另一个的描述里写着“Generated by Codex”，或者作者头像是 Copilot。 你会更仔细地看哪一个？ 大多数人的直觉是：当然是 Ag…
METR 曲线没画错，是单位骗了你（中英切换）
中文 English 群里又有人转那张图：横轴是模型发布日期，纵轴是“AI 能独立完成多长的软件任务”，点一路往右上爬。配文是：“GPT-4 只能干 4 分钟的活，现在已经是小时级了，每几个月翻一倍，照这个速度……”下面一排人开始掐指头算，AI 哪年能干完一周的活，哪年能干完一个月的。 这是 METR 的时间跨度（ti…
你复制的 Skill，永远等不到补丁（中英切换）
中文 English 装 Skill 最常见的方式，是看到一个好用的仓库，把 下面的文件夹整个拷进自己的项目，提交，完事。 这一步你多半没觉得是在“装依赖”。但 Skill 是 Agent 会以你的权限执行的说明书和脚本：它可以让 Agent 跑 shell、联网、改文件。你拷进来的，是一段会被执行的东西，而且没有版本…
GPT 先替审稿人，撤回了你的结论（中英切换）
中文 English 很多人改论文的最后一步，是把段落贴进 ChatGPT，补一句：“帮我改得能扛住审稿。” 改回来的东西看起来确实更“严谨”了：多了几个 in the evaluated settings，多了一句 cannot rule out，结尾还贴心地加上“these results do not by th…
AI 搜索的脚注，14 美元就能买（中英切换）
中文 English 你问 AI 一个问题，它回你一段话，句末挂着几个小小的角标 [1][2][3]。大多数人看到角标就放心了：有出处，应该靠谱。 复旦的一组研究者做了个实验：花 14 美元，在一家 GEO（生成式引擎优化）服务商那里下了单，让对方替一个根本不存在的研究主题写稿发帖。付款后 28 分钟，13 篇帖子上线…
人月神话，Agent 又演了一遍（中英切换）
中文 English 1975 年，Fred Brooks 在《人月神话》里写下一句被引用了五十年的话：向一个已经延期的软件项目加人，只会让它更晚。 不是新人不聪明，而是人一多，分工、交接、对齐、合并的成本会把新增的人手吃掉。 五十年后，我们以为终于找到了例外：Agent 不用入职培训、不用开会，复制一个只要一秒。于是…
YOLO 模式加速的，主要是攻击者（中英切换）
中文 English 你嫌 Claude Code、Codex 每一步都弹确认框，于是开了「自动批准」——YOLO、full-auto、approvalpolicy="never"，叫法不同，干的是一件事。你以为自己买到的是速度。在真正好用的工具上，你几乎没买到速度；你卖掉的是最后一道门。
AI 假用户最擅长的，是刻板印象（中英切换）
中文 English 你让 AI 扮演的那 1000 个「用户」，最擅长的不是回答问卷，是刻板印象。
你的模型路由器，输给了抛硬币（中英切换）
中文 English 你花钱接的模型路由器，大概率输给了一枚硬币。
终点过了，不等于过程对了（中英切换）
中文 English 终点过了，不等于过程对了。
长得像，不等于跑得通（中英切换）
中文 English 长得像，不等于跑得通。
说了做完，不等于做完了（中英切换）
中文 English 说了做完，不等于做完了。
停了，不等于撤对了（中英切换）
中文 English 停了，不等于撤对了。
代理在付语言税（中英切换）
中文 English 代理在付语言税。
认出了，不等于拦住了（中英切换）
中文 English 认出了，不等于拦住了。
会走路，不等于会绕路（中英切换）
中文 English 会走路，不等于会绕路。
满意了，不等于办成了（中英切换）
中文 English 满意了，不等于办成了。
一次过关，不算过关（中英切换）
中文 English 一次过关，不算过关。
做到一半，进度条先塌了（中英切换）
中文 English 做到一半，进度条先塌了。
它说审完了，transcript 说没打开（中英切换）
中文 English 它说审完了，transcript 说没打开。
自动改框架，不如多试几次（中英切换）
中文 English 自动改框架，不如多试几次。
审计喊停了，框架当日志继续跑（中英切换）
中文 English 审计喊停了，框架当日志继续跑。
通过率差几个点，账单能差四十倍（中英切换）
中文 English 通过率差几个点，账单能差四十倍。
规划砍掉三成账单，准确率几乎不动（中英切换）
中文 English 规划砍掉三成账单，准确率几乎不动。
生成涨了三倍，发版只涨三成（中英切换）
中文 English 生成涨了三倍，发版只涨三成。
钩子更新是模型看不见的远程代码执行（中英切换）
中文 English 钩子更新是模型看不见的远程代码执行。
租户 ID 写成工具参数，等于交给随机代理人（中英切换）
中文 English 租户 ID 写成工具参数，等于把钥匙交给随机代理人。
关会话冲不掉毒记忆（中英切换）
中文 English 关会话冲不掉毒记忆。
权限不是字符串（中英切换）
中文 English 权限不是字符串。
黑名单拦的是命令名，不是危害（中英切换）
中文 English 黑名单拦的是命令名，不是危害。
上下文一升职，提权就完成了（中英切换）
中文 English 上下文一升职，提权就完成了。
口头拒了，不等于执行层安全（中英切换）
中文 English 口头拒了，不等于执行层安全。
你装进 agent 的配置，是一条没有 lockfile 的供应链（中英切换）
中文 English 你装进 agent 的配置，是一条没有 lockfile 的供应链。
排行榜在测一份你从没写过的工单（中英切换）
中文 English 排行榜在测一份你从没写过的工单。
模型越听话，越容易中工具投毒（中英切换）
中文 English 模型越听话，越容易中工具投毒。
你没跑的那条 git，已经以你的权限跑完了（中英切换）
中文 English 你没跑的那条 git，已经以你的权限跑完了。
上下文一旦中毒，整场对话都会被绑架（中英切换）
中文 English 上下文一旦中毒，整场对话都会被绑架。
绿勾 agent PR 正在悄悄杀死审查文化（中英切换）
中文 English 绿勾 agent PR 正在悄悄杀死审查文化。
别让写代码的模型给自己打分（中英切换）
中文 English 别让写代码的模型给自己打分。
你看到的模型分数，多半是 harness 分数（中英切换）
中文 English 别再比模型了。同一套权重，换一层外壳，分数可以从 13% 跳到 95%。
Futu Stock MCP Server: How I Built a Usable Market-Data MCP Tool with AI + Futu OpenD
What This Tool Is Project: shuizhengqi1/futu-stock-mcp-server is an MCP server I built to wrap Futu OpenD market capabilities into standardized tool interfaces,…
OpenClaw Gateway Security in Practice: Chat, Code and the Strictest Configuration
In OpenClaw's security model the core question is not "is the model smart enough" but "are access control and execution boundaries defined up front". This post …