你点的“不再询问”，是 Agent 替你写的（中英切换）
中文 English 你刚克隆了一个仓库，让 Claude Code 把测试跑起来。它要执行一条 ，去拉一个夹具。确认框上不只有「这一次允不允许」。还有一颗按钮：Yes, and don't ask again。你今天已经点过十几次。你点了不再询问。 我的判断：你点的「不再询问」，是 Agent 替你写的。 这个框是一…
Tag
llm
41 posts · All tags
活干完了，汇报你看不懂（中英切换）
中文 English Claude Opus 5 做完一轮长文档问答。41 次工具调用，请求者一条都没看见。交回来的回复里，结果挂在三个名字上：配置键 ，文献编号 R07 和 R09。 我的判断：活干完了，汇报你看不懂。 委托的最后一公里是那句回复。它写这句话的时候站在自己的草稿纸上。你手里只有自己发出去的请求。
没人说过 X，模型先反驳了它（中英切换）
中文 English 你问接口为什么慢。模型回你：瓶颈不是 CPU，而是磁盘 I/O。 对话里没有人提过 CPU。没有人换过 CPU。这个 X 是它自己搬进来的，然后再表演一次打倒。读起来像它想得比你深。 我的判断：没人说过 X。模型先说「不是 X」，不是语法没学好，是打倒一个稻草人听起来像洞察。若干奖励模型为这个声音…
你的 Agent 不是谨慎，是在防不存在的贼（中英切换）
中文 English 你让它改一个函数。仓库里依赖版本钉死了，这条路径只有一个写入者，产物可以从已版本化的输入重新生成。任务里写着三句事实：这是最终版本；测试由你来补；验证只跑这一个测试文件。 diff 里多出来的不是这个函数。是一层 配上默认返回值，一份留给旧调用的兼容垫片，还有一句“要不要我先确认再改”。测试是绿的…
83 个工具，输给一个 curl（中英切换）
中文 English 如果你这半年给 Agent 接过 MCP，大概率干过同一件事：平台有什么接口，就包成一个工具；工具越多，心里越踏实。 ServiceNow 的一组研究人员把这份踏实拿去测了。同样的模型、同样的 729 个任务、同样的三个企业平台（ServiceNow、GitLab、ERPNext），只换 Agen…
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 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。