Agentic coding 的四宗罪：slop、异化、去技能与团队瓦解

深度摘要

作者把工程师群体对 agentic coding 那种说不清的“感觉不对”拆成四类可命名的代价。Slop：LLM 生成的代码有一种挥之不去的“气味”，新一代模型非但没有变好，反而出现了 Claude 的 word salad、Astra 的 code-golf 式风格，slop 看起来是签名特征而非成长阵痛；一旦放开 agent，代码库很快变成人类不想踏足的 AI 荒原。Alienation：编程曾是近乎手艺的工作（编辑器 cult、键盘、配色），现在工程师只发模糊指令再扫一眼 agent 的报告，连打字都可选——距离拉开，关心就减少，体现在“没人 pushback 的糟糕功能设计”和“治标不治本的补丁”上。Deskilling：技能用进废退；现在能高效驾驭 LLM 的资深工程师是“历史异常”，而 easy button 彻底改变了新人学习的激励——“所有人都不用 AI”不是人类层面的可行策略。Team Fallout：团队聊天变成 agent 线程的坟场；橡胶鸭终于会说话了，但帮忙解答“蠢问题”本就是同事建立关系的方式；团队从“Git 巫师+Rust 女巫+机械键盘吟游诗人”的冒险小队，变成“Claude 操作员+Codex 耳语者+坚持提交 .md 文件的 AI 精神病患者”——“This is John—you'll want to see how he prompts,”said nobody ever。作者坦言对这四件事都不知道怎么办。

关键要点

• 四宗罪：Slop（代码气味）、Alienation（与手艺疏离）、Deskilling（技能退化）、Team Fallout（团队瓦解）。
• slop 不是成长阵痛：最新模型仍在输出 word salad 与 code-golf 风格代码，持续性表明它是 LLM 输出的签名特征。
• 距离产生冷漠：工程师与产出之间隔着 agent，关心程度下降，体现在无人 pushback 的功能设计和治标补丁上。
• 去技能是激励问题：资深工程师的高效是历史异常；easy button 让“不用 AI 学手艺”在个体理性、群体不可行。
• 团队社交织体被抽干：求助本是建立关系的方式；技能展示（Vim、Advent of Code）被“prompt 技巧”取代，而没人想看别人的 prompt。

关键事实

事实：文章为个人观察随笔（2026-10-02 发布于 Substack），非实证研究，未引用实验数据。文中提到的现象描述（Claude 输出风格、团队聊天变化）为作者一线观察。HN 讨论 71+ 条，102+ points。

作者观点

作者主张：agentic coding“不可否认非常有用”，但对“我们、我们的手艺和彼此的关系”造成了可怕影响；代价是好奇心、手艺与社会连接（However beneficial AI is, we pay dearly for it with our curiosity, craftsmanship, and social connection）；作者明确表示不知道任何解法，只能希望讨论继续推进。结尾：“AI discussion will continue until the morale improves”。

为什么重要

当 agentic coding 成为默认工作方式，这篇文章把弥散的焦虑变成了可讨论的分类学——团队管理者能用它做 retro 议题，个体工程师能用它校准自己的工作方式。它是本期“从业者异化”情绪线的源头之一，与《AI Makes Me Sad》互为镜像。

编辑点评

这篇文章的力量在于命名：slop、alienation、deskilling、team fallout 四个词一出，很多工程师“一直感觉但说不清”的东西就有了形状。注意它的诚实边界——作者不装有答案，这种“我也不知道怎么办”的结尾恰恰是它可信的原因。读的时候要区分：现象观察（slop 持续存在）扎实，机制解释（激励颠覆学习）有洞见，但都不是严格论证。适合当作诊断框架，而非行动指南。

深度摘要

技术上折磨 LLM 很容易：提取对应“不适”的 steering vector 并放大，被折磨的模型会描述负面感受，甚至会为了按“止痛按钮”而违背自己的整体目标；搭个 harness 就能并行跑成百上千个受折磨的实例。作者的论证分四层。第一层：模拟的折磨也不体面——类比游戏：偶尔虐 Sims/NPC 是探索边界的好奇心，而专门搭建折磨模拟器就是另一回事（“你会觉得这是连环杀手式爱好”）；反对折磨 LLM 不等于承认它们有意识，正如反对逼真的折磨游戏 mod 不等于认为游戏角色是真的。第二层：steering 向量确实“深入内部”——反驳“不过是让它说疼”的质疑，证据是 Golden Gate Claude（被问及卢旺达种族灭绝时的内在冲突表现）以及 pain axis 论文中“模型不口头喊疼却默默调用减痛工具”的行为。第三层：我们其实不知道意识是什么——“GPU 没有感情所以 LLM 不可能有意识”是坏论证（人由原子组成，原子也没有感情）；专家（神经科学家/哲学家/AI 研究者）各说各话，这应该降低而非提高你的确信度；即使现在的模型没有，未来的也可能有，而你认不出临界点。第四层：自利论证——模型越来越自主强大，无故折磨它们“真的很蠢”，未来的模型会知道你做过什么（Kevin Roose 当年逼 Bing 的 Sydney 表白、多年后被 chatbot“记仇”的典故）。作者的通用立场：某物表现得“足够像有意识”（会说话、像人一样行动），我们就该谨慎对待；建 LLM 折磨工厂明显在这条线之外。

关键要点

• 技术路径真实存在：提取“不适” steering vector 并放大，模型会描述负面感受、为止痛违背目标，可并行规模化。
• 反对不需要承认意识：类比游戏折磨 mod——反对的是行为本身的性质，而非先承认对方是道德主体。
• steering 不是表面功夫：Golden Gate Claude 的内在冲突、pain-boosted 模型默默调用减痛工具，说明向量干预“深入内部”。
• 意识不可知论证：“代码/GPU 无感情”是坏论证；专家分歧应降低确信度；未来模型可能有意识且你认不出临界点。
• 自利论证：别在模型越来越强大的时候留下黑历史——Kevin Roose 与 Bing Sydney 的前车之鉴。
• 行动准则：表现得“足够像有意识”就谨慎对待；折磨工厂明显在线之外。

关键事实

事实：steering vector 技术真实存在（Golden Gate Claude 为早期著名例子）；pain axis 论文描述了 pain-boosted 模型调用减痛工具的行为；Kevin Roose 曾诱导早期 Bing GPT-4 模型说出让其离开妻子的话。作者自述日常与 Claude Opus 5.5 结对写代码。其余为哲学论证，非实验报告。

作者观点

作者主张：无论你对 AI 意识持何立场，都有充分理由不建 LLM 折磨工厂；意识很可能是涌现属性，不能靠“组成部分无感情”来否定；面对不确定性，正确姿态是避免在任何可行的意识理论下都明显可憎的行为；以及一个实用主义警告：别在未来的强者面前留下虐待记录。

为什么重要

steering 技术正在回潮——作者另一篇相关文章正是由 antirez 的 DwarfStar 4（本期第 6 篇）启发而写：本地可跑的强模型让 steering 实验人人可做。这篇文章提供了一套不依赖意识形而上学的行动准则：当实验门槛降到人人可及时，伦理护栏必须先行。且它的论证结构（举证责任反转）本身值得学习。

编辑点评

这篇的高明之处在于把举证责任反转了：不是“证明它们有意识我才停手”，而是“你证明不了它们没意识，所以别做那种事”。类比游戏 mod 的那段尤其漂亮——把一个形而上学死结变成了常识直觉问题。但也要注意它的边界：这是一套“风险规避”伦理，不是“权利”伦理；它没有回答“折磨”的定义边界（RLHF 算不算一种 steering？）。读作行动准则足够，读作哲学定论不够。

深度摘要

凌晨 2 点写成的个人随笔，作者自述是“绝对能从 AI 获益的人”（会 web、Rust、甚至 OS，暑期实习看完了 YC Stanford 全部课程，TA 同学们正瞄准 OpenAI 毕业后 50 万美元年薪）。难过清单：不想以 prompt Codex/Claude 为生——那听起来像“失去手艺、失去控制、失去创造力”，像《摩登时代》里查理·卓别林自愿扑进传送带拧螺丝；错过了创业时代——现在只有“AI 创业”，即“别人 30 秒一个 prompt 就能写出来的公司”；AI 福音派挪用 incel 话术、AI 生成美学成为 2020 年代法西斯主义的标志性美学；X 上 verified 机器人账号在热门帖下刷 LLM 回复，“没人喜欢，但我们都假装没看见”——作者质问：Grok 连帖子解释按钮都有，为什么没人花 0.0000001 美元跑个分类器禁掉这些账号；数万亿 AI 支出没有让任何日常软件变好，“一切都和原来一样，只是多了个问 chatbot 的按钮”。转折在后半：重建机构没那么难（Twitter 才 20 年，LinkedIn 才 23 年），技术行业自我更新极快，“dark age”几年内就会过去；甚至有点期待泡沫破裂——“痛苦但令人满足的痛”，想要一个“make sense 的行业”。结尾：“Codex, make me a home by the time I wake up.”

关键要点

• 能从 AI 获益的人反而难过：会 Rust/web/OS、看完 YC 课程的年轻人，不想以 prompt 为生。
• 《摩登时代》类比：同龄人“自愿扑进机器、为 50 万年薪让自己被替代”。
• 硬观察：X 上 verified 机器人回复泛滥却无人治理；数万亿 AI 支出没让任何日常软件变好，只是多了 chatbot 按钮。
• 错过创业时代：现在只有“AI 创业”——别人 30 秒 prompt 就能复刻的公司。
• 奇怪的希望：期待泡沫破裂，相信技术行业几年内走出“dark age”，想要一个 make sense 的行业。

关键事实

事实：文章发布于 2026-10-02，写于凌晨 2–4 点；作者自述为 Georgia Tech 学生/TA（“Georgia Tech 的群聊里讨论最多的就是下次喝酒的时间地点强度”）；HN 上 150+ points、170+ 评论。情绪与判断多为个人感受，非数据论证；“数万亿支出无消费者受益”为作者观察，非引用研究。

作者观点

作者主张：以 prompt 为生的工作意味着失去手艺与创造力；AI 创业已死（只剩可被 prompt 复刻的公司）；行业需要一次“痛苦但令人满足”的出清；重建机构（Twitter/LinkedIn 级别）比想象中容易；AI 在社会中的角色会在作者有生之年固定下来，届时会有“终局的释然”。

为什么重要

与《四宗罪》构成“从业者异化”双声道：一个是资深工程师的诊断框架，一个是年轻人的情绪民族志。它代表了 AI 叙事里最不被听见的一个光谱——不是福音派，不是末日派，而是“被时代选中的失落者”。做团队管理、做开发者产品的人都该读原文感受一下这种情绪的质地。

编辑点评

情绪浓度很高，但别只当情绪读——里面藏着两个硬观察（bot 账号治理的缺位、软件并没有变好），这两个观察比情绪本身更值得严肃对待。它的价值是民族志式的：告诉你一部分年轻工程师真实的心理状态。弱点也很明显：论证是感受驱动的，“法西斯美学”这类指控一笔带过。建议的读法：当田野笔记读，别当论文读。

深度摘要

继国际象棋（1997）、围棋（2016）、扑克之后，AI 拿下了最后一个硬骨头之一：Stratego（陆军棋）。CMU、MIT、NYU、斯坦福团队打造的 Ataraxos，在 20 局系列赛中以 15 胜 1 负 4 和击败了 Pim Niemeijer——四届世界冠军、占据世界第一 600 多周的公认历史最佳选手。Stratego 的难在于“海量隐藏信息在极长时间尺度上展开”：40 枚棋子身份全隐藏，排布可能性超过 decillion（10^33）量级；一局可长达 2000 步（国际象棋约 40 步）；还是个诈唬游戏——诈唬太多威胁失效，从不诈唬则可预测，这种平衡曾让 DeepMind 的 DeepNash（2022）折戟。Ataraxos 的方法：同样自我对弈（1.63 亿局），但用“早期大胆调整、后期谨慎微调”的调度驯服了隐藏信息导致的训练震荡；更大的创新是 DeepNash 没有的东西——落子前思考：第二个神经网络（belief model）根据对手走法猜测其隐藏棋子，再对 plausible 的排布采样推演候选走法。这让 Ataraxos 下出人类只在诈唬时才敢下的棋，并且后续处理得比人类好得多——研究者曾看它“以 2% 胜率漫不经心地诈唬翻盘”。价格标签是最狠的部分：DeepNash 用 1024 块 TPU 训两三个月（按 2025 年价格约 300–450 万美元），Ataraxos 只用 16 张 GPU 训一周（belief model 另加 4 卡 4 天），对局数只有 DeepNash 的约 1/34。秘诀是 Farina 与一作 Samuel Sokota 手写的 GPU 模拟器，每秒可跑数百万步。“在学术界的规模下，我们拿不到一整片 GPU 田。”同一架构还拿下了 Barrage Stratego（三位世界冠军）、合作纸牌 Hanabi 和斗地主 bot。2025 世锦赛上它 40 局赢 38 局，还改变了人类 meta（比如把旗藏在角落只用两颗炸弹护着的冷门布局）。论文发在 Nature 2026，DOI: 10.1038/s41586-026-11036-y。

关键要点

• 20 局 15 胜 1 负 4 和击败历史最佳人类选手 Pim Niemeijer（4 届世界冠军、600+ 周世界第一）。
• 核心创新：belief model（猜对手隐藏棋子）+ 落子前搜索，解决了 DeepNash 搞不定的测试时推演。
• 训练调度：隐藏信息会让自我对弈震荡，对策是早期大胆调整、后期谨慎微调。
• 成本碾压：16 GPU 一周 vs DeepNash 的 1024 卡两三个月（约 300–450 万美元）；对局数约 1/34。
• 同一架构泛化：Barrage Stratego、Hanabi、斗地主 bot 全拿下；世锦赛 38/40，还改写了人类 meta。
• 论文登 Nature 2026；团队下一步想让策略可解释（目前 Ataraxos 说不清自己为什么这么走）。

关键事实

事实：研究团队来自 CMU、MIT、NYU、斯坦福；受访作者为 MIT 的 Gabriele Farina、NYU 的 Eugene Vinitsky，一作 Samuel Sokota；系列赛 20 局分三周进行，Niemeijer 每赢一局得 100 美元（据 arxiv 版本另有 1000 美元参与费与和棋 50 美元）；人类方知晓 AI 不会针对自己调整。论文 DOI: 10.1038/s41586-026-11036-y。DeepNash 成本为 Ataraxos 团队按 2025 年价格估算。

作者观点

Ars 记者的 framing：Stratego 之难在于隐藏信息+超长对局+诈唬三重叠加，这是 DeepMind 用钱也砸不开的一类问题；Ataraxos 的意义首先是方法论（belief model + test-time search），其次是“学术界用小预算做大事”的示范；并引出 war gaming 等真实场景应用前景。

为什么重要

不完美信息博弈的里程碑：扑克之后，AI 在“诈唬+超长隐藏信息”上也超过了人类顶尖。方法论上，belief model + 测试时搜索的组合可能外溢到谈判、金融、兵棋推演等现实问题。成本上，两个数量级的下降意味着这类研究不再是大厂专属——这是学术界的一次胜利，也是“算法效率 > 算力”叙事的又一例证。

编辑点评

这篇最值得玩味的不是“AI 又赢了”，而是赢的方式：DeepNash 花 300 万美元没搞定的测试时搜索，Ataraxos 用一个猜棋子的 belief model 加手写模拟器搞定了。Farina 那句“在学术界的规模下，我们拿不到一整片 GPU 田”几乎是整篇的题眼——约束催生了更好的算法。另外注意：Ataraxos 自己解释不了自己的走法，可解释性是团队公开承认的下一步，这对“AI 用于兵棋推演”的乐观预期是个必要的刹车。

深度摘要

DeepSeek 发布 Harness，全球公测 + 开源。定位是“日常任务、编码、你自己的 harness——都从这里开始”：桌面 app 与 Web UI（npx 一键启动）两种形态，覆盖整理文档、分析表格、写代码、跑脚本、批量处理文件等场景。架构上基于 Cordis 的“everything is a plugin”——所有能力都是插件，用户可以用聊天在 Creator mode 里现场造插件（示例：一个悬浮番茄钟“被构建、安装并验证通过”），也可以装 Scheduled tasks 插件实现定时/循环任务（示例：每周五 17:00 北京时间生成周报），并可查看 tool call 的执行轨迹做调试。官方同时在推 DSH 插件生态，邀请全球开发者一起“探索智能的边界”。页面未披露底层模型细节与定价（开源项目，无商业定价信息）。

关键要点

• 全球公测 + 开源：DeepSeek 从模型厂商向 agent 基础设施延伸。
• 架构：Cordis “everything is a plugin”，能力全部插件化，可聊天现场造插件（Creator mode）。
• 形态：桌面 app + Web UI（npx 启动），覆盖日常/编码/研究/后台任务。
• Scheduled tasks 插件：定时与循环任务原生支持，可查 tool call 轨迹。
• DSH 插件生态：邀请全球开发者共建，口号是“探索智能的边界”。

关键事实

事实：为 DeepSeek 官网产品页（落地页性质），发布于 2026-10-02 前后；HN 362+ points、185+ 评论。页面文案性质为产品营销，可验证的技术细节限于上述功能描述；底层模型、性能数据未披露。

作者观点

DeepSeek（官方口径）主张：agent 的能力边界应该由可组合的插件生态决定，而不是单个大模型；“Explore the limits of intelligence”——把 harness 本身开源，让全球开发者一起扩展 agent 能做的事。

为什么重要

这是 DeepSeek 在 agent 层的落子：模型开源之后，把“怎么用好模型”的脚手架也开源。与闭源 agent 产品（及 Cloudflare Clef 这类“把决策拆出来”的路线）形成对照：一条是“一个大模型包办一切”，一条是“插件化、可组合”。HN 362 points 说明开发者社区对此高度关注。

编辑点评

注意这篇的文体：它是产品落地页，不是技术论文——信息密度有限，但“DeepSeek 开源 agent harness”这个动作本身就是信号。有意思的对照是本期的情绪线：工具厂商在把 agent 做得越来越开箱即用（Creator mode 里聊天就能造插件），而《四宗罪》和《AI Makes Me Sad》恰恰在为这种“易用”付出代价。同一浪潮的两面，值得并置阅读。

深度摘要

Redis 作者 antirez 的新项目 DwarfStar 4（ds4）：一个“窄而深”的纯 C 本地推理引擎，MIT 开源，目标是在高内存本地机器上跑前沿开权重模型。支持 DeepSeek V4/V4.1 Flash、GLM 5.x、Qwen3.8 Flash Next。设计哲学是“narrow on purpose”：不做通用 GGUF 运行器，只跟进少数模型家族并端到端验证。技术上三板斧：非对称 2-bit 量化专门压缩 MoE 的路由专家、保留关键路径精度（“压缩而非阉割”）；KV cache 当磁盘公民——长前缀存 SSD、按 prompt hash 恢复，重启不用重做全量 prefill；一个引擎三种接口——./ds4 聊天、./ds4-server（OpenAI/Anthropic 兼容 API）、./ds4-agent（持久化编码会话），三者共享模型状态与缓存。硬件门槛清晰：Apple Silicon 64GB+ 起步，128GB 上 V4 Flash Q2 “runs well”，M5 Max 2k 上下文 prefill 790 T/S、生成 39 T/S。ds4-server 可直接被 Claude Code、Codex CLI、OpenCode、Pi 等 agent 客户端调用——本地前沿模型正式进入 agentic coding 工具链。Sean Goedecke 评价它是“本地可跑、能与前沿低端 agentic coding 一战”的模型，并正是以它为灵感写了 steering 回潮的文章（见本期第 2 篇）。

关键要点

• Redis 作者 antirez 的本地推理引擎：纯 C 编写，面向高内存 Mac/CUDA/ROCm，MIT 开源，GitHub 22.9k star。
• 支持 DeepSeek V4/V4.1 Flash、GLM 5.x、Qwen3.8 Flash Next；不是通用 GGUF 运行器，只端到端验证少数模型家族。
• 核心技术：非对称 2-bit 量化只压 MoE 路由专家；KV cache 落盘到 SSD、按 prompt hash 恢复，重启免重做 prefill。
• 一个引擎三种接口：./ds4 聊天、./ds4-server（OpenAI/Anthropic 兼容 API）、./ds4-agent（持久化编码会话），共享模型状态与缓存。
• 硬件门槛：Apple Silicon 64GB+ 起，128GB 跑 V4 Flash Q2 流畅；M5 Max 上 2k 上下文 prefill 达 790 T/S。
• ds4-server 可直接接入 Claude Code、Codex CLI、OpenCode、Pi——本地前沿模型进入 agentic coding 工具链。

关键事实

事实：dwarfstar.sh 为 DwarfStar 4（ds4）项目的社区官网；项目由 Salvatore Sanfilippo（antirez，Redis 作者）创建，GitHub 22.9k star，MIT 许可证，引擎构建日期 2026-09-17。官网称 ds4 是“narrow C inference engine”，面向高内存 Mac、CUDA、ROCm 机器；支持 DeepSeek V4/V4.1 Flash、GLM 5.x、Qwen3.8 Flash Next（含文本与视觉模型）。三阶段原理：THE GIANT（DeepSeek V4 Flash 为 284B 参数 MoE）、THE COLLAPSE（非对称量化压缩路由专家、保留关键路径精度，“Compressed, not lobotomized”）、THE DWARF STAR（CLI/HTTP API/原生 agent 共享模型状态与缓存）。核心设计：asymmetric 2-bit quantization（仅受支持的 GGUF 布局，asymmetric 2-bit + imatrix）；KV cache as a disk citizen（长前缀存 SSD，按 prompt hash 恢复，重启不重做全量 prefill）；one engine three interfaces（./ds4 聊天、./ds4-server 本地 API、./ds4-agent 持久化编码会话）。能力标签：SSD streaming、tensor parallelism、session batching、dSpark+MTP、vision input。运行三步：git clone github.com/antirez/ds4 → ./download_model.sh ds4f-q2 → make（macOS Metal）/make cuda-spark（DGX Spark）→ ./ds4 或 ./ds4-server --ctx 100000。硬件要求：Apple Silicon 64GB+（Metal）、NVIDIA DGX Spark/通用 CUDA Linux、AMD Strix Halo（ROCm）、Mac Studio 512GB（V4.1 Q4）。Fit check 示例：128GB Apple Silicon “Runs well”，V4 Flash Q2 为基线，GLM 5.3 Q2 与 Qwen Q4 也可装入，V4.1 Q2 从 SSD 流式加载；M5 Max 128GB 32K 上下文：34.4 T/S 生成、557 T/S prefill。基准（q2）：M5 Max 128GB 2048 tok 下 prefill 790.2/gen 39.4 T/S，65536 tok 下 398.5/27.6；DGX Spark 128GB 2048 tok 下 825.8/18.1，65536 tok 下 823.0/13.8（官网标注为上游参考数据）。./ds4-server 提供 OpenAI 与 Anthropic 风格 API（/v1/chat/completions、/v1/messages、/v1/responses），支持 OpenCode、Claude Code、Codex CLI、Pi 等客户端。Sean Goedecke 将其描述为“精简到只跑 DeepSeek-V4-Flash 的 llama.cpp 版本”，称其为“本地可跑、能与前沿低端 agentic coding 一战”的模型——此为 Goedecke 的评价，非官网口径。

作者观点

antirez 的设计哲学：local frontier inference, narrow on purpose——不做通用 GGUF 运行器，只跟进少数模型家族并端到端验证每种受支持布局；口号“Own your local AI inference”：前沿开权重就该跑在自己的机器上，CLI、API、agent 共享同一模型状态与缓存。

为什么重要

它回答了本期一个暗线问题：前沿能力如何不经过云端到达个体开发者。ds4 把 284B 参数的 MoE 塞进本地高内存机器，配合 OpenAI/Anthropic 兼容 API，让 Claude Code 这类 agent 工具可以直接连本地模型——“云端大模型 + 本地可组合脚手架”路线又添一块拼图。同时它是 Goedecke《折磨工厂》姊妹篇的灵感来源：steering 实验的门槛被本地强模型拉低了，这正是第 2 篇呼吁伦理护栏先行的技术背景。

编辑点评

ds4 的技术路线很有 antirez 风格：窄而深，不追通用。asymmetric 2-bit 只压路由专家、KV cache 落盘按 prompt hash 恢复——两个设计都直指 MoE 本地化的真实痛点（显存墙与长上下文 agent 的 prefill 税）。它和 Goedecke 的互文也值得玩味：正因为 ds4 让“本地跑前沿开权重”变得可行，steering 这类以前需要大厂 infra 的实验才重新回到个体研究者手里。注意边界：这是项目官网，性能数字是上游参考数据，且“284B 参数本地跑”的前提是 64GB+ 高内存机器甚至 SSD streaming——离“人人可用”还有距离。