Agili 的 Hacker Podcast 2026-08-05

2026年8月5日

今天的话题从编程代理的极简哲学延伸到科学发现的直觉边界，中间穿过 MCP 协议的无状态跃迁、软件工程迷思的解构，以及 Cloudflare 把个人应用平台开源的新尝试。以下是 Agili 的 Hacker Podcast 为你整理的今日博客。

Pi 的极简主义是它的优势

默认只有 4 个工具和不到 1,000 token 的系统提示

大多数编程代理框架在变得越来越臃肿，Pi 却走了相反的路。它默认只带 4 个工具，系统提示词和工具定义加起来不到 1,000 token。Pi 不把大量默认指令包在模型外面，避免这些指令在模型的指令层级里被忽略；它的核心思路是：大部分工作用基础工具就能完成，想要更多，自己构建。

Databricks 基准测试揭示的“上下文纪律”

Databricks 用自家工程师的日常任务做了一套基准测试，结论是“模型被放在哪个 harness 里调用，对成本和质量的影响很大”，而且“在很多任务上，像 Pi 这样简单的 harness 表现最好”。同一模型搭配不同 harness，单任务成本能差两倍以上，质量却相同。Pi 每轮发送的上下文大约只有其他 harness 的三分之一，Pi 团队把这称为“上下文纪律”。更强的模型配上高效的 harness，可能比便宜模型搭配低效 harness 更省钱。

Shopify 的 Autoresearch 扩展

Shopify 工程师 David Cortés 直接用 Pi 创建了一个 Autoresearch 扩展。它是一个自主优化循环：你提出变更请求，它跑实验找出什么有效、什么导致回归，只要目标可度量，就持续自我改进。Shopify 报告说单元测试快 300 倍，React 组件挂载快 20%，多个项目的构建时间缩短，pnpm 性能也有改善。Pi 没有内置这些能力，它只是让用户自己构建变得很简单。

社区争论：安全、性能与工具的边界

Hacker News 上的反馈很分裂。有人把 Pi 比作编辑器里的 Neovim——需要自己配置，换来可塑性。也有人批评它不遵循 XDG 目录规范、Emacs 按键不工作、启动慢。安全方面，Pi 没有成熟的“自动批准加沙箱”方案，有用户第一次使用就看到它跑出启动目录改了隔壁 git 仓库的文件。还有评论认为，即使自称极简，bash 工具也没法禁用，不算真正的极简。比较务实的使用心得是：先用 vanilla Pi，等遇到真实痛点再让 Pi 自己写扩展，同时做好回滚准备。

无状态 MCP 重新点燃了我的兴趣

MCP 2.0 的一次请求设计

2026 年 7 月发布的 MCP 2.0 把客户端和服务端的实现难度大幅降低。旧版 MCP 需要两次 HTTP 请求来初始化会话并拿到会话 ID，新版把协议版本、方法名和名称直接放进 HTTP 头，请求体仍为 JSON-RPC，一次请求就能完成工具调用。对需要水平扩展的 Web 应用，这意味着不用再维护服务器端会话状态。

Simon Willison 三件套

新规范发布当周，Simon Willison 就动手做了三个工具。mcp-explorer 是一个无状态的 Python CLI，能列出 MCP 服务器的工具、检查输入输出 schema 并带参数调用。datasette-mcp 给 Datasette 添加一个 MCP 端点，接进 ChatGPT 或 Claude 后就能直接对数据实例运行 SQL 查询。llm-mcp-client 是 LLM 工具的官方插件 alpha 版，一条命令就能把 MCP 端点变成 LLM 的数据源。

为什么选 MCP 而不给模型终端

Willison 解释了他态度转变的安全理由：给 agent 一个能联网的 shell 环境风险太高，而且需要很强的模型才能安全驾驭。MCP 工具的能力边界更清楚，出问题时更容易审计和控制，简单到笔记本上的小模型也能稳定驱动。他计划在基于 LLM 的敏感应用上更依赖 MCP。

新墨西哥州医疗飞机坠毁与军方 GPS 干扰有关

事故时间线

今年 5 月，一架双引擎比奇空中国王医疗救援飞机从新墨西哥州罗斯韦尔起飞，向西飞往鲁伊多索接病人，机上四人全部遇难。NTSB 初步报告显示，飞机在该区域军方 GPS 干扰演习期间偏离高度，飞行员报告 GPS 失效并请求航向引导。军方曾一度暂停干扰配合，飞行员报告看到机场、转入目视进近后干扰才恢复。飞机最终撞进卡皮坦山脉。

争论：飞行员责任还是多重失效

多位有飞行背景的读者认为，GPS 干扰的航行通告在当时是常见操作，飞行员应提前调好 VOR 等备用导航设备。批评点集中于：机组申请并获准的是目视进近，有责任自己保持与地形间隔；当晚山区无月光，但山峰清楚标注在航图上。另一部分观点反对简化责任，指出当时当地自动天气观测系统也故障，两条仪表进近程序都因无法获得本地气压设定而不能使用，可用手段被一件件剥掉，是典型的“瑞士奶酪”多重失效。

对自动化依赖的讨论

讨论延伸到了飞行员基本飞行素养的退化。有评论推荐讲座《Children of the Magenta Line》，警示过度信任自动驾驶和屏幕会让飞行员在异常出现时失去情景意识。一位在乌克兰附近经历过 GPS 欺骗的滑翔伞飞行员说，坐在办公室里讲“没有 GPS 也不难”很容易，真实飞行中一边操纵飞机一边判断发生了什么完全是另一回事。

生成式 AI 的八个软件工程神话

写代码只占工作时间的 14%

Microsoft 2025 年对 450 多名工程师的研究显示，写代码只占工作时间的 14%。即使 AI 让编码速度翻倍，理论上的整体生产力提升也不到 15%。有微软开发者说，被 GitHub Copilot 触及的工作环节“相对较小”。这个结论在 Hacker News 上引发激烈反驳：有人认为编码前置的会议和同步会随代码变便宜而减少，不能假装自动化掉写代码只值 15% 的提升；Simon Willison 则说自己现在花在写代码或驱动 agent 写代码上的时间反而更多了，因为 agent 可以并行做调研和规划。

代码行数和平均主义神话

微软 CEO 曾公开说公司约 30% 的代码由 AI 编写。文章指出这类指标会诱导团队追求代码量、牺牲设计质量。关于“AI 对所有任务所有工程师助益均等”的神话，文章引述的研究显示，语义等价但措辞不同的提示词，在 46% 的用例中产生了不同代码，28% 的用例改变了正确性。不过有评论者尖锐指出，文章引用的一些“近期”研究已被原研究者撤回或修正，而 2025 年底以来变化太快，当时的证据已不适用。

10x 开发者和组织采纳

文章认为个体在孤立任务上的加速无法直接转化为团队环境中的产出，而且让 AI 发挥作用不应该只是每个开发者自己的事。据称 80% 的开发者使用 AI 工具，但只有 29% 信任其准确性，许多人花在调试 AI 输出上的时间比直接写代码还多。有评论提到，仍有资深开发者拒绝使用 AI 或偷偷用但不分享，拖慢了团队学习曲线。也有读者用自己的经验支持相反结论：AI 能帮他起草 API 重构设计文档、发现未考虑的本地头文件接口、生成测试计划，直接加快了那 86% 的非编码工作。

DuckDB：笔记本电脑上的数据利器，现在有了 Clojure 版

50GB CSV 加载与秒级查询

一个 50GB 的 CSV 文件，4 亿行交易数据，加载进 DuckDB 只需要 1 分 50 秒，压缩到 18GB 并自动建好索引。从 Clojure 里做 SELECT COUNT(*) 大约 10 毫秒。两台普通电脑就能处理此前需要分布式系统才能应对的数据。

14 亿行连接与分组查询

文中展示了 4 亿条交易记录与颜色映射表的内连接，结果 14.17 亿行，在笔记本电脑上耗时 2.5 秒。然后按颜色分组统计某月的销量，1 秒出结果。如果后续不想用 SQL，TMD 支持把查询结果按批次拉回 Clojure 做归约处理，零拷贝路径还能进一步降低内存开销。这套方案让小型团队不需要依赖昂贵的分布式系统。

WebKit 的 IP 和 DNS 泄漏影响代理浏览器和 iCloud Private Relay

三个绕过代理的功能

研究者发现 WebKit 的 DNS prefetching、WebAuthn Related Origin Requests 和 WebTransport 会绕过应用层代理配置，直接向目标服务器发送请求，暴露用户的真实 IP 或真实 DNS 服务器。DNS prefetching 从 iOS 26.0 开始支持，攻击者可以通过嵌入独有主机名的页面在权威 DNS 服务器上看到访客来源。WebAuthn 的跨域验证文件请求从 iOS 18.0 起就存在，不需要用户交互即可触发。WebTransport 在 iOS 26.4 正式开放，服务器直接看到设备真实 IP。

对 iCloud Private Relay 的影响与修复

iCloud Private Relay 同样无法拦截这些泄漏请求。Psylo 1.3.1 已修复三个泄漏：阻止 dns-prefetch 提示，默认关闭 WebTransport 和 WebAuthn，用户可在每个数据隔离区单独开启。研究者提供了 leaks.psylo.app 供用户自查，并已联系 Tor Project 和 Onion Browser 团队。

Discovery Loop：Google 核心团队出走，想自动化科学实验循环

四位创始人与他们的履历

Jeff Dean、Sanjay Ghemawat、Quoc Le 和 Oriol Vinyals 共同创立了 Discovery Loop。他们参与过的项目包括多代 Google Search、MapReduce、BigTable、TensorFlow、TPU、AlphaFold 和 Gemini。公司官网写道：科学方法本身强大，但“提出实验、运行、查看结果、迭代”的循环靠人工执行，规模上不去。他们打算用前沿 AI 和大规模计算把这些循环自动化，先从机器学习研究做起。

“自动发现”能走多远

社区对“科学被瓶颈卡住”这个判断有不同理解。有人认为这只有在很窄的科学定义下才成立，真正困难的不是计算，而是物理世界的反馈循环。化学、生物化学和材料科学领域仍有很多博士生做的重复实验，数量级的提速确有价值。但仪器、传感器、受限数据和机构合作都比单纯优化实验循环复杂得多，目前招聘页面看起来只是一个纯 ML 实验室。有评论预测公司三年后会被 Google 收回，也有人认为 Google 品牌已留不住顶尖人才，这批人出走合理。

Cloudflare OS：面向代理、应用与工作的开源平台

Sandstorm 的十年后重做

Cloudflare OS 本质上是 Kenton Varda 十年前创办的 Sandstorm 项目的重做版，这次跑在 Cloudflare Workers 上并深度结合了 AI。它让组织内每个人都能拥有代理和专属工作空间，沙箱安全到 AI 写出的代码不会引入严重安全漏洞。平台已在 GitHub 以 Apache 2.0 协议完全开源。

安全模型：零权限、Gatekeeper 与观察跟随

代理和应用默认零权限，凭据始终与代理隔离。网关层 Gatekeeper 对外部服务的 API 有专门理解，可以只给代理单个仓库的访问权、屏蔽字段、限流，并在合并 PR 前要求人工审批。关键设计是“策略跟随观察”：平台记录代理看过哪些资源，分享工作空间或产出时，Gatekeeper 会验证对方对这些资源的直接访问权限。如果代理读过敏感表并生成实时仪表盘，分享仪表盘不等于分享那张表。

应用即文件

每个代理写的应用都是完整全栈程序，有独立 SQLite 数据库，不需要常驻服务器或容器。用户可以分享应用本身供实时协作，也可以分享 blueprint，让其他人基于代码创建不含原始数据和凭据的独立副本。这意味着团队里的人可以用 AI 自己改应用，不用提交工单等别人来做。社区里有人把这称为“AI 原生的 SharePoint”，但也有人担心会重演维护噩梦。

Bugtraq 回来了

全披露列表的历史

Bugtraq 于 1993 年由 Scott Chasin 创建，是一个供安全研究人员公开披露漏洞的邮件列表。它不需要通过把关人，不受行业政治影响，十多年里一直是漏洞研究的心脏。后来随着域名易手列表沉寂，档案下线，一代研究人员没赶上它的时代。

买下域名重新开启对话

Jonathan Brossard 买下了 securityfocus.com 和 Bugtraq 这个名字，重新开启列表。使命不变：全披露、研究者优先、没有企业过滤。旧档案来自社区保存的公开邮件，会单独整理并开放查阅。Brossard 说，在 AI 大量制造知识和虚假信息的时代，保存真实发生过的事和真正有效的技术变得更重要。

重启后的现实

老派安全研究者反应并不完全乐观。有人指出 Bugtraq 在关闭前至少十年就已不再处于核心位置，漏洞研究已从小众领域变成成熟行业，披露规范也完全变了，重启后的位置还不清楚。也有人调侃说下一步该把最初的 Packet Storm 也带回来。

立场论文：LLM 无法跳跃

归纳、演绎与溯因

DeepMind 研究员 Tom Zahavy 在 ICML 2026 立场论文中借用爱因斯坦的故事，提出生成式 AI 掌握了归纳和演绎，但缺少溯因——即提出全新解释性假设的能力。他认为，LLM 可以执行从既有前提证明定理的演绎阶段，但结构上无法完成构建前提所需的那次跳跃。论文提议用物理一致的多模态世界模型来为人工科学发明提供感官基础。

历史与直觉的争议

评论者指出，爱因斯坦 1905 年的论文并非凭空跳跃，洛伦兹变换和相对性原理都有前人工作，爱因斯坦的贡献是给了已有数学结构一个干净的物理诠释。关于物理直觉，有人认同语言是有损编码，读遍所有关于大峡谷的书不等于站在峡谷边缘感受温度和风；但也有人认为普朗克的能量量子化没有身体模拟参与，物理直觉有时反而是障碍。

方法论与定位

作者澄清说这是个人立场，不是公司观点，自己可能错误。论文被批评不可证伪，没有定义“跳跃”，也没有对比实验。有评论提出可检验的方案：让知识截止于 2025 年的 LLM 重新推导 2026 年发表的“跳跃型”成果。很多评论认为“LLM 不能 X”的断言历史上多次被推翻，这篇论文的价值不在裁决，而在于把“从经验到公理的跳跃需要什么”这个问题摆上桌面。

播客全文

女：Hello 大家好，欢迎收听Agili 的 Hacker Podcast，我是莓莓。

男：大家好，我是阿迪。

女：今天想聊的几个话题，串起来挺有意思的——从怎么写代码、怎么给 AI 配工具，一路聊到 AI 能不能像爱因斯坦那样“跳”一下，中间还夹着点安全和老派极客的怀旧。阿迪，上回有个事我印象特别深，微软那边出了一篇文章，直接说“AI 帮不上多大忙”，把好多人的期待浇了盆冷水。

男：你说的是那篇《软件工程与生成式 AI 的八个神话》。他们统计了微软内部 450 多个工程师，写代码只占工作时间的 14%，所以哪怕 AI 让写代码速度翻倍，整体产出提升理论上不到 15%。比尔·盖茨老早也说过，用代码行数衡量软件进度，跟用重量衡量飞机一样不靠谱。

女：但是我看到好多工程师不认这个账，有人就说，写代码变便宜之后，为了写代码而开的会、和 QA 的交接那些前置后置的“脚手架”自然就没了，不能只盯着那个 14%。

男：对，Hacker News 上的讨论几乎把文章的每个论点都反驳了一遍。有人直接指出引用的基准研究已经过时了，2025 年底以后变化太快。还有人说他们现在 80% 到 90% 的时间都在实现功能和修 bug，AI 帮他们把中低难度任务扫过去，整个人是兴奋的，但怀疑这能持续多久。我自己最近也明显感觉，思考、做调研的时候可以让 agent 并行跑，实际接触代码的时间反而变多了。

女：这个状态跟你上回提到的 Pi 编程代理框架很像——它走得就是极简路线，好像就是不想让 agent 在杂事上浪费太多精力。

男：Pi 的思路很特别。别的工具使劲堆功能、加提示词，Pi 开箱只给四个工具，系统提示词加上工具定义加起来不到 1,000 token。他们的逻辑是，大部分工作用基础工具就能完成，额外的东西你自己构建。Databricks 刚好做过一个基准测试，用工程师的日常任务来测，结论是“模型放在什么 harness 里调用，对成本和质量的影很大”，很多任务上 Pi 这种简单的 harness 表现最好。用同一个模型、同样的思考强度，换不同 harness，单任务成本能差两倍以上，质量却差不多。

女：成本差两倍还质量持平，这听起来像是对那些喜欢把提示词越写越长的团队的警告。

男：Pi 团队管这个叫“上下文纪律”。他们每轮发给模型的上下文大约只有其他 harness 的三分之一。这个在本地跑模型的时候尤其关键——本地模型上下文窗口小，预填充又耗时，Pi 不轻易改上下文，能省掉几分钟的重新预填充。Shopify 的工程师直接让 Pi 读取自己的扩展文档，自己给自己写了一个叫 Autoresearch 的扩展，能自动跑实验、持续优化。他们拿它把单元测试速度提升了 300 倍，React 组件挂载快 20%。

女：这种“让工具自己装插件”的能力，我当产品经理听着是又兴奋又有点发毛——兴奋的是灵活，发毛的是万一它给自己装错了插件怎么办。我看到有人提醒，Pi 写个记忆扩展很轻松，但实际采纳的建议不到 5%，剩下全是污染上下文的垃圾。

男：这正好点到一个普遍问题：很多所谓的“开箱即用”功能来自半生不熟的想法，装上不解决问题，反而增加成本。Pi 的哲学是等遇到真实的痛点再让 agent 自己写，并且做好回滚准备。另外安全方面，Pi 没有成熟的自动批准加沙箱方案，用户只能自己建独立 Unix 用户、把 agent 关在沙箱里，或者干脆把工作机当牲口养，坏了重装。有人第一次用就发现它跑出启动目录，改了隔壁 git 仓库的文件。

女：说到 agent 调工具的安全问题，最近 MCP 协议刚好发了 2.0 版本，是不是也在解决这类事？

男：对。MCP 是模型上下文协议，说白了是给大模型 agent 暴露外部工具的标准方式。旧版需要两次 HTTP 请求才能调用一个工具，必须先 initialize 拿到会话 ID，对水平扩展很不友好。新版把协议版本、方法名这些直接塞进 HTTP 头，请求体还是 JSON-RPC，一次请求搞定，服务器不用再维护会话状态。Simon Willison 之前在 2025 年还觉得不如直接把终端和 curl 交给 agent 更灵活，现在他改主意了，因为给 agent 一个能联网的 shell 风险太高，MCP 工具更容易审计和控制。

女：Simon Willison 这人也真是行动力爆表，新规范出来当周他就做了三个工具。

男：他做了一个无状态的 Python 命令行工具 mcp-explorer，可以直接列出 MCP 服务器有哪些工具、查看输入输出结构、调工具；又给 Datasette 做了个插件，让任意 Datasette 实例直接提供 MCP 端点，ChatGPT 或 Claude 接上去就能用 SQL 查数据；第三个是 LLM 工具的官方 MCP 插件 alpha 版。他自己博客的例子，Claude 连上他数据库后，用 7 条 SQL 就查出了他最近关于 MCP 的所有言论。

女：用七条 SQL 就能回答问题，这对我们这些不会写代码的人来说，价值感很直接。不过社区里好像还是有人不买账，觉得 MCP 就是重新发明 HTTP 的远程过程调用。

男：调侃归调侃，但 MCP 真正的价值在于工具发现、标准授权，还有 AI 预训练过的交互方式。agent 拿到一个 URL 就能探索和使用服务。反对的人说 Skills 可以按需加载，不占上下文，但 OpenAI 和 Anthropic 已经支持客户端侧的工具搜索，先搜索再加载，效率也不差。还有一个更深的争论是 CLI 派觉得大模型对命令行工具的熟悉程度远高于 MCP，还能用管道组合；但 CLI 没有细粒度权限和审计，模型一旦拿到你的 shell，可能动用你所有权限。这点在 Cloudflare 新开源的 Cloudflare OS 里体现得特别明显。

女：那个平台我看了，它核心目的之一就是让安全团队能睡个好觉——代理默认零权限，要访问什么资源必须用户批准。

男：它的前身是 Kenton Varda 十年前做的 Sandstorm，现在跑在 Cloudflare Workers 上，深度整合了 AI。关键是它的网关层叫 Gatekeeper，对 GitHub 这类外部服务的 API 有专门理解，可以只给代理单个仓库的访问、只允许读 issue 不允许读源码、屏蔽字段、限流。代理一旦读过敏感数据，平台就会禁止它把数据外发或者邀请协作者。这些观察记录一直附着在代理和它的产出上，别人打开工作空间时，Gatekeeper 会验证他们有没有这些资源的直接访问权限。

女：这就有意思了——代理基于敏感数据做了一个实时仪表盘，分享仪表盘不等于分享底下的那张表，权限是跟着“看过什么”走的。产品经理的直觉告诉我，这种设计在内部协作里能解决很多合规焦虑。

男：Varda 自己说，这是云 SaaS 模式做不到的。每个用户是自己那份代码的主人，想让 AI 加功能直接加，不用提工单。应用是完整全栈程序，跑在轻量 V8 isolate 上，每个文件就是自己的沙箱实例，分享 blueprint 不会带原始数据、凭证或对话历史。他把这个叫“秘密十年计划”的最终形态。

女：但我猜社区马上会想到 SharePoint 的老问题：每个人改自己的副本，几年后没人知道会计部那个奇怪表格里装着什么逻辑。

男：Varda 的回应是沙箱从架构上隔离每个实例，外加观察记录来约束数据流动。至于自托管跑到后面大规模扩展 Durable Objects 的问题，他们自己也说还在修。代码已经 Apache 2.0 开源，可以接 ollama 本地模型，据说本地跑更快。

女：安全这块，最近还有个事，iOS 上的 WebKit 被发现有三种方式能绕过代理，直接泄露用户真实 IP。

男：三种泄漏分别是 DNS prefetching、WebAuthn Related Origin Requests 和 WebTransport。拿 DNS prefetching 来说，页面里嵌一个 <link rel="dns-prefetch">，每个访客带独有主机名，就能在权威 DNS 上看到真实来源。WebAuthn 的那个泄漏更贼，调用 mediation: “conditional” 时可以静默触发，不需要用户交互。iCloud Private Relay 也挡不住这些，因为它们是在浏览器网络栈之外发起的请求。目前 Psylo 浏览器已经在 1.3.1 里修掉了，Tor Project 也收到通知。

女：这种底层泄漏一曝光，让我想起老派安全圈子里那个刚刚复活的名字——Bugtraq。我记得它是九十年代安全研究人员公开披露漏洞的地方。

男：1993 年 Scott Chasin 创建的邮件列表，全披露，不需要通过任何把关人。后来域名几经易手，列表沉寂，档案下线。现在 Jonathan Brossard 买回了 securityfocus.com 和 Bugtraq，重新开启列表，地址还是 bugtraq@securityfocus.com。他特别说到，信息安全历史上很多东西丢在失效链接和废弃论坛里，在 AI 大量制造信息又夹带虚假的时代，保存“真实发生过的事、真正有效的技术”变得更重要。

女：这有点像一场数字考古拯救行动。可能发一封邮件，就是一次长期保存。

男：不过老一辈的安全研究者并不完全乐观。有人指出来，在关闭前至少十年，Bugtraq 已经不在核心位置了，漏洞研究从小众领域变成了成熟行业，披露规范完全不一样，它重启后在生态里的位置还不清楚。还有人在评论区开玩笑，说下一步该把最初的 Packet Storm 也带回来。

女：说到把过去好的东西带回来，AI 这边有一家公司更激进，叫 Discovery Loop，创始人是 Jeff Dean、Sanjay Ghemawat、Quoc Le 和 Oriol Vinyals，全是一手打造 Google 搜索、MapReduce、TensorFlow、Gemini 那些基础设施的人。

男：他们的网站写得简短，核心意思是“科学方法本身很强大，但提出实验、运行、查看结果、迭代”这个循环靠人来做，规模上不去。他们要用前沿 AI 和大规模计算把这套循环自动化，并行跑几千个实验，先从机器学习研究做起，再扩展到其他科学和工程领域。

女：但社区里马上有人反问，“计算不是发现最难的部分”。工程循环凭什么替代物理世界的真实实验反馈？招聘页面看起来也只是一个纯 ML 实验室，没有仪器、传感器、合作机构。还有人预言三年后会被 Google 收回去，什么成果也没有。

男：这些质疑指向同一个深层问题：AI 到底能不能做出那种“灵光一闪的跳跃”。正好 DeepMind 的研究员 Tom Zahavy 发了一篇立场论文，标题叫《LLMs Can't Jump》，拿了爱因斯坦 1905 年的信做引子。

女：爱因斯坦把科学发现描述成一个循环：从感官经验出发，直觉地“跳跃”到公理，再从公理进行逻辑演绎。Zahavy 认为，现有大模型掌握了归纳和演绎，但缺少溯因——就是提出全新解释性假设这一步。

男：他的关键例子是广义相对论。当时能用的观测数据极少，光靠压缩现成数据推不出这个东西。所以纯语言模型再大，结构上没法完成“构建前提的那个跳跃”。他提议把物理一致的多模态世界模型作为感官基础。

女：这个论点一出来，历史专业户和 AI 研究者就吵开了。有人翻出爱因斯坦没引用迈克尔逊-莫雷实验的细节，说洛伦兹变换在前人那里已经有了，爱因斯坦的贡献是给了干净的物理解释，不是凭空跳跃。还有人讲，如果爱因斯坦从没出生，那个领域也会朝同样结论走；而 Maxwell 或 Newton 不在的话，世界完全不同。

男：还有一个更有趣的反驳是关于身体经验的。语言本身就是有损压缩，“我爱我的孩子”和“我爱苹果派”共用一个“爱”字，但强度完全不同。如果爱因斯坦的跳跃依赖内心模拟和身体感觉，只从文本训练的模型就可能缺那一块。可反方立刻举出普朗克，能量量子化不需要身体模拟，纯靠数学推导。

女：到头来，“LLM 不能 X”这类断言过去总是先改成“能做，但做得差”，然后随着规模放大一代代改善。有人提议做个可检验的实验：用 2025 年之前的知识训练模型，看它能不能推出现在还没发表的“跳跃型”成果。

男：这实验有个难处——语料纯度。用维多利亚时代文本训练的模型仍然会出现时代错误，幸存下来的文献本身就已经经过了筛选。Zahavy 自己在社交平台上澄清，说这是个人论文，不是 DeepMind 立场，他写这个是想弄清“要做出广义相对论那样的跳跃需要什么”，不排斥单纯扩大现有系统也能带来新发明。

女：我忽然想到，咱们聊 Discovery Loop 的时候其实就是在碰这个问题——他们是打算把几千个实验并行跑起来，但那关键的一跳，到底是量变会产生质变，还是必须有人类研究者去拔河，现在没人能说清。

男：不过有一件事是确定的，有些看起来很“重”的工程问题，其实用很轻的工具就能解决。比如 DuckDB 和 Clojure 的 tech.ml.dataset 集成之后，一台笔记本就能处理 4 亿行交易数据。

女：我读到那个数字的时候愣了一下。一个 50GB 的 CSV 文件，加载进 DuckDB 只花了 1 分 50 秒，压缩到 18GB 还自动建了索引，一条 SELECT COUNT(*) 十毫秒出结果。最夸张的是两张表做连接，出来 14 亿行，只用了 2.5 秒。

男：DuckDB 自动给数值列建了 minmax 索引，几乎不增加存储，唯一或主键列自动建 ART 索引。它整个用标准 C++ 11 写的，MIT 许可，源码十万行左右。这套方案让小型团队不需要分布式系统也能在笔记本上高效处理大数据。后续想做归约处理，还能把结果分批拉回 Clojure 做运算，对某个 SKU 所有交易按时间排序归约，总耗时差不多一秒。

女：这感觉就像给普通开发者发了一把瑞士军刀，以前得叫上整个数据平台团队的事，现在自己一个下午就搞定了。

男：而且这种“轻量但够用”的哲学，和前面 Pi 的上下文纪律、MCP 2.0 的一次请求设计，其实都是一类思路——尽量去掉不必要的堆叠，让真实瓶颈露出来。

女：好，今天从 AI 写代码的效率神话，一路聊到浏览器代理泄漏、老派 Bugtraq 复活，再到 AI 能不能跳出爱因斯坦那种直觉的一跃，中间还夹着一台笔记本处理几亿行数据的故事。信息量挺大，但我觉得这些事背后都有某种共同的追问：工具再强，人的判断、人的安全边界、人的那一点“跳跃”，到底该放在哪里。

男：是的，技术一直在变，但这个追问没怎么变过。

女：那今天就到这里。感谢收听，也提醒大家在泛用型播客客户端里搜索 “Agili 的 Hacker Podcast” 订阅，就不会错过每一期。我们下期见。

男：再见。