引言 2026 年秋天，数学与计算机几乎同时受到了 AI 的正面冲击。 10 月 6 日，OpenAI 一次性公开了 722 篇由内部模型生成的数学手稿，归为 372 个结果族，其中包括一些长期悬而未决的问题。10 月 16 日，Anthropic 发布内部报告：截至 8 月，员工部署的 AI 智能

syd233发布于 October 31,2026

近几个月，我几乎在每个新会话的开头，都要先向模型交代它当前的能力水位。若省去这一步，模型便会退回“人机协作”的默认站位，把自己当成辅助人类提效的工具，并以此为前提展开后续的所有建议。交代之后，模型口头上的站位会随之改变，但散落在具体判断里的旧前提仍会不时冒出来。这种错位在不同模型上反复出现。究其根源

syd233发布于 October 19,2026

讨论AI与就业，最常见的问题是：哪些职业不会被替代？这个问题把分析限制在技术能力上，试图通过机器暂时不会做的事情寻找长期安全。然而，技术突破会消除能力缺口，企业也会在岗位完全自动化之前减少招聘。对个人更重要的问题是：当完成工作的成本持续下降，收入为何仍会分配给某些人，又通过什么机制停止分配给另一些人

syd233发布于 September 29,2026

我最初注意到 GPT‑6 的 Steer，是因为它听起来终于解决了一个很自然的需求：模型还在工作，用户就能追加要求，让它调整方向。再加上异步工具调用和 WebSocket，很容易让人产生一种期待——模型一边推理，一边接收新信息，并随时改变接下来的输出。 这到底是推理方式发生了变化，还是客户端把传统的

syd233发布于 September 25,2026

一个流行的想法是：模型已经足够聪明，不如让它管理自己的上下文——按需挑选工具、随意图切换系统提示词、在长对话中删改自己的历史。表面上，这是把控制权交给最了解任务的一方；实际上，这是让住户拆改承重墙。 第一处塌陷是单调性。上下文的可解读性依赖一个隐含前提：此刻的模型与过去的模型看到同一份规则。若第五步

syd233发布于 August 26,2026

写 prompt 的人和写 agent harness 的人看 LLM 调用的角度不一样。 上下文工程的视角里，LLM 调用是一个抽象的 messages 数组：[system, user, assistant, system, ...]。任务是设计这个数组的内容，怎么通过编排上下文数组的结构，约束

syd233发布于 June 11,2026

本文从最简单的 LLM 纯对话模式入手，逐步引入 Agent 工具调用和子 Agent 进程管理，完整解析系统中断（Cancel）的实现原理。 1. LLM 模式中断：最简单的情况 1.1 LLM 模式的流式调用 在 LLM 模式下，系统只有两个核心组件参与： ChatHandler：主循环，负责驱

syd233发布于 April 03,2026

Hook 系统技术文档 1. 概述 Hook 系统允许 Skill 在 Agent 流程的 5 个检查点声明式注入/拔出提示词消息。 设计理念：insert → remove（源自酒馆破限模式）。非持久 hook 在 LLM 调用前插入、调用后拔出；持久 hook 注入后 yield 回前端，由前端

syd233发布于 March 18,2026