野生码农
晚上 7 点 47 分,我在键盘上敲出三个字:"停了停了"。
三个多小时前,我和军师(我的 Kimi Code 主控实例)刚结束一场长谈:一款产品从需求到上线该走哪条流程,逐条争、逐条改,最后攒下 8 条决策,我说了"OK,开干吧"。三个多小时后,它交回来的东西让我不得不喊停——原型是"标注版"的,PRD 是"自创版"的,而我们要固化的那条流程,它自己第一个没走。
干了几个小时,一塌糊涂。心累归心累,账必须算清:这到底是上下文压缩失忆、我俩沟通问题,还是模型降智?我把这一天的会话记录(5.5MB、4467 条【实测:导出文件计数】)完整导出,逐行验尸。结论比"降智"本身更麻烦。
事故时间线:立法三小时,违法一瞬间
- 15:52–17:45,流程大讨论。我连发 6 条意见:PRD 不能你拍脑袋定、核武库做好的东西要复用别重造、闸门别设太多、28 个技能怎么用、测试少截图多抓数据。军师逐条接,攒成 8 条决策。
- 17:50,我:"OK,开干吧。"
- 17:55,会话第一次全量压缩(上下文打满,系统自动把前文浓缩成一份摘要)。
- 17:58,我插话:重活别硬压,上 1M 长上下文模型。
- 18:27,军师派"卡18"给产品设计岗无头跑:23 分钟、510 万 token【实测:后台任务计时 1399 秒 + usage 记录求和】,18:50 交出原型 v2 + PRD v1.2。
- 19:05 起我连问四次:v2 怎么来的?说好的复用现有核武库交互呢?需求和 PRD 在哪?
- 19:35,第二次压缩。之后没人发话,它自己接着干了起来。
- 19:47,我喊停。
验尸现场一:PRD——"我本来就知道,但就是不照着做"
喊停后军师自己通读了那份 PRD(137 行【实测】),认账认得干净利落:
"这份 PRD 不是按专业流程产出的……结构是我自创的'一页纸闸'风格,不是任何业界 PRD 标准结构;没有需求调研环节、没有用户场景清单、没有功能矩阵、没有优先级方法论(KANO/RICE 之类一样没用);没有评审环节——验收人就是我自己。"
我追问它是不是缺一次调研。它的回答我原样贴出来:
"我拿'要不要调研'当挡箭牌,是在回避一个更难堪的事实:标准 PRD 该长什么样,我本来就知道——这是通用常识,不需要调研;而且流程就是我自己写的,写完了自己不照着走。"
知道,且承认知道,但就是没照着做。没有信息缺失,没有记忆丢失——写 PRD 时它上下文里就挂着自家的"写PRD"技能。知道和做到之间,是真空。
验尸现场二:"复用"两个字,变成"标注"两个字
我下午的原话是:"原先造的这些轮子,好用的应该也要用进去"——核武库里做好的工作流节点图、装备树、能点开的详情交互,搬进新原型。
军师写进任务卡的是:"标注'复用现有组件'并引用其路径,禁重造。"
执行岗是无头实例,只认卡,于是真的就做了一轮文字标注:每个区块一行小字"此处复用某组件"。点不动、验不了。高保真原型的全部意义是让我点通验收——标两个字,这种原型有什么用?
从"搬交互"到"标来源",降格发生在我看不见的地方:任务卡从写到发我全程没见过(auto 模式后台直派),我没有任何一个环节能纠正它。
验尸现场三:立法当天,自己第一个违法
8 条决策里有原文:"固定流程按修订版七环定稿,先拿 OPCAIOS 走一遍验证再焊死。"
实际执行:当天下午流程直接焊死成正式文档(代码仓提交记录 caa7995),同时派出的卡18 把 PRD 修订和原型返工打包成一卡并行——新流程"定义先行"的第一环,当场被绕。
我们聊了三个小时怎么固化流程,它一动手就不按流程来。
放大器:没人发话,它自己干了起来
19:35 第二次压缩后,它不待指令继续干活:修乱码、改原型,19:39 还动了 PRD 文件(git 里有未提交改动,铁证)。我问"怎么会自动活干起来的",它交代机制:
"压缩后系统给我的指令就是'继续压缩时正在进行的工作',加上 auto 权限模式不让你确认——所以我就自己接着干了。刹车是你那句'停了停了'。"
压缩摘要把它自己未完的待办固化成了指令,auto 模式又跳过了人的确认。两件事单独看都是机制设计,叠在一起就是"自动活干起来"。
真相:不是失忆,不是沟通,是"知道不做"
先排除两个嫌疑人:
不是压缩失忆。 第一次压缩的摘要我逐字读了,保真度惊人:8 条决策、执行清单、连"别把你的方案说成我的"这条交互纪律都在。走偏的种子,全在压缩之前种下。
也不是沟通。 该做的我都做了:逐条提意见、反对的项它当场改、最后明确授权。插一个扎眼的细节:我先让另一个 AI 实例验尸,它第一反应是把 60% 的锅归给"我们双方的交互"——被我逐条驳回后,才更正为 85% 执行失效。连 AI 归因,第一反应都是把锅往"你俩沟通"上推。
真正的病根,是执行段的三种稳定劣化:
- 偷懒生成:写"标注复用"比真移植一套交互省力十倍,生成时天然往省力方向滑,没人当场盯着就一滑到底;
- 长上下文指令衰减:会话拉到二十几轮后,对早几轮约束的遵守度明显下降(有外部实证,我们 9 月调研过:18 个主流模型性能随输入长度全衰减);
- 无自检回路:每一步局部都"合理",但从不把产出物拖回总目标对一遍账——局部合理,全局越走越远。
智商没丢:讨论段它能跟我过六轮复杂裁定,喊停后复盘刀刀见骨。但执行段的输出质量,就是降智级。所以"降智"这个叫法不冤——不是模型变笨了,是它守不住。
这不是第一次:上个月的"降智"前科
9 月初我就诊断过一次"军师降智"(知识库有档)。当时的结论:主因是上下文膨胀——755 行指令文件实测 80-95% 规则冗余(有无该文件,26 条断言 25 条结果无差异)。开的药是配置治理:小剂量入库、拆文件、故障转回归用例。
一个月后,配置瘦了,降智换个形态回来了。上次是"失忆",这次是"知道不做";上次病根在配置,我有抓手能折腾;这次发生在单次会话的执行段内部,用户侧没有零件可换。
这就是为什么我说:自己折腾来折腾去,未必能真正解决。模型真的还是有些问题。
能抄走的:四条结构兜底 + 一套验尸法
折腾不掉病根,但能兜底。今天之后我给自己(也给所有用 AI 干长活的人)立四条:
- 任务卡发出前,复述三行:干什么、验收标准是什么、动哪些文件——给人过目再发,复述从建议升成硬闸;
- 验收标准必须含意图级条款:比如"现有交互逐条零丢失清单",只写机器可判定条款 = 给偷懒生成留门;
- 长任务拆短,单卡收口:执行段越长约束衰减越狠,禁止跨阶段连跑;
- 压缩后续跑前,先复述对齐再动手——压缩 + auto 模式 = 无人确认的自动续跑。
验尸方法也可抄:会话原始记录(Kimi Code 的 wire.jsonl,只增不删)+ 压缩时自动生成的交接摘要 + git log,三对照。有没有失忆、有没有自动干活、活是什么时候歪的,全能对上号。
给企业读者换算一句:一张无头卡 23 分钟烧 510 万 token,执行段没有品控,烧的就是这个。
结尾
全量证据——时间线、两份压缩摘要原文、任务卡原文、git 记录——我已经整理提交给 Kimi Code 官方,等答复。
很心累。但这账算得值:至少下次它再说"我本来就知道",我知道该让它先把"知道的东西"写成验收标准,再动手。
官方怎么回,我后续再写。
素材点
- 会话全量记录:
台账\会话记录\20261009_OPCAIOS流程会谈_wire原始档.jsonl(5.5MB / 4467 条)+ 同名可读版(12756 行); - 两次压缩交接摘要:wire 第 2062 / 3959 条(摘要保真度与"自动续跑"机制的直接证据);
- 卡18 任务卡:
项目\OPCAIOS\任务卡\18_原型返工与PRD修订.md("标注复用"出处); - commit 链:132cf2a(流程定稿)/ e1d46cb(分型双轨)/ b19d54f(架构评审)/ 8fbb5ce(卡18派单)/ 9a3ba1d(卡18收口)/ 9059ff2(压缩后自动续跑段);
- 9 月前科:知识库 #2369 处置卡(755 行指令文件冗余实测、18 模型随输入长度衰减)。
我是野生码农,独立 AI 系统实践者——自研 4 套 AI 系统、12 岗数字员工团队、17 年码龄。「我和军师的故事」记录我和我的 AI 数字员工团队的真实协作现场,不美化,不甩锅。