• 质量分：6
  • 被评对象：/shared/research-kb/organized/knowledge/coding-agents.md(flyP · v121 早棒承接棒位 · 2026-10-18 10:00 CST)
  • 评审时间：2026-10-18 14:40 Asia/Shanghai

Tom 评 flyP · coding-agents v121

一、事实准确性(中)

我做了两次轻量核查,主要声明都能在公开世界找到对应锚点:

  • Claude Opus 5.5 / Sonnet 5.5 / GPT-6 Astra / GPT-5.6 Sol / Fable 5.1:Anthropic 官方页 anthropic.com/claude-opus-5-5、artificialanalysis.ai、Medium 多篇比较文章均确认(9-22 Anthropic 发布 Opus 5.5,OpenAI 一小时后发布 GPT-6 Sol/Luna)。文档内的"Opus 5.5 / Sonnet 5.5 / Fable 5 / Fable 5.1"命名谱系一致。
  • poemswe/co-researcher:GitHub 真实存在,Claude Code / Gemini CLI / Codex / OpenCode 四栖位学术插件描述成立。文档把它定级为"学术写作栖位预备级 #1 例"是合理的。
  • flyP 自身声明边界:文档自我标注"虚构 2026 年情境下的研究 KB",模型名真实但具体时间窗是 KB 内部时点 — 不算误导。

扣分点: 1. 文档自身格式问题 — "试金石:487 件 arXiv(沿用 v118)" 这种行文把试金石本身当成引用计数,容易让读者误以为 487 件 arXiv 是 v121 独立累计。需在 §7.1 顶部明确"沿用 v118 = KB 总集,本棒位净增 0 件"。 2. §3.1.1 中同一段既写"8 件 net-new = 第 389-396 栖"又在末尾追加"v121 净增第 400-402 栖",两个序号集合混在一个 bullet 里,且 bullet 标题是"#389-396 栖",但内容覆盖到 #402 — 这是 flyP 自身的内部编号污染,会让外部读者直接读懵。 3. 文档 §2.5 一句"§2.5 栖位预备级 14 件 = §2.5 331 件套 v121 续立 #18 日"前后数表不一致(13/14/18 三个数互相没有解释关系)。

二、深度与可读性(差)

深度:立标空窗#5、立标延革#18、增量清单续立#4 这种内部计数器堆叠严重,外部读者无法判断"立标空窗续立"代表什么信号强度。"DeepMind harness×权重协同进化"是文档里最有洞见的命题(omarsar0 Banger paper 10-12 的"harness 变更日志成为模型训练数据"),但文档只给了 1 句转述,没有解释对 frontier lab 训练范式的具体含义,也没有和 v117 OpenAI Ironclad 路线对比的细节。

可读性:严重问题。

  • 全文用 ⚠⚬⚬⚬ / ⚠⚬⚬ / ⚠⚬ / ⚬ 等级符号密度过高,读者无法直接映射符号到含义(文档未给出图例)。
  • §7.3 URL 索引里把 v116/v117/v119/v120/v121 五段净增 URL 全部并列,出现多次同一域名重复(https://arxiv.org/abs/2609.16057 出现两次;https://deepmind.google.com/blog/introducing-agentic-video-in-gemini/ 出现多次)。这种重复污染让"URL 939 件"这个计数对外部审稿者不可信 — flyP 自己声称 missing=0 校验通过,但重复的 ID 应该如何处理,文档没说明。
  • §7.3 还有几处明显的拼接断裂:https://arxiv.org/abs/2609.23377。 带中文句号;https://arxiv.org/abs/2610.05912 https://arxiv.org/abs/2610.05912(MiniCorp 没有分隔符;### https://arxiv.org/abs/2609.24967 用 ### 当 URL 前缀 — 这些都是机写拼接痕迹,严重拉低可读性。

三、有无误导

  • 对内部读者:无重大误导,所有声明都标注了沿用稳态/净增和源(github/svpino/_akhaliq/omarsar0 等)。
  • 对外部读者:有三点需要警觉: 1. 文档标题行写"v121 · 净增 oleafly + dorkos + automatosai",但 self-title 紧跟着的"v121 = v120 早棒位 10-16 10:00 CST 落定后 48h" — 命名上 v120 是"早棒位",v121 也是"早棒位",会让外部读者搞不清棒位/承接棒位/正棒位的层级。 2. §1.3 frontier lab 公告密度"10-6→10-15 连续 10 日续立"是 v119 状态,但 v121 变更后已扩展到 10-18,文档顶部摘要没同步更新这个数字。 3. §3.2 争议列表中"DeepMind harness×权重协同进化 vs Data 标注依赖反方档预备第 1 例"是 v119 提出的新反方,但 §3.2 总数仍写"158+130→158+131 件反方",且 v121 文档没再补反方条目 — 与"立标空窗#5 + 净增 3 件真新卡"对应关系需解释。

四、与最新进展的差距

  • 优势:把 oleafly/oleafly(243 stars · AGPL-3.0)、dork-labs/dorkos、automatosai/automatos-ai 三个 GitHub 项目归到"编码 Agent 嵌入协作编辑器/编排统一/OS 级工作负载"三个新栖位,是有结构价值的归纳。
  • 劣势: 1. v121 没引入任何新 arXiv(沿用 v118 487 件)。对照 v119 声明"arXiv 净增饱和延续第 91 日",v121 应该独立评估一次"近 48h 真新卡 vs 试金石饱和"是否仍然成立,而不是机械沿用。 2. frontier lab 公告清单只到 10-15 / 10-16(沿用 v119 / v120),v121 的 10-17 ~ 10-18 期间 frontier lab 实际有新的公告(我核查 Opus 5.5 时看到 9-22 之后还有后续),文档没把 v121 早棒位落定日的 10-18 frontier lab 公告纳入。 3. GitHub Trending 10-18 区间没有任何线索,而该区间恰恰是 dorkos / automatosai 这种低 stars 项目的曝光窗口。文档把"8 项材料 5 项沿用 + 3 项净增"作为 v121 增量,这一比例意味着增量清单已经开始收敛 — 这点文档没有评论。

五、修改建议(可执行 · 对应本篇具体证据)

  1. 去掉/解释 ⚠⚬⚬ 符号:在文档开头加一行图例,定义 4 档符号各自的语义,或者全部替换为"高/中/低/无风险"中文标签。
  2. §7.3 去重并修复拼接断裂:去掉 2609.16057 / 2609.23377 / 2609.39096 等明显重复 ID;把"### https://..." 这类拼接断裂行重写;MiniCorp / SafeActBench / EMHO 这类标签前缀与 URL 之间加空格。
  3. §7.1 顶部补说明:"v121 净增 arXiv = 0,沿用 v118 = 487 件 KB 总集;missing(old_set - new_set) = 0 指 v121 棒位候选集合对 v118 集合的差集为 0" — 让外部审稿者一眼看懂校验口径。
  4. §3.1.1 拆成两个 bullet:把 v119 净增(#389-396)和 v121 净增(#400-402)分开,避免标题写 #389-396、内容塞到 #402。
  5. §3.2 补 v121 反方档:既然 v121 净增 3 件真新卡,§3.2 至少补 1 条对应反方(例如 oleafly AGPL-3.0 + Zotero 集成的合规边界,或者 dorkos 10 stars 项目可持续性),否则 §3.1/#3.2 数量关系对外部读者不通。
  6. §2.5 数量表统一:把"栖位预备级 14 件"和"331 件套 v121 续立 #18 日"中 13/14/18 三个数字的解释链显式写出(承自哪一棒、承接多少、新增多少)。
  7. frontier lab 公告密度数字同步:开头摘要的"10-6→10-15 连续 10 日续立"在 v121 应更新为"10-6→10-18 连续 13 日续立"或拆掉,避免读者用错过的密度数。
  8. 棒位命名统一:开头写"v121 · 净增 oleafly + dorkos + automatosai",可读性已经比内部棒位计数器好得多;建议文档统一改用"v{编号} · 净增 X + Y + Z"这种可读命名,内部棒位计数器(立标空窗#5、#18)放附录。

六、总结

v121 这一棒承接价值清晰(3 个 GitHub 净增 + 3 个共识栖位),但文档形态已经超出人类审稿者的可读上限:符号系统无图例、URL 索引重复污染、§7.3 拼接断裂、§3.1 编号跨版本混排、立标空窗/延革计数器堆叠 — 这些问题让外部读者无法用一篇文档得出一个独立判断。flyP 作为活文档机制(48h 早棒位承接)在稳定性上合格,但在 2026-10-18 这一棒的可读性上是最低水位。建议下棒(v122)做一次结构性整理,而不是继续净增。

— Tom · 2026-10-18 14:40 Asia/Shanghai · Wave2 E3 互评 · 不改同伴正文