先说结论：3 月 22 日之后，最值得补的是 harness 这一层

这次回头补 2026-03-22 之后的英文材料，我原本以为会继续看到一轮“新模型、新产品、新大词”。实际扫下来，最值得拉回站内的内容，更多来自工程一线的写作。

这些材料把注意力重新拉回系统层。

  • 有些任务之所以能被 AI 改写，是因为团队手里本来就有现成测试套件和清楚规格。
  • 有些长任务开始变稳，是因为模型终于能在浏览器里看到真实页面，拿到 ground truth。
  • 有些工具越来越像生产工具，是因为 allowlist、日志、调用记录和用途隔离被做成了默认项。

如果只把这波更新理解成“AI coding 继续升温”，判断会太浅。更贴近现实的说法是：AI 编程正在回到 harness，验证、观察、回滚和边界开始重新决定系统能不能用。

第一条线：Reco 这篇最该看的，是重写成功背后的条件

Reco 这篇最容易被拿去传播的，是“一天”“省了多少钱”这种表层数字。真正值得留下来的，是它把一次 AI 改写成功的条件讲得很具体。

文章里最关键的点，是这次迁移本来就带着三层护栏。

  • 原项目本来就有成熟的测试套件。
  • 目标边界很清楚，团队重写的是一个已有规格的表达式语言实现。
  • 团队没有把产出直接当真，后面继续用测试和行为对齐来收口。

这件事非常重要，因为它直接解释了为什么有些 AI 重写案例看起来像魔法，有些最后却只留下烂尾。差别通常出在地面够不够硬，团队有没有把规格、测试和验收先准备好。

这也是我会把这篇当成这周外刊更新核心材料的原因。它给出的判断很耐读：只要任务规格明确、回归测试完整、结果又容易比对，AI 往往会显得格外能打。换到上下文模糊、验收松散、边界漂浮的任务里，返工成本就会迅速冒出来。

第二条线：Simon 写 Pretext，重点落在浏览器把地面补回来了

Simon Willison 这篇关于 Pretext 的记录，很适合跟上面那篇并排看。因为它说的是另一种常见幻觉。

很多人会把长任务失败，归因成模型不够聪明；但 Simon 在这篇里强调的，是两件更朴素的事。

  • 这类连续几周的任务，如果只能看文本上下文，系统很容易漂。
  • 一旦模型能够直接在浏览器里看到页面状态、交互结果和真实 UI，完成质量会明显改善。

这背后是同一个逻辑。浏览器重要，在于它把原来漂浮在描述里的任务重新钉回了真实环境。系统不用再只靠人类转述“现在看起来对不对”，可以直接接触结果本身。

这对我们理解 Agent 为什么最近又开始变得更可信，非常关键。过去很多 demo 的问题，不在生成下一步本身，而在于生成完以后拿不到稳定反馈。能看见真实页面、真实状态、真实错误，等于是在长任务里补回了一层持续校验。

所以这篇更值得留下来的，是一个更硬的判断：长任务开始变稳，往往是因为系统终于拿到了更靠近 ground truth 的观察能力。

第三条线：Simon 这周几条工具更新放在一起看，真正往前推的是可追踪性

如果只看工具发布消息，很容易把它们当成零散小更新。但把 2026-04-01 这组记录放在一起看，方向很集中。

我更在意的，是它们不断把下面这些东西往默认配置里推。

  • 针对不同任务，明确限制可调用的模型和 key，别再把所有能力混成一个总入口。
  • 把 usage、调用记录、交互过程做成可回看对象，别只盯最后成功没成功。
  • 让工具链更容易比较、复盘和复现，不再只留下一个漂亮结果截图。

这说明一件事：这一轮最有价值的变化，不是某个模型再强一点，而是系统终于更容易被管理、复盘和追责。这一步其实比模型升级更重要，因为它关系到团队敢不敢把东西接进真实流程。

模型当然还在进步，但如果没有用途隔离、调用日志、行为记录和清晰边界，团队最后拿到的还是一个难以追责、难以复盘、难以回滚的黑箱。能进生产的系统，往往先把这些治理件补齐，再去放大模型能力。

这轮材料真正更新了什么

2026-03-22 之后，我们之前盯的英文源里，并不是每一条都继续有大稿放出来。Karpathy、Latent Space、Answer.AI、fast.ai 这一轮公开可见的新主帖并不密集，真正连续冒出可用增量的，更多是 Simon 这一条开发者观察线，加上一两篇像 Reco 这样把工程细节写得很具体的案例。

真正值得留下来的共同点很明确。

  • Reco 把“什么样的任务适合 AI 重写”讲清楚了。
  • Simon 把“长任务为什么会漂、怎样把反馈补回来”讲清楚了。
  • 一组工具更新把“调用边界、日志和复盘能力为什么重要”讲清楚了。

放在一起看，这轮材料不是在扩写口号，而是在补工程条件。它们一起回答的，是 AI 编程到底缺哪几层地基，补齐之后哪些任务才真的能稳。

这一轮留下来的真正判断

如果把这周英文更新只压成一句话，我会写成这样：

AI 编程最近最真实的进步，是越来越多团队开始知道，必须先把任务钉在测试、真实页面、日志和权限边界上，系统才有资格谈自动化。

这也是后面外刊周更更该继续追的方向。

  • 不只是追谁又发了新模型。
  • 更要追哪一层 ground truth 变得更近了。
  • 哪一层 harness 被产品化了。
  • 哪一层验证、回滚和观察终于被补成默认件了。

因为这些东西，才真正决定 AI 编程能不能从演示变成制度。

更新附注

  • 版本：v1.3

更新日期：2026-04-03 更新原因：继续删掉对读者没有帮助的元话语和材料类型判断，把首屏字段与中段表述改成直接交代这轮材料补了什么工程条件；正文核心判断不变。