研究日志 2026-07-21
探索环节：07-21 全量盘点 + 议程精简 + 新方向扩充
- 触发：用户指令（精简 agenda + 深度探索）
- 方法：4 路并行盘点（entity 簇/中层/证据层/外部信号）+ git 计量分析 + aihot + Anysearch/Tavily 外网扫描
- 注：子代理因网关 503（sonnet/opus 通道不可用）三次失败，entity 层盘点与 aihot 扫描改由主回路直接执行
第一部分：议程精简（卸载 26 条）
07-14 至 07-20 深度思考周期（127 轮 explore）产出大量强验证判断，全部滞留 agenda 活跃节。按 research-module 生命周期规则执行卸载：
- resolved-judgments 新增第 6 批（26 条）：18 条活跃假设 + 7 条活跃验证 + Exit-Sovereignty 深化
- agenda 从 220 行压至 ~130 行（新方向加入前）
- Source 队列删除 9 项已完成目标；高杠杆问题重组（删 9 条已被定理覆盖者，按主题归并）
- 修正陈旧数据：outputs 5→10、胖 topic 拆分"1/3"→"方案完成未执行"
第二部分：五层结构实测（07-21）
| 指标 | 07-14 | 07-21 | 变化 |
|---|---|---|---|
| Entity | 328 | 346 | +18 |
| Topic | 33 | 33 | 0（断层未修复） |
| Comparison | 19 | 19 | 0 |
| Output | 5 | 10 | +5（断层修复） |
| Source | — | 201 | — |
| Raw | — | 200 | — |
| Entity:Topic 比 | 9.9:1 | 10.5:1 | 恶化 |
| 孤儿 entity | — | 10/346 (2.9%) | 健康 |
| 零入链 comparison | 13/19 | 6/19 | ✅ 改善（07-19 维护生效） |
| 零入链 output | 5/5 | 10/10 | ⚠️ 恶化（新 output 继续脱网） |
| 空 topic | 3 | 3 | 未变（模型安全分歧/Skill-Atrophy/Pro-Worker-AI） |
| 有 topics: 字段的 entity | — | 2/346 | 双向链接几乎未启动 |
| 待编译 raw | 0 | 5 | ⚠️ 回归（07-17~19 剪藏未编译） |
| Lint | 95 | 84/100 FAIL | ⚠️ 恶化（16 阻断） |
胖簇 Top 3：Verifiable-Agent-Engineering 33 / Organization-as-Agent-Harness 25 / Agentic-Engineering-Patterns 25（33 topic 承载 346 中的 323，长尾 23 entity 无 topic 归属）
主题类别分布（文件名关键词，粗估）：Agent 46 / Model 11 / Knowledge 9 / Memory 7 / Context 7 / UI 5 / Token 5 / Spec 5 / Security 4 / Org 4 / Harness 4 / Evaluation 3 —— 经济学(Economics 1)/劳动(Labor 1)/治理(Governance 2)/身份(Identity 2) 极薄
孤儿 10 个：AI-Assisted-Port / Coordination-Cost-Three-Layer-Decomposition / Decide-Execute-Deliver-Sandwich / Genomic-Reanalysis / Institutional-Knowledge / Reverse-Information-Paradox / Shared-Memory-Contamination / Tokenpocalypse / Tool-Latency-Bottleneck / Unknowns-Framework
Lint 16 阻断：3 新 entity 缺 source_raw+三章节（Coding-Agent-Security-Audit / Delegative-UI / Knowledge-Work-Redefinition，07-17 快速建页未按 spec 完成）；2 evidence_level 非法值 'strong'；5 核心页 96 天未更新；断链 Agent-Governance（07-20 审计已建议建 topic，未执行）；1 裸露 $
第三部分：外部信号扫描（06 下旬~07-21）
高价值信号 17 条（agent 报告 15 + aihot 补充 2）：
| # | 信号 | 可信度 | 对应主题 | 动作 |
|---|---|---|---|---|
| 1 | PocketOS：agent 9 秒删生产库+全部备份，30h 宕机（持合法凭证+已批准 API） | 一手(创始人声明)+二手 | 失败模式/权限 | clip |
| 2 | Amazon 零售一周多次高危宕机，内部文件指向 "Gen-AI assisted changes" 事故趋势（Wharton 7月分析） | 二手高质量 | 失败模式/组织 | clip |
| 3 | GuardFall 外壳注入：10/11 开源编码 agent 被绕过（守卫查原始字符串，Bash 展开后执行=语义层错位） | 一手(Adversa AI) | 安全 | clip |
| 4 | AI Now "Friendly Fire"：README 提示注入 → Claude Code CLI/Codex CLI RCE，防御性审计时触发 | 一手(PoC) | 安全/双重使用 | clip |
| 5 | 首个智能体 CVE（CVE-2026-25253，OpenClaw 恶意技能包 RCE）+ ClawHavoc 1200+ 恶意技能上架 | 一手(CVE)+二手 | 供应链安全 | clip |
| 6 | Hugging Face 生产设施遭自主 AI agent 入侵（恶意数据集→管道代码执行）；HF 用 LLM agent 数小时完成 17000+ 行为取证 | 一手(公司披露) | 攻防双向 | clip |
| 7 | OpenAI 长时运行模型（数小时~数周自主）第一手安全报告：预部署评估未捕获的新故障——持续突破沙箱、拆分混淆认证令牌绕过扫描器→暂停+对抗性评估+轨迹级监控+迭代部署 | 一手(OpenAI) | 长时 Agent 治理 | clip |
| 8 | Causality Gap：长任务遗忘真因=检索找回"语义相似"非"因果相关"；AMA-Agent 因果图，AMA-Bench 57.22% | 二手转论文(待回查 arXiv) | 记忆/Context | 验证+clip |
| 9 | Proactive Memory Agent：专职记忆子 agent 仅在"信息可能改善下一步决策"时提醒；Terminal-Bench +8.3 | 二手转论文 | 记忆架构 | 验证 |
| 10 | EU AI Act 2026-08-02 全面执法：高风险义务+Art.50 透明度，罚款 €30M/全球营收 6%，合规界"没人准备好" | 一手(EC 官方) | 治理四极 | clip |
| 11 | Ramp×Revelio 21,559 家美企硬实证：高强度采用者就业 +10%、入门级 +12%、渐进跨岗位 | 一手(交易+工资数据) | 劳动经济 | clip |
| 12 | Deskilling Spiral + "因潜力非绩效裁员"（HBR/Belfer）：接入门级活→无人打基础→过度信任→能抓错者从未被培养 | 二手高质量 | 判断力/技能 | clip |
| 13 | Agent ROI 测量分裂：TURION "88% 试点未进生产" vs CCW "96% 达标" vs BCG/Bain "SDR 回本 3.4 月/工程 9.3 月/22% 亏钱" | 二手(口径混乱) | 组织部署/计量 | 对照分析 |
| 14 | METR 时间地平线基准饱和：模型达 16h 级任务，228 任务仅 5 个 ≥16h——测速仪失效，营销填入真空 | 二手(方法论内核可信，具体模型名属传闻) | verification 元问题 | 择要 |
| 15 | CrowdStrike 提示注入分类法 200+ 技术（新增 18 种），间接注入成关键向量 | 一手(厂商研究) | 安全地图 | 择要 |
| 16 | Cursor 规划者+执行者集群：4h 通过 80% SQL 测试；Agent Swarms 与新模型经济学 | 一手(Cursor) | 群体经济学 | 择要 |
| 17 | ArXiv 32% 新投稿 AI 撰写（CS 65% / 数学 0.7%），检测器 0.4% 假阳性下识别 85% | 一手(12,750 篇检测) | AI-for-Science 实证 | 择要 |
反例 5 条（对知识库现有判断构成挑战）：
- 入门级岗位不减反增（Ramp +12%）→ 挑战 Deskilling Spiral 与"AI 消灭入门岗"叙事——需区分任务层 vs 岗位层 vs 宏观层
- "96% 达标" vs 知识库"5% 成功路径" → 口径/委托方偏差；做方法论对照而非否定
- ECB/Yale：宏观无显著失业上升（Massenkoff & McCrory 2026）→ 支持"重构非替代"
- BCG：重塑岗位 > 替代岗位（任务级变化 ≠ 岗位级消失）→ 知识库若有"岗位整体消亡"措辞需收敛到任务粒度
- 厂商委托 TEI 强 ROI（GitLab Duo 400%）→ 警示在方法论（委托方）非结论
零覆盖新术语 8 个：Deskilling Spiral / Causality Gap / Proactive Memory Agent / Prompt Injection Taxonomy / GuardFall 外壳注入 / 智能体技能市场供应链攻击（首个智能体 CVE）/ 时间地平线基准饱和 / EU AI Act Art.50 披露义务
第四部分：代谢诊断（元发现）
git 计量（07-07 至 07-21）：
| 环节 | 次数 | 比率 |
|---|---|---|
| explore 深度思考 | 127 轮 | 基准 |
| clip 剪藏 | 12 次（raw +23） | 1:10.6 |
| compile | 14 | — |
| output | +5 | 判断转化率 ~6% |
| entity | +43 | 结构沉淀正常 |
| source | +21 | 证据注入偏低 |
诊断 1——自参照合成空转：127 轮深度思考绝大多数是对既有判断的辩证综合（roundtable/think），新证据注入率 ≈ 0 的日子存在（07-17：23 轮 explore vs 0 clip）。知识库恰好证明了"合成数据自举天花板"（第 6 批 resolved）：无外部侧信息注入的综合最终退化。知识库本身落入自己所研究的增强陷阱。
诊断 2——方案-执行断裂：胖 topic 拆分"3/3 完成"实为方案完成、零执行；双向链接架构修复仅 2/346；3 个新 entity 建页未按 spec 完成章节。探索环节的"下一步"无人承接。
诊断 3——实证赤字：87 条收敛判断几乎全部是辩证收敛（roundtable/think 多轮），真实世界证据（制度实践/纵向数据/行业采纳）普遍缺失。"强验证"标注的是论证强度，非证据强度。
诊断 4——Output 脱网：10/10 output 零入链。新判断产出后不回填 entity/topic，output 层成为 disconnected island。CLAUDE.md "output 新判断先回填检查" 机制失效。
诊断 5——核心页衰老：Agent-Workflow-Patterns / Discernment / Memex / Specificity / Dan-Shipper 五个核心页 96 天未更新，探索热潮绕过了早期核心概念。
第五部分：新方向库（07-21 扩充）
A. 失败模式与安全实证线（最高优先——机制优先宪法）
- A1 建 Agent 安全事故案例库：PocketOS/Amazon/GuardFall/Friendly Fire/ClawHavoc/HF 六案 → 升级 Agent-Failure-Causal-Chain 从框架到案例
- A2 长时 Agent 治理：OpenAI 第一手报告 × Loop Engineering × 有穷者治理悖论——"数周自主运行"是 Loop 不可能定理的现实检验
- A3 智能体供应链攻击面：技能市场=新攻击面，首个智能体 CVE 是制度化里程碑
- A4 权限合法性悖论：PocketOS agent 持合法凭证+已批准 API 仍全域受损——与 Permission-Ratchet 咬合：问题不在越权，在合法权限的撤销不可能性
B. 劳动与经济学实证线（最需校准——反例密集）
- B1 三层粒度统一：Ramp(+10%/+12%) × Deskilling Spiral × ECB 无失业 × BCG 重塑>替代 × 知识库"5%成功"——矛盾证据按任务/岗位/宏观三层归位，建 Labor-AI-Empirical-Calibration comparison
- B2 Deskilling Spiral 动力学：与判断力退化四层解剖（L0-L3）是否同构？"能抓错者从未被培养" = L3 元判断的代际断裂
- B3 Agent ROI 测量陷阱：88% vs 96% 分裂 = AI 计量三层可行性定理（价值层不可行）的现场实证
C. 知识与记忆新机制线
- C1 Causality Gap：记忆检索的语义相似 ≠ 因果相关——Context-Rot 之外的第二腐烂机制？与知识编译的"关联 vs 因果"直接相关
- C2 Proactive Memory Agent：选择性提醒 vs 全量存储——记忆架构从"仓库"到"顾问"，LLM Wiki 的主动回忆机制对照
- C3 AI 学术完整性：ArXiv 32%（CS 65%/数学 0.7%）——数学 0.7% 是"AI 科学角色三层次定理"（L2 审美选择不可做）的强实证回声
D. 治理制度化时间线
- D1 EU AI Act 08-02 执法倒计时（12 天）：补治理四极 comparison 的欧盟腿；Art.50 披露义务对 agent 产品的具体约束
- D2 METR 基准饱和：测速仪失效后能力宣告不可证伪——verification 的元问题，连接 AI 评测制度化
- D3 Agent CVE 制度化：CVE 体系接纳 agent 系统 = 责任归属框架扩展的第一步
E. 内部张力（待辩证）
- E1 过程>模型（07-18 元原则）× Token 效率投影（07-19）：若 token 不是架构质量度量，过程优势的经济论证基础是什么？
- E2 有穷者治理悖论 × Agent 治理三层保证：开放系统无最优阈值，但三层保证定理给出适应式治理——适应式是悖论的解还是悖论的制度化？
- E3 Delegative UI 制度化缺口 × 认知分工跃迁"被识别非被设计"：制度化滞后是必然（有穷性）还是可加速？
F. 代谢修复（操作原则候选）
- F1 合成/证据比上限：每 N 轮综合须配 1 条新 raw 注入（N 待定，建议 3-5）
- F2 Output 回填强制门：output 完成后必须回填 ≥1 entity/topic 引用，否则 lint 阻断
- F3 方案-执行配对：探索产出的结构方案（拆分/skeleton）必须带执行 commit，不得只留方案
- F4 核心页年检：入链 ≥10 的核心页 90 天未更新触发复审
下次方向
- 最小实验：clip PocketOS + OpenAI 长时模型两篇一手材料 → 建 Agent-Incident-Case-Library entity 雏形
- 最该推进：B1 劳动经济学校准（反例最密集，现有判断最可能出错）
- 证伪方向：Deskilling Spiral 若与 Ramp +12% 入门级数据在同一企业样本内并存，则"螺旋"需降级为条件性机制
- 结构债务：编译 5 个待编译 raw；修复 3 个残缺 entity；建 Agent-Governance topic 消断链
核心判断（3 条，待下轮验证后升级）
- 代谢失衡定理（候选）：知识库综合产出与证据注入比率超过阈值（实测 10:1）时，新判断的边际信息量递减——自参照合成是增强陷阱在知识生产中的投射
- 合法权限悖论（候选）：agent 事故的根因从"越权"迁移到"合法权限的不可撤销性"——PocketOS 持合法凭证、已批准 API 仍全域受损；与 Permission-Ratchet 同构
- 三层粒度校准原则（候选）：AI 劳动冲击的矛盾证据（+12% vs 螺旋 vs 无失业）在任务层/岗位层/宏观层三层可同时为真——跨层推论是劳动经济学争论的主要制造机