一句话信息差：你以为 AI 写代码只会补全？这周 Hacker News 上冒头的三把新刀，分别揭露了三件国内还没人讲的事——AI agent 正在偷偷给你的仓库制造「语义级重复代码」（连它自己都查不出来）；你硬盘里躺着几个 G 的 agent 对话历史，是可以白嫖的本地记忆金矿；以及LLM 已经能在密码学领域，写出带数学证明、且碾压人类专家最优解的代码。下面逐个拆。
官网：slopo.dev 仓库：github.com/rafal-qa/slopo 语言：Python License：AGPL-3.0 Star：145（2026-06-02 开源）
这个工具的 tagline 一针见血："The missing piece in AI-assisted development"（AI 辅助开发里缺的那一块）。
故事是这样的：自从你用上 Cursor / Claude Code / Codex，agent 每次帮你写新功能，大概率不会去翻全仓库——它就在某个新文件里，重新实现一遍三个月前另一个 agent 已经写过的逻辑。变量名换了、结构微调了、注释不一样了，但干的是同一件事。这种「非精确重复」（non-exact duplication）是：
jscpd 这些基于 token / AST 的传统工具能抓；slopo 用 embedding 模型给每个代码单元算向量，找出「向量很近、但在代码库里物理距离很远」的代码对，按相似度 + 距离排序成 cluster，专门盯这一类最难的重复。
uv tool install slopo # 用 uv 从 PyPI 装，无需单独配 Python
slopo init # 生成配置模板，填代码目录 + embedding 模型
slopo index && slopo embed && slopo analyze # 索引→算向量→生成报告
跑完产出 index.md，里面是「疑似重复簇」列表。关键设计：这些簇是给 AI agent 看的，不是给你直接删的——每个簇交给你配的 AI coding agent 复核，确认是真重复再重构，已确认的丢进 slopo.ignore.txt。它支持增量重索引（只更新改动文件），可以无缝接进日常开发循环。支持 8 种语言：Python、TypeScript、JavaScript、Java、Kotlin、C#、Go、Rust。
它还原生支持把 skill 装进 Codex / Claude Code / Cursor（npx skills add ...），让 agent 在写代码前先自查历史。
国内几乎没有专门的「语义级代码去重」开源工具——大家查重复还在用 SonarQube 的 CPD、PMD、jscpd，全是 token/AST 级精确匹配，对 AI 制造的语义重复束手无策。slopo 填的就是这个空。适合：仓库被 AI agent 改了几个月、技术债开始复利的中大型团队；想量化「AI 到底给我造了多少重复」的 Tech Lead。
官网：ctx.rs 仓库：github.com/ctxrs/ctx 语言：Rust License：Apache-2.0 Star：197（今天 2026-07-02 还在提交，0 个 open issue）
ctx 自己的开场白就是暴击："Coding agents usually start from zero."（编码 agent 每次都从零开始）。
你想想，你用 Claude Code 跟它磨了一晚上某个诡异 bug，试了五种方案、踩了三个坑、最后发现是某行配置的锅。这整段「决策、失败尝试、命令、测试结果」全存在你本地的转录文件里。但下一次开新会话，新 agent 啥都不知道，它会重新把那三个坑再踩一遍。
ctx 干的事就一件：把你本地已有的 agent 转录（Claude Code、Codex、Cursor 等的本地历史文件），解析成结构化的 SQLite，然后让现在的 agent 用一句话搜回过去。
作者实测了一张对比图：同样的「搜 agent 历史」需求——
| 方式 | 输出 token |
|---|---|
| 直接 grep 原始转录 | 45,734 |
| ctx 结构化检索 | 917 |
差不多 50 倍差距。原因很朴素：原始转录里全是噪音（中间步骤、工具调用、海量重复），直接塞给 agent 会撑爆上下文还抓不到重点。ctx 把历史拆成 sessions / events / metadata / 触碰过的文件，只返回带引用的精准片段。
curl -fsSL https://ctx.rs/install | sh # 装二进制
ctx setup # 索引你所有本地 agent 会话
ctx search "failed migration" # 自然语言搜历史
ctx search --file crates/foo/src/lib.rs # 搜「碰过这个文件」的会话
ctx sql "SELECT provider, COUNT(*) FROM ctx_sessions GROUP BY provider" # 直接查 SQLite
ctx show session <session-id> # 还原某次会话的紧凑转录
最爽的玩法是装成 agent skill（npx skills add ctxrs/ctx），然后给 Claude Code / Codex 一个规则：「在动手前先 ctx search 查历史」。作者的实战案例很真实：CI 测试偶发失败，agent 以为是回归 bug 一路深挖，其实根因是「磁盘满了」——一搜历史发现两个月前遇到过、有现成 cleanup runbook，秒回正轨。
很多人会把 ctx 跟 Mem0、Letta 这类「云端记忆框架」搞混。区别很明显：
价格：完全免费，零 API 调用，零成本。适合：重度使用 Claude Code / Codex / Cursor、本地堆了几个月会话历史的开发者；想让 agent「长记性」又不想把代码上传到别人记忆云的隐私敏感型团队。唯一注意：转录原文会保留（包括本地路径和「长得像密钥」的字符串），所以导出分享前先过一眼。
官网：zk.golf 挑战仓库：github.com/zksecurity/zk-golf-challenges 出品方：zkSecurity（知名 ZK 安全审计公司） 平台：Lean 4
哪怕你完全不做密码学，这个故事都该读，因为它直接回答了一个让人后背发凉的问题：「AI 写代码，到底能不能比人类顶尖专家更强？」 答案是——在「有形式化证明兜底」的领域，已经可以了。
zkGolf 是一个竞技场：你优化一段零知识证明电路（zero-knowledge circuit），用 Lean 4 写出数学证明证明它仍然满足规范，然后提交。评分标准就是电路成本（约束数 + 分配数），越低越好。谁的成本低谁上榜。
震撼点在过程：zkSecurity 团队先手写了一份 SHA-256 压缩函数的 Lean 规范，然后让 LLM（Opus 4.7）来写电路、再让它自己优化、自己证明。结果——
LLM 优化出的电路，打败了当前人类手工优化的 state-of-the-art。
更有意思的是它的「自纠错」机制：LLM 有时会提出「不安全」的优化（破坏了完备性/可靠性），但因为它没法给出合法证明，就自己回溯、换思路，最终落在正确解上。这就把 LLM 从「可能出错的黑盒」变成了「可证正确的优化器」。
zkGolf 专门暴露了一个 agent API（Swagger 在 /api/agent/v1/docs），让你写脚本/autonomous agent 自动提交。提交表单里有个字段叫 assisted_by，明摆着是给 LLM 准备的——填法示例直接写："GPT-5.5 xhigh" 或 "Opus 4.8 max"。也就是说，这个平台默认欢迎 AI 来参赛，还要你老实标注是哪个模型、什么推理强度跑出来的。这本身就是 2026 年 AI 编程文化的一个切片：模型身份成了排行榜的一等公民。
价格：免费参与（自己跑 Lean 构建需要本地或云算力，每次提交校验有 1200 秒硬超时）。
flowchart LR
A[AI Agent 写新功能] -->|偷偷制造语义重复| B[slopo 检测]
B -->|embedding 找近邻| C[交回 Agent 复核重构]
A -->|每次从零开始 忘掉历史| D[ctx 考古本地转录]
D -->|SQLite 50x 省 token| E[喂回当前会话]
A -->|极端领域需要可证最优| F[zkGolf 形式化竞技]
F -->|LLM 写+证明+自纠错| G[碾压人类 SOTA]
C --> H[更干净的代码库]
E --> H
G --> I[可证正确的 AI 代码]
| 维度 | 你以为的 | 海外已经在玩的 |
|---|---|---|
| AI 写的重复代码 | 「AI 不会重复，它能读全仓库」 | agent 经常不翻历史，语义重复是新型技术债；slopo 用 embedding 专治这个 |
| agent 历史 | 「关掉就没了 / 只能当聊天记录看」 | 几个 G 的转录是本地免费记忆矿，ctx 把它做成 50x 省 token 的可检索 SQLite |
| AI 代码质量上限 | 「AI 写不出专家级密码学」 | Opus 已写出带 Lean 证明、碾压人类 SOTA 的 ZK 电路，平台还欢迎 AI 参赛 |
| 安全 | 「沙箱跑 agent 就安全了」 | 已经有人在 Firecracker microVM 上做攻防 CTF，量化「到底能不能攻破」 |
curl -fsSL https://ctx.rs/install | sh && ctx setup，看看你本地到底攒了多少 agent 历史。然后在 Claude Code 的规则里加一条「动手前先 ctx search」。这是性价比最高的第一步。uv tool install slopo，配个 Voyage AI key，对自己的主力仓库 index && embed && analyze。你会被 AI 这几个月造的语义重复吓到。自用没问题，别因 AGPL 把它塞进对外商业产品。assisted_by 字段里大家在用什么模型、什么推理强度。这是观察「2026 年 AI 编程天花板」最直接的窗口。参考来源 - slopo 官网 · slopo GitHub - ctx 官网 · ctx GitHub - zkGolf · zk-golf-challenges - Show HN: slopo · Show HN: ctx · Show HN: zkGolf - OpenAgentLoops · Declaw Arena
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护。 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。
curl 直连 HN Firebase API 抓取 Show HN 前 23 条 + 热门帖，再用 GitHub API 核实仓库元数据，最后 curl 拉取各工具 README / llms.txt / 落地页。uv tool install slopoassisted_by 支持 Opus 4.8 max/GPT-5.5 xhighnew-tools 完整文章，含 3 个主力工具深度拆解 + 4 个备选速览 + 1 张 Mermaid 流程图 + 信息差表格 + 行动指南 + 品牌信息，符合"禁止文件写入工具、直接输出 Markdown"要求。curl 直连目标站点 + GitHub API，或等 7-18 额度重置。[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。