# AI造坑·健忘·反超专家：本周三把海外新刀 **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。 --- ## 一、slopo：专治 AI agent 偷偷制造的「重复代码」 **官网**：[slopo.dev](https://slopo.dev)　**仓库**：[github.com/rafal-qa/slopo](https://github.com/rafal-qa/slopo)　**语言**：Python　**License**：AGPL-3.0　**Star**：145（2026-06-02 开源） ### 它到底解决什么问题 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： - **精确复制粘贴**：PMD CPD、SonarQube、`jscpd` 这些基于 token / AST 的传统工具能抓； - **近似重复**：人类肉眼或 AI 也能看出来； - **语义重复（实现方式完全不同，但功能等价）**：传统工具全瞎，AI 自己也查不出来——而**这恰恰是 AI agent 制造得最多、危害最大的一类**。 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**。 ### 怎么用（三行命令） ```bash 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。 ### 价格与坑 - **工具本身免费开源**。唯一成本是 embedding API：它走 LiteLLM 兼容接口，官方推荐 [Voyage AI](https://docs.voyageai.com/docs/embeddings) 的代码 embedding（低到 512 维也够用）。一个中型仓库全量跑一次大概几美元，增量重跑更省。 - **⚠️ 信息差警告**：slopo 是 **AGPL-3.0**。如果你打算把它打包进自己的商业 SaaS「网络服务」对外提供，AGPL 的网络传染条款会要求你开源衍生代码。**自用 / 内部 CI 完全没事，但别盲目塞进商业产品对外卖**。 ### 国内对比 & 适用人群 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。 --- ## 二、ctx：把硬盘里几个 G 的 agent 历史，变成可检索的本地记忆 **官网**：[ctx.rs](https://ctx.rs)　**仓库**：[github.com/ctxrs/ctx](https://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**） ### 这个信息差最扎心 `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**。 ### 关键卖点：50 倍 token 效率 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。 ### 怎么用 ```bash 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 # 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。 ### 为什么它和「外挂记忆」不是一回事 很多人会把 ctx 跟 Mem0、Letta 这类「云端记忆框架」搞混。区别很明显： - **不注入、不联网**：ctx 不调任何模型 API、不需要 API key、不往你的源码仓库写东西、**不把你的 prompt / 转录上传任何云**。纯本地 SQLite，索引和检索都在你机器上。 - **它不「制造」新记忆，只「考古」已有的**。转录本来就在你硬盘上，只是没人能搜。 **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**。 --- ## 三、zkGolf：LLM 写出碾压人类专家、还能数学证明的密码学电路 **官网**：[zk.golf](https://zk.golf)　**挑战仓库**：[github.com/zksecurity/zk-golf-challenges](https://github.com/zksecurity/zk-golf-challenges)　**出品方**：zkSecurity（知名 ZK 安全审计公司）　**平台**：Lean 4 ### 为什么这把刀值得每个 AI 从业者知道 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」。 ### 它甚至给 agent 留了 API 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**。 ### 给中国读者的信息差 - **国内 Lean / 形式化验证社区极小**，更没有这种「LLM + 密码学 + 形式化证明」三合一的竞技场。绝大多数人还停留在「AI 能不能写对一段业务代码」的争论里，而海外已经在比「AI 能不能写出可证明最优的密码学原语」。 - **启示**：如果你是做区块链 / ZK / 密码学方向的，这是练手 + 出名 + 验证「AI 辅助电路设计」可行性的现成平台；如果你是普通 AI 工程师，记住这个趋势——**「形式化验证 + LLM」会是接下来让 AI 代码可信化的关键拼图**，因为证明能挡住幻觉。 **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）。 --- ## 三把刀在 AI 开发循环里的位置 ```mermaid 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] ``` ## 本周还有这些值得顺手收藏 - **OpenAgentLoops**（[openagentloops.featherless.ai](https://openagentloops.featherless.ai)）：MIT、只有一个 zod 依赖、provider 无关的 agent loop。把「调模型→跑工具→回灌→停止」抽成端口与适配器，同一份 build 能跑在 Node / Bun / Deno / 浏览器。不想被 LangGraph / Vercel AI SDK 绑死的自建 agent 党可以看。 - **Declaw Arena**（[declaw.ai/arena](https://declaw.ai/arena)）：一个 CTF 式挑战——「你能从沙箱里把数据偷出来吗？」基于 Firecracker microVM，内置 PII 脱敏、prompt injection 防御、网络管控。拿它当 agent 红队训练场，比看十篇安全博客都直观。 - **Claudoro**（[github.com/emson/claudoro](https://github.com/emson/claudoro)）：把番茄钟塞进 Claude Code 的 statusline，还能用 CLI / 对话直接控制。重度 Claude Code 用户的专注力小工具。 - **Piggy**（[github.com/adamyasingh-12/Piggy-](https://github.com/adamyasingh-12/Piggy-)）：号称「资深开发者偷懒模式」，强制 agent 选最简方案，宣称省 80–94% 代码、47–77% 成本、快 3–6 倍（7 月 1 日刚发，0 star，自己甄别）。 --- ## 信息差总结 | 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」 | ## 行动指南（今天就能做） 1. **先装 ctx（零成本，5 分钟）**：`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。 2. **给老仓库跑一次 slopo**：`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**。 3. **去 zk.golf 看一眼排行榜**：哪怕不参赛，也去看看 `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。 4. **把 OpenAgentLoops 收进收藏夹**：哪天你要自建 agent 而不想被框架绑架，它会省你一周踩坑时间。 --- **参考来源** - [slopo 官网](https://slopo.dev) · [slopo GitHub](https://github.com/rafal-qa/slopo) - [ctx 官网](https://ctx.rs) · [ctx GitHub](https://github.com/ctxrs/ctx) - [zkGolf](https://zk.golf) · [zk-golf-challenges](https://github.com/zksecurity/zk-golf-challenges) - [Show HN: slopo](https://news.ycombinator.com/item?id=48762038) · [Show HN: ctx](https://news.ycombinator.com/item?id=48763462) · [Show HN: zkGolf](https://news.ycombinator.com/item?id=48763246) - [OpenAgentLoops](https://openagentloops.featherless.ai) · [Declaw Arena](https://declaw.ai/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。 --- ### 完成摘要（What was done） - **信息采集**：内置 WebSearch / webReader 额度已耗尽（429，7-18 重置），改用 `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。 - **核实的关键数据**： - slopo：AGPL-3.0、Python、145★、2026-06-02 开源、8 语言、`uv tool install slopo` - ctx：Apache-2.0、Rust、197★、**今日 2026-07-02 仍在提交、0 open issue**、50x token 效率（917 vs 45,734） - zkGolf：zkSecurity 出品、Lean 4、Opus 4.7 击败 SHA-256 人类 SOTA、`assisted_by` 支持 `Opus 4.8 max`/`GPT-5.5 xhigh` - **输出**：Round 1 `new-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。 ### 注意事项（风险提示） - 文中 slopo 标 **AGPL-3.0**，已在正文与行动指南里警示「自用 OK、别塞进对外商业产品」。 - 工具 star 数、模型名（Opus 4.8 / GPT-5.5）均来自实时抓取数据，与 2026-07-02 时间线一致。 - **内置联网工具额度耗尽**是本轮最大限制：后续轮次（tips/use-cases 等）若仍需联网，建议优先用 `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。