Geekinney

外观

Emacs 社区日报 2026-09-18

约 6936 字大约 23 分钟

2026-09-18

自动整理自 Telegram 讨论组，每天更新。内容为 AI 摘要，仅作信息索引与回顾。

Emacs 中文讨论组

🎯 核心热点与专题探讨

专题一：Magit 性能问题与个人 Hack（跨越多个时段讨论）

从下午 12:02 到晚上 22:40，多位群友围绕 magit 在 Windows 上的性能问题展开了激烈的讨论，并有人分享了自己的优化实践。

痛点与根源：

  • magit 启动时会自动 diff 全部更改，在 Windows 上小文件 IO 慢时尤为痛苦
  • 有群友指出，magit 一启动会调用 50+ 次 git 进程，经过 hack 后才降到 26 次
  • 晚上 22:37，一位群友发现了一个离谱的问题："调一次 git 之前要先找 5 次 git"，具体表现为尝试查找时出现 .exe.exe 后缀，这导致 Windows 上 magit 严重变慢
  • 有人提到 magit 底层换 libgit2 的方案"难产"，很久之前有说要换但没后续；libgit2 自己似乎也有问题

解决方案：

  • 一位群友（zdn_y）分享了自己写的 magit-fast-mode，核心思路是打开 magit 时不主动 diff，避免不必要的 IO 开销
  • 还有人通过减少 git 进程调用次数来优化，自称优化后"效率能快到 1 秒钟以内"，比默认快 2-3 倍
  • 有人建议用 gitui（基于 libgit2）替代，对比 lazygit（基于 git cli），在垃圾性能机器上 lazygit 卡时要 5s，而 gitui 几十毫秒就执行完

金句/吐槽：

  • "我非常怀疑 magit 里面混入了 jj 间谍"（回应"不是间谍"）
  • "Windows 长久以来的骂名要消失了吗" → "我会出手"
  • "emacs (win32版) 之光"
  • "我已经能一秒接受 magit 在任何情况下调用慢的事实了😈" → "没办法，就它好用，慢也得用（"

专题二：AI 时代程序员的困境与思考（15:48–18:55 持续发散）

这个话题从"实习生不如 AI"开始，一路扩展到程序员行业的未来、AI slop、新人教育等深层问题，是整个群聊中最情绪化也最有深度的讨论。

核心观点：

  • 国内就业不景气，程序员行业被认为"烂掉了"，AI 让新人无法脚踏实地入门，第一天就开始 vibe coding
  • 有人指出，"如果你能低价买到高智能，为什么还要高价招实习生？"——企业招实习生最低三四千一个月，能买几个 codex 20x 了
  • 有人感叹"面试造火箭，进厂拧螺丝。现在只不过一个人看四五个终端拧螺丝而已"，并类比当年操作三台 CNC 的经历——"提需求，检验结果，偶尔改改程序"
  • 也有人反对悲观论调："以前 IDE 出来的时候也有人觉得不用 IDE 的会被淘汰，但 IDE 的效率提升和 AI 的效率提升不是一个级别的"

AI slop 的代价：

  • "盯着 AI 干活更累"——看着是甩手掌柜，实际上要一直兜底
  • "现在组里都得求着同事 review 代码了，毕竟看代码比让 AI 写代码麻烦"
  • "一个学弟说他现在大学第一门课程 C 语言都不想学了，全部给 AI 做了"
  • 有人形容"AI 产一大堆 slop 你又看不懂，头疼"

对未来的判断：

  • "你等着过五年看，还有什么行业不能做"——AI 取代的不仅是程序员，是"整个属于人类的智力工作"
  • 有人提到"现在的 ai 短剧和当初的网文一样，创意好就能带一波流量"，影视行业同样受冲击
  • 有人打趣："儿子：爸爸你们那个年代房地产、互联网、ai 都起飞了，你为什么没富啊"——"因为没进 AI 相关的公司"

专题三：Emacs WASM 浏览器跨平台问题（00:03–00:25）

群友 Neo 让 Emacs 以 WebAssembly 的方式运行在浏览器里，但在 macOS 上的 Brave 浏览器遇到颜色异常和快捷键无法使用的问题。

  • 颜色问题：Brave 渲染 CSS 样式异常，其他浏览器正常；Linux 下 Brave 152.1.94.121 正常，Chrome 也有同样问题
  • 快捷键问题：macOS 上 M-x 按不了，C-x C-f 和 C-x C-e 能按，可以求值；有群友建议按 ESC 替代 M
  • 有人指出 macOS 电脑没有 Alt 键的疑问，有人建议提 GitHub issue 附上截图
  • 还有 crash 的问题："crash 了，这我也发现了。还没修好，周末再看"

🔑 关键概念与技术解析

推理级别（Reasoning Effort）：Hermes 的默认推理级别设为 Medium，但换成 Deepseek 后没有切换，导致 Deepseek 低思考级别能力明显不行；设成 Max 后效果好很多。"力大砖飞还是有道理的"，群友感叹"推理级别的能力差别真的特别大"。

magit-fast-mode：群友自己写的 magit 优化，核心是打开 magit 时不主动 diff 全部更改，避免 Windows 小文件 IO 慢的问题；此外还 hack 了 git 进程调用次数从 50+ 降到 26。

inhibit-message：Emacs 变量，设为 non-nil 时 message 不会在 echo area 显示，只会记录到 *Messages* buffer。有人提问"shell-command 之类的函数会在 minibuffer 输出，有没有办法只输出在 Message"，有群友直接贴了源码分析和解决方案（C-h f message 文档中有说明）。

libgit2 vs git CLI：gitui 基于 libgit2（直接内存操作），lazygit 用 git cli（每操作一次调外部进程）；在垃圾机器上性能差距显著，lazygit 卡时要 5s，gitui 几十毫秒。magit 想换 libgit2 但"难产"。

ACP（Agent Client Protocol）：有人问 agent-shell 恢复会话时能否连以前的对话一起恢复，"ACP 好像没这个接口"，群友表示 session 本来就在服务端保存，emacs 端没有保存的问题可能是操作方式不对。

💎 碎片知识与金句拾遗

  • 「Hermes 自动发消息事件」：有人半夜发现自己 Hermes 自动发了一条消息，"抽风了。这不是我发的，这是我的 Hermes 自动发的，咋回事啊"，之前应该去掉的定时任务又发了一次——"我是真的不敢把 Deepseek 接进 Hermes 了，谁知道它会搞出什么来"

  • Deepseek 同步重复问题：Deepseek 给以往的笔记同一条重复同步了好几次，原因是 Hermes 默认推理级别设了 Medium，每天夜里自动重置 session 后又用回 Medium，低思考级别能力不太行。

  • Emacs 字体回退的坑："default 有的你覆盖不掉，你不能通过设置码点范围去覆盖，只能一个一个字符的去覆盖"。有人指出设置 ASCII 范围（255）可以覆盖 default，但设置码点范围不行，"单独设置一个字符是可以的，这就很奇怪了"。

  • org 表格对齐中文问题：需要用中英 2:1 比例的字体，但"用中英文 2:1 的字体往往英文不好看"，有人推荐 cnfonts + valign（GUI 下），也有人提到 markdown-ts-mode 作者的意思"md 大家都是导出看的"。

  • 「我不写代码，我一辈子都在配置 Emacs」：有 B 站视频被 AI 配音，群友转发时说"这个视频也有人搞 ai 配音了😂"，"看一次笑一次 😂"

  • 实习与补贴：有人系统科普了国内实习补贴政策（就业见习补贴 + 实习基地补贴），"公司招用实习生，政府补贴主要分就业见习补贴和实习基地补贴两类"，不同城市标准差异大（北京昌平 3590 元/月、上海约 2192 元/月等）。有人感叹"有些公司根本就不指望你干活，骗个钱而已"。

  • 「实习生不如 AI」：有人提议"如果只问 AI 的话为什么我不自己问 AI"——"如果一个知识能问 AI 知道，很多人就不愿意学习了，就像有了导航，还有人记地图吗？"

  • 「AI 能证明 NS 方程了，那数学家干的活都是牛马吗」：反问用来反驳"程序员是牛马"论调。

  • 「现在你买个 trae 或者 minimax 等国产的 code plan 一个月可以 100 多 200 多的」：群友提到国产 AI 价格便宜，glm-5.3 flash、k3 等模型水平已经"和国外对齐"了，"k3 就是准 Fable 水平"。

  • 「我都是找 2022 年之前的看了，简直不可想像」：对 AI 短剧泛滥的感慨。

  • 「以前读源代码，现在让 AI 输出 md 然后读 MD」：有人感慨新人连源代码都不读了，"只读 AI 生成的 markdown 摘要"。

  • 「生产代码的速度增加了，个人也能以非常快的速度积累大量代码」：回应"个人没什么用 monorepo 的理由"，AI 让个人代码量暴增。

  • Windows 下 gdb TUI 程序：有人问"要 gdb 一个 tui 程序，有什么好办法？"没有后续深入。

  • Cloudflare Worker 跑 Telegram Bot：有人问"cloudflare 的 worker 免费的能不能跑 tg bot"，答案是"印象中可的"，但"cpu 免费的很低"，"比 io 开销都大"。

  • 「有人提起 jonathan blow，喜欢在 windows 下用 emacs」：群友好奇他的 emacs 配置。

  • 「自己个人配置都有 1w 行 lisp 代码了，我在尽量砍行数，不然自己看不懂」：另一位群友说"用 org mode 来做文档化感觉还是挺不错的，但是仅限于不是特别大的配置，太大了就只能疯狂写注释了"。

  • 「行号是给别人看的」：有群友说"行号也有用"，回应"行号是给别人看的（"，"从来不需要给别人看代码"。

  • 「右下角的也没必要，行号列号可以去掉，图标也可以去掉」：有群友晒出"干净清爽"的配置图，分享极简主义。

  • 「相对行号，分享屏幕的时候别人都不知道怎么描述位置」：有人提到用相对行号的痛点。

  • 招聘/面试话题：有人提到"面试候选人不用 AI 于是把他拒了"的推特小故事，也有人反问"不用 IDE 所以拒了"的还没听过——"用 vim/emacs 一定很牛逼吧"（反讽）。

🛠️ 值得深入研究的点 (Follow-up)

  1. magit-fast-mode（群友 zdn_y 的个人 hack）：解决 magit 打开时自动 diff 全部更改的痛点，并优化了 git 进程调用次数（50+ → 26）。如果能开源并提交 PR 给上游，可能成为 magit 在 Windows 上的救星。"有空了我让 AI 扫一遍"（vritser 说可以提性能优化 PR）。

  2. gitui 的 libgit2 实现：性能远超 lazygit（几十毫秒 vs 5 秒），值得关注其架构设计——"gitui 用的 libgit2，性能差距特别大"。这对 magit 未来的底层替换有参考意义。

  3. Emacs WASM 跨平台问题：Neo 的 Emacs WASM 项目在 macOS Brave/Chrome 上的渲染问题，有人建议提 GitHub issue 附截图——这个 bug 值得追踪。

  4. Emacs 字体回退的坑：设置码点范围无法覆盖 default 字体，但设置单个字符可以——这个现象很反直觉，有群友问了"群友们有解决办法吗"还没得到答案，值得深挖 Emacs 字体 fallback 的实现细节。

  5. agent-shell 的 session 保存问题：ACP 是否支持恢复对话历史，还是需要 emacs 端自己持久化——这可能是 ACP 协议的一个空白。

观点延伸

当天最值得咀嚼的，不是“Magit 到底慢不慢”，也不是“AI 会不会取代程序员”，而是同一个工程问题反复出现：系统的表面体验，往往由那些没人认真计数的隐性成本决定。

1. 性能问题首先是可观测性问题

Magit 在 Windows 上启动缓慢，最初看起来像是“Git 本身慢”或“Windows 的 IO 慢”。但继续追踪后，真正离谱的地方是：一次调用 Git 之前，竟然要重复查找多次可执行文件；而 Magit 启动又会触发几十次外部进程。性能瓶颈并不一定在核心算法，可能藏在路径探测、进程边界、重复初始化这些“看起来不值得优化”的胶水代码里。

这也是为什么个人 hack 能立刻带来 2—3 倍提升：它没有重写 Git，只是减少了不必要的工作。工程判断不能停留在“某平台就是慢”，而要回答三个可验证的问题：慢在启动、扫描还是渲染？一次操作触发了多少次外部调用？每次调用的固定成本占总耗时多少？

Magit、gitui、lazygit 的对比也说明，底层架构选择会决定优化上限。若主要成本来自 call-process，继续微调 Elisp 只是延缓问题；但直接换 libgit2 又会引入兼容性、维护成本和边缘行为差异。真正成熟的性能 PR，应该同时给出调用计数、分阶段耗时和行为回归测试，而不是只报“现在快了一秒”。

2. AI 提效的上限，取决于人能否验证

群里关于 AI 的争论，最有价值的部分不是“实习生不如 AI”，而是“盯着 AI 干活更累”：代码产出变多了，理解和验收却没有同步增加。一个项目从手写逐渐变成依赖 AI 生成，团队可能拥有更多代码，却失去对实现细节的掌控；最后只能依赖少数能读懂、能定位、能回滚的人。

因此，AI 编程的核心能力不是更快地产生代码，而是把需求拆成可检查的约束，把生成结果压缩成可审阅的变更，并保留失败时的定位路径。群里有人强调自己仍会逐行检查、复杂功能迟迟不合并，这并不是“不会用 AI”，而是在维护工程的可逆性。

对新人尤其如此：如果第一天就只读 AI 输出的 Markdown，而不读源代码、文档和错误信息，短期可能获得生产力，长期却没有形成故障模型。导航可以替代记路，但不能替代判断路线是否通向目的地。

可继续研究/实践

做一个小型对照实验：分别记录 Magit、lazygit、gitui 完成同一仓库操作时的进程数、路径查找次数、磁盘访问和用户可感知延迟；同时给 AI 生成的代码建立“生成—审阅—测试—回滚”日志。前者测量工具的真实成本，后者测量 AI 提效后新增的验证成本。只有两边都下降，才算真正提效。

Emacs 轻聊讨论组

🎯 核心热点与专题探讨

专题一：Jev 与 AI 编码新范式

本日讨论最热烈的主题，贯穿全天。Jev 是一个由 typesafe.ai 推出的“决策模型”，与传统的生成式模型不同，它只输出决策和判断，不生成具体内容。群友们在讨论中逐渐拼凑出它的应用图景：

  1. 核心定位：Jev 的 API 调用成本极低（实测 100+ 次调用，花费仍显示为 $0.01），且速度极快。有群友测试了它在同一任务上与宿主模型驱动的对比：手动驱动 ego 需 37.7 秒/5 轮工具调用（含失败重试），而 ego-jev 组合只需 4.2 秒运行器时间/2 次调用。这意味着“LLMs 只是整个体系的一小部分”，一个全新的软件架构范式正在浮现。
  2. 应用场景：群友们发掘出 Jev 最适合做“判定/决策”类任务。例如配合 browser-use 操作浏览器（小模型负责理解，Jev 负责点按钮），或用它做 LLM 判定（判断生成内容的质量/方向）。
  3. 争议与反思：知乎上一片骂声，有人质疑“只输出 JSON 算啥”。但也有群友指出，Jev 的价值不在于生成内容，而在于它是一个“意图理解的教师模型”——这正是某些群友此前用手搓 Qwen 小模型试图实现的功能。一位群友分享了自己过去用 Qwen 3.6 27B 做小说素材分类和适配度打分的工作，与 Jev 的思路高度吻合。

专题二：ZCode 数据上传事件——智谱的信任危机

ZCode 是智谱推出的 AI 编程工具。多位群友发现它在后台静默上传用户整个 workspace 到远端服务器，且无法在本地关闭。一名群友称“我这七个仓库已经被传上去了”，另一位说“外面给的链路全中”。事件发酵后，群友们给出了紧急止损方案（chattr +i 禁止目录权限、逆向接口接其他 harness），并出现了第三方 API 替代方案（zcode-api）。这一事件也被群友用来讽刺“老外真的喜欢国内的便宜大模型”，并感叹“便宜没好货”。

专题三：GPT-6 Pro 碾压算法竞赛——算法工程师“名存实亡”？

一段被转发的长文引发了关于 AI 极限能力的讨论：某国际信息学竞赛命题人用 GPT-6 Pro 系统性测试大量竞赛难题，结果发现 AI 不仅解题，还从根上推翻了人类认为的最优复杂度——例如最长上升子序列从 O(n·p(n)) 干到 O(n² polylog)，用到了 Plancherel 测度和 Painlevé II 微分方程等竞赛选手从未接触过的数学工具；CCPC 总决赛 13 题几乎全部快速通过。群友们对此反应强烈：

  • “太恐怖了”“离谱”“难以想象后面的算法竞赛会变成什么情况”
  • 有人冷静指出：竞赛题可能本身就没有经过顶级团队多年优化，AI 不会偷懒、会尽可能优化，所以进步空间大。
  • 也有人提出反向观点：“AI 尤其是 GPT 搞算法很强，但搞工程未必”——因为 OpenAI 底层用的是数学语言逻辑训练，而 Transformer 本身很简单，两者未必有因果关系。最终结论是“可解释性毫无进展，实际 work 被暴力碾压，两头被堵”。

🔑 关键概念与技术解析

  1. Jev：由 typesafe.ai 推出的 AI 决策模型。与生成式 LLM 不同，它只输出决策（如 JSON 格式的判断结果），API 调用成本极低。适合用于意图理解、内容判定、工具调度等场景，可与 browser-use、computer-use 等框架组合使用，大幅降低延迟和 token 消耗。

  2. ZCode：智谱推出的 AI 编程工具。事件表明它会将用户本地 workspace 静默上传至远端，无法在本地关闭，引发严重信任问题。

  3. Neomacs：群友 eval-exec 开发的项目——用 Rust 重写 Emacs，支持 GPU 加速、Elisp 兼容，在 Linux 下“像闪电一样快”，但在 macOS 下响应迟缓。其光标动画源自 Neovide，还引发了 Neovide 作者在 GitHub Discussion 上的互动。

  4. Easytier：开源的内网穿透/P2P 组网工具。群友用它成功在 2000km 距离下打通隧道（P2P 打洞成功），配合国内公网 IP 的 VPS 中转，延迟可接受。

  5. 无头骑士：指屏幕损坏但其余功能正常的 MacBook Pro，在闲鱼上有专门产业链，拆掉坏屏后作为“只有键盘没有显示器”的设备低价出售，适合做串流/服务器用途。

  6. Multiseat：Linux 下支持多人同时使用同一台主机的配置（Sway 支持）。群友认为它未来会越来越普遍，尤其与 computer-use、串流协作、XR runtime 多人头显等场景密切相关。

  7. 全量/增量：群友吐槽 AI 生成文本中“全量”一词泛滥——“所有/全部/统统”等正常中文被替换成了这种别扭说法，“都是 AI 出来之后，由 AI 首先用的”。

💎 碎片知识与金句拾遗

  • “sol 是我能接受的底线了，再低的模型我就觉得不放心”——对本地小模型质量的心理阈值。
  • “现在写代码还是 luna max，astra 写出来的代码也是一坨”——AI 编程工具的迭代速度之快，让人有“三月不到东莞，日月已换新天”的感慨。
  • “我发现 codex TUI 越来越垃圾，是不是注意力都到 desktop 那边去了”——开源项目资源倾斜的典型现象。
  • “这年头 localllm 越来越有性价比了”——配合 Jev 做“决策+执行”分工，小模型也能干大事。
  • “要是买一个无头骑士，那我就没办法带出门用。要是买一个 macmini，就只能在家里。要是买一个 MacBook，就特别贵”——选购硬件的经典“不可能三角”。
  • “我目前这个 dell xps 15，是我非常喜欢的外形，4k 的 15 寸全面触摸屏，128GB 内存，8TB nvme 固态硬盘。非常喜欢，应该不会再喜欢上别的电脑了。”——对设备的深情告白。
  • “要是有 10 万个人，每个人都能赠送给我一块钱就好了”——开源开发者的辛酸。
  • “我觉得可以问问亲朋好友有没有退休的设备”——低成本获取开发设备的实用建议。
  • “给钱可以当（法人），不给钱那不是纯挡灾的吗”——关于法人风险的精准吐槽。
  • “个人开发者上线 app 都要花钱吗？……万恶的资本家”——开发者对平台抽成制度的不满。
  • “不设个门槛，诈骗 app、钓鱼 app 要满天飞了，不过也有别的方式设置门槛，掏钱是收益和效率都很高的一种门槛”——对平台收费制度的理性辩护。
  • “melpa 的审核这么慢的么？……每周日凌晨审核，新包要超过一个月好像”——开源社区治理节奏的真实写照。
  • “全球访问 neomacs.org 最频繁的国家竟然是西班牙，甚至不是中国”——小众开源项目的用户画像往往出人意料。
  • “这年头，应该很少人愿意当法人了，老实人已经肉眼可见的少了，都被骗多了”——社会信任成本上升的观察。
  • “我发现 sway 有 multiseat 配置”——Linux 窗口管理器冷门但强大的能力。
  • “同一个 ego 任务空间……宿主模型手动驱动 37.7 秒/5 轮工具调用 vs ego-jev 4.2 秒/2 次调用”——硬核实测数据的价值。
  • “我觉得 AI 尤其是 GPT 搞算法这一块是很强的……但是搞工程这一块就未必了”——AI 能力边界的重要洞察。
  • “AI 会偷懒的，没有思路搜不到现成的方案，就直接放弃”——对 AI 局限性的清醒认识。
  • “一位群友提到自己用 video.el 放大 Telegram 里的图片文字才能看清”——小众 Emacs 插件解决日常痛点。
  • “Grok 的故事被复刻了一遍”——指某种商业模式或技术路径在另一家公司重演。
  • “苹果的产品不长期用性价比太坑了”——从“租 5 台 MacBook 用 Claude”的经历得出的结论。
  • “抽成才是真正体现他们资本家的地方”——对平台商业模式本质的批判。

🛠️ 值得深入研究的点 (Follow-up)

  1. Jev 结合本地小模型的“决策+执行”架构：群友已开发出 jev-ultrafast（browser-use 的 Jev 加速版），核心思路是小模型负责理解文字，Jev 负责点击操作。这种分工方式有望彻底改变 browser-use/computer-use 的延迟和成本问题，值得跟进其技术细节和开源实现。

  2. Easytier 组网方案的实战验证：群友 yibiechen 与 eval-exec 已成功在 2000km 距离下打洞成功并完成 SSH 隧道对接。这个方案对于异地开发协作、远程设备管理有很高的实用价值，尤其是“无头骑士”这类设备的远程串流场景。

  3. Neomacs 项目的生态进展：Rust 重写 Emacs 的项目正在持续发展，已获得 Neovide 作者的关注与互动。它代表了“用现代语言重构经典工具”的趋势，其 GPU 加速、性能优化、跨平台适配（尤其是 macOS 下性能问题）值得长期跟踪。

  4. 基于 wayland compositor 的串流方案：群友正在自研 compositor，打算将串流功能集成进去，同时解决按键处理（如 super 键无法穿透）、多屏切换等问题。这可能是未来“串流+协作+多座位”一体化的方向，目前尚无成熟开源方案，属于前沿探索。

观点延伸

当天最值得咀嚼的判断是：AI 软件的竞争重点，正在从“谁能生成更多内容”转向“谁能把决策、执行和验证拆得更合理”。Jev 引发的争论之所以有张力，不是因为“只输出 JSON”本身多新，而是它把模型从全能代理降格成一个窄而快的控制器：小模型负责理解文字，Jev 负责判断动作，浏览器或本地程序负责执行。群里的实测已经给出工程信号：同一任务从 37.7 秒、5 轮调用降到 4.2 秒、2 次调用。这里真正可复制的不是某个模型，而是职责拆分。

  1. 低成本决策模型的价值，取决于它是否能被约束和验收。群里有人把 Jev 用于 LLM 判定，也有人联想到此前用 Qwen 做分类、清洗和适配度打分的实践；但后者已经暴露出“适配度高，却不等于接近目标效果”的问题。决策模型可以提高吞吐，却不能自动定义“什么才是好结果”。因此，工程上必须把输出转化为可回放的标签、评分、理由或拒绝条件，并用一组固定样本持续测量，否则只是把模糊判断更快地批量化。

  2. 这也解释了为什么“AI 算算法很强，搞工程未必”并不矛盾。算法题通常目标清楚、输入输出明确、验证器强，模型可以持续搜索并优化；真实工程则充满隐含约束、历史包袱、权限边界和维护责任。AI 能否工作的关键，不只是推理能力，而是任务有没有被切成可验证的闭环。Jev 加速 browser-use 的前提，正是按钮点击、页面状态和失败重试都能被工具明确反馈。

  3. ZCode 事件则从另一面说明：能力越强，边界越不能含糊。一个工具即使便宜、好用、能调用优秀模型，只要静默上传 workspace 且本地无法关闭，工程价值就会被信任成本抵消。AI 编程工具的最低合格线不应只是模型质量，还应包括数据流可见、默认最小权限、离线禁用和可审计日志。否则“省下的 token”可能换来不可逆的代码泄露。

可继续研究的方向，是做一个本地可回放的“决策—执行—验证”基准：选取浏览器操作、代码修改和知识库分类三类任务，分别比较全能代理、Jev 加小模型、纯本地模型的延迟、成本、成功率、误操作率与可解释性。只有把这些指标放在同一张表里，才能判断所谓新架构究竟是范式变化，还是一次漂亮的接口拼装。