码农早餐 · 2026-09-29

在提示词里加一句「不要猜」，同一批模型、同一个任务，编造的说法就从 71% 掉到 20%。我信这个方向：很多所谓的幻觉，其实是我们没要求它闭嘴，约束给到位，模型才肯把不知道的留白。

一句「不要猜」，编造率从 71% 掉到 20%

有人在 benchmark 上试了一招：在提示词里加一句「不要猜」，模型编造的说法从 71% 降到 20%。同一批模型，同一个任务，只改了这句话。另一边，Anthropic 的 Opus 5.5 提示词文档也在讲同一件事——输出 token 比 Opus 5 快 30% 以上，但行为差异得靠 prompt 和 harness 去校准，比如让它标出用户粘贴的文本、给无人值守的 agent 补进度信号。模型的上限由数据决定，不由宣传决定；一句约束能砍掉一半以上的胡编，说明很多「幻觉」其实是没被要求闭嘴。

来源：

• Calling the AI bluff: Adding "Do not guess" cut made-up claims from 71% to 20%
• Prompting Claude Opus 5.5

Go 的 import 路径绑死在 GitHub：换一次托管要动多少代码

Go 有个挺讨喜的设计：import 路径本身就是代码的下载地址。你写 import "github.com/thetrueares/boneclone"，go 工具链就知道去 GitHub 拉。好处是找 bug 报告地址、分发库都不需要中心化的包管理，坏处是——你的代码从此和托管商绑死了。

作者 Iain Cambridge 把这个代价说得很直白：哪天你想从 GitHub 搬到 GitLab，就得改代码，否则拉到的还是旧版本。迁移的活儿一多，人就干脆不搬了。他见过一家公司同时用着 GitLab、GitHub 和 Azure DevOps 三套托管，原因不是技术上需要，而是改代码位置这件事工作量太大、又「没时间」，于是宁可多付两份托管费。这已经不是审美问题，是账单问题。

解法是给自己的包配一个自定义域名，比如 go.iain.rocks、go.uber.org、go.mongodb.org 这类。域名指向哪，用户不用管——go.iain.rocks/boneclone 现在指向 GitHub 上的仓库，哪天换到 GitLab，安装命令一个字都不用变。落地靠两样东西：一段 Nginx 配置，判断请求里有没有 go-get=1 这个 query 参数，有就交给 Go 工具链读 HTML，没有就把真人访客 301 跳到 GitHub；再加一个 index.html，用 go-import 和 go-source 两个 meta 标签声明「这个域名对应的仓库在哪、源码浏览链接怎么拼」。作者把自己的配置原样贴了出来，照着改域名就能用。

他的结论是：每个用 Go 做商业开发的团队，内部库和包都应该走自定义域名。这话我同意，而且不用往大了想——你现在不迁，不代表以后不迁，而这件事的成本是随引用它的地方变多而上涨的。域名先占住，主动权就在自己手里。

来源：

• hackernews · birdculture

Sonnet 5.5 发布：Terminal-Bench 从 10.3% 跳到 70.6%

Anthropic 放出了 Claude 5.5 家族的第二款模型 Sonnet 5.5。官方口径是「比 Sonnet 5 快 30% 以上、大多数任务成本低最多 30%」。但真正扎眼的数字不在宣传语里，而在评测表上：Terminal-Bench 4.0 这个 agentic coding 评测，Sonnet 5 只有 10.3%，Sonnet 5.5 直接干到 70.6%。同一代模型内部的差距拉到近七倍，这不像是「清晰升级」，更像是把上一版没做完的活补上了。

价格没动，输入每百万 token 2 美元、输出 10 美元、缓存读取 0.20 美元，跟 Sonnet 5 一样。所谓「成本降 30%」不是降价，是同一件事用的 token 变少了——官方原话是「typically needs far fewer tokens」,测试里每个任务最多省 30%。这个区别值得记住：账单是按 token 结的，单价没变，省下来的钱取决于你的任务到底能省多少 token，不是所有活都打七折。Slack 那边的反馈是输出 token 少了约 14%,可以当个参考锚点。另外它和 Opus 5.5 的定位分得很开：Sonnet 5.5 强在边界清楚的日常活、修 bug、做文档和表格，Opus 5.5 仍然在需要持续判断的开放式任务上明显更强。官方自己也在下面写了「benchmark 只反映能力的一个切面」。

有两处细节比跑分更该看。一是默认 effort 档位：Claude Code 和 App 里默认 Medium，Platform 默认 High。官方图表里，Sonnet 5.5 在 Low 或 Medium 档就能超过 Sonnet 5 的最好成绩，而每个任务的成本不到后者的十分之一——也就是说，你什么都不改，可能已经在省钱，但如果你手动把档位拉满，省下来的那部分会还回去一部分。二是安全侧：这是第一个带着 cyber safeguards 上线的 Sonnet 模型，理由是它的网络安全能力和 Opus 5 相当。官方说这类防护只针对一小撮高风险请求，日常开发和大部分生命科学工作不受影响——信不信先放一边，如果你的 pipeline 里有安全相关的自动化任务，值得先跑一遍看看有没有被拦。Haiku 5.5 官方说几周内加入，做高并发、成本敏感场景的可以先等等再选型。

来源：

• twitter · @claudeai
• twitter · @AnthropicAI
• hackernews · D2OQZG8l5BI1S06

Imp：把 DSPy 搬到 BEAM 上，Agent 变成一个进程

DSPy 那套「把每次模型调用写成有类型、可测量的函数」的做法，现在有了 Elixir 版本。Imp 是全量移植：signature、module、optimizer、agent loop、retrieval 都在，跑在 OTP 上。差别在于 Agent 的形态——在 BEAM 里它就是一个进程，自己持有状态、收消息、挂在 supervisor 下，跟你的应用一起被监管。写代码的方式也变了：不写 prompt、不写 parser，用 Imp.signature 声明输入输出，kind 这类字段要么是枚举里的值，要么直接报错。优化环节给了 GEPA、MIPROv2、SIMBA 等几条路，GEPA 会读失败样本重写指令，max_metric_calls: 300 就是它的预算上限，改完的程序能存成 JSON、当 diff 审。要不要上手，先看两件事：你的技术栈是不是本来就在 BEAM 上，以及你愿不愿意为「可测量」多写一层声明——移植版的价值不在功能对齐，在于并发和容错是白拿的。

来源：

• deepfates/imp - GitHub

全员问 Claude：代码能跑，没人知道为什么

一篇 871 字的短文引了一段大厂工程师的自述：入职半个月，spec、代码、测试、PRD、ticket、报告全由 Claude Code 生成，从 L1 到 L7 干的是同一件事——跟 Claude 说话，每天干 12 到 13 小时只为按回车。作者说真正的问题不是 AI 写的代码，而是没人再知道系统架构和当初为什么这么选。数据工程被单独拎出来当反例：那批人从第一天就被迫搞懂业务，AI 只是帮他们省了摩擦。我认同这个区分，但更在意后半句——省掉的摩擦里，有一部分本来就是理解本身。你可以让 AI 写，但架构决策和意图得有人能讲出来，否则下一个改动就是盲改。

来源：

• The Problem is not the AI Code, but Nobody Knows Anything Anymore

---

你手头那些让模型自己填的活，敢不敢加一句「不知道就说不知道」再跑一遍？敢，还是先看看效果再说。明早 8 点见。

本期从过去 24h 的 X / Hacker News / GitHub Trending 共 72 条信息中挑出 5 条（全天逐小时采写、经事实校对后于晨间选编）。内容由 LLM 辅助生成，每条均附原始来源链接，重要决策请交叉验证。