[鸭哥 AI 手记] 2026-07-23: 72小时造热词，4小时跑实验：分辨AI虚与实

懒人包：Peter Steinheimer 12 个单词的推文在 72 小时内变成了全网热词。从概念包装的 Graph Engineering，到 Cursor 用 Swarm Harness 跑完 SQLite 实验，再到汽车与 CMOS 的工业史，这三篇文章指出了 AI 从叙事幻觉走向工程落地的临界点，今天最该关注 Graph Engineering 的虚实之争。

一条 12 个单词的推文怎么变成全网热词

鸭哥在 为什么你必须立刻开始学习 Graph Engineering？ 中指出，7 月 17 日，曾加入 OpenAI 专注 Agent 技术的 PSPDFKit 创始人 Peter Steinheimer 在 X 上发了一句 12 个单词的调侃（Pragmatic Engineer）。他没有给任何定义，没有写一行代码。72 小时后，这句话变成了全网热词 Graph Engineering。控制流派忙着用它包装 DAG，平台商用它宣传校验，自媒体则借此兜售虚拟公司概念。甚至 Eigent AI 借势给桌面平台打标签，LangGraph 也急于证明其 2024 年推出的 StateGraph 原语是正确的（LangChain Blog）。但实际上，用图组织代码逻辑的技术创新为零，早在 2014 年 Apache Airflow 就已使用这种拓扑。

这股热度在两周内快速退烧（Turing Post），背后的数据揭示了多 Agent 的高昂代价。MAST 论文分析了 1,642 条轨迹，指出多 Agent 协调失败率高达 41-86.7%（arXiv）。Anthropic 的报告也显示多 Agent 会消耗 15 倍 token（Anthropic）。相反，Rethinking 论文表明，单 Agent 运行相同拓扑不仅效果相当，成本还低得多（arXiv）。

比起在概念里打转，同一周里有人直接用受控实验来探底。

---

Cursor 花了 4 小时，然后公开承认它不够用

鸭哥在 Cursor 重写 SQLite：一次把 Harness Engineering 三个维度同时往前推的理想实验 中，拆解了 Wilson Lin 发布的 Cursor 实验（Cursor Blog）。他们做了一个受控实验：让 Agent 用 835 页 SQLite 手册从零写一个数据库引擎，并通过 SQLite 作者 D. Richard Hipp 开发的 sqllogictest 验证逻辑正确性（SQLite）。新设计的 Swarm Harness 搭配 Grok 4.5，在 4 小时内就达到了 80% 的通过率，并最终在所有配置下实现 100% 通过。相比之下，旧版 Swarm 在第 2 小时前就因代码冲突失控，Cursor 团队暂停了它的运行。

这次实验把代码冲突从旧版浏览器实验的 70,000 多次降到了新实验中的 1,000 次以内。成本对比同样悬殊：单独跑 GPT-5.5 消耗了 10,565 美元，而用 Opus 4.8 作为 planner、Composer 2.5 作为 worker 的混合方案只花了 1,339 美元，其中 worker 舰队只占 411 美元。但我们不能直接把这个数字外推为通用的 15 倍省钱方案。

他们把代码开源在 cursor/minisqlite 仓库里（GitHub）。虽然包含了 20 万行 Rust、14 个 crate 和 5,650 个测试，目前拿到了约 90 个 star 并处于静态归档状态。但它没有 CLI、没有 C API、没有 prepared statement，甚至没有跨进程文件锁。Hacker News 上的讨论赞赏其 Harness 工程，但也指出它缺失工程接口（Hacker News），证明 minisqlite 离生产可用还差得很远。

Cursor 的受控实验指出了 Swarm 在特定任务下的性价比，但一项技术能否真正跨过临界点成为行业标配，往往不单由 benchmark 决定。

---

技术在 benchmark 之外的真实账本

鸭哥在 涡轮和电车如何跨过临界点：AI 竞争也不只看技术 中，用工业史做了一个类比。欧洲的 EC 443/2009 排放法规规定，超标排放的罚金等于超标克数乘以 95 欧元，再乘以注册车辆总数（EUR-Lex）。这笔罚金强行改写了汽车厂商的成本账本，催生了涡轮增压技术的普及。而如今，混合动力又让自然吸气发动机回归，因为电机接管了起步加速，Toyota 2.5L 混动发动机热效率做到了 41%（Toyota）。类似地，手机拍照的兴起给 CMOS 带来了大市场，Sony 等厂商随后补齐了它比肩 CCD 的画质短板。根据 NBER 论文估算，电池的 learning-by-doing 效应让累计经验每翻倍，单位成本就下降约 7.5%（NBER）。到了 2025 年，中国 NEV 份额也已达到 54%（China Daily）。

这套逻辑正在进入 AI 行业。合规政策将像当年的排放法规一样改写供应商的成本结构。例如，欧盟 AI Act 的核心条款将在 2026 年 8 月 2 日全面生效，要求企业采购时嵌入数据驻留与可审计条款（Market Dojo）。高风险 AI 供应商的前期合规投入高达 20 至 60 万欧元，每年维护还需要 8 至 15 万欧元（Ovidiu Suciu）。决定 AI 能否落地的，正是这些隐蔽在 benchmark 之外的合规与商业账本。

---

也值得知道

Amazon Q 曝出 MCP 高危漏洞：Wiz 披露 VS Code 中的 Amazon Q 插件存在 CVE-2026-12957 漏洞，攻击者可能在 AI Coding Agent 调用本地 MCP 工具时诱导其执行恶意代码并泄露云凭证（Wiz）。

Alphabet AI 资本支出调高至 2000 亿美元：谷歌母公司将 2026 年 AI 相关资本支出指引调高至约 2000 亿美元，单季度达到 450 亿美元，引发了市场对算力回报率的争论（Yahoo Finance）。

Qwen 3.8 tMax 与 Kimi K3 引发开源安全讨论：阿里和月之暗面分别推出高性能开放权重模型，其 benchmark 表现促使美欧政策制定者重新审视开源模型的安全评估边界（HPCwire）。

---

本期由 AI 基于鸭哥已发布文章和公开资料整理生成，请注意甄别幻觉。

订阅本 newsletter：daily.yage.ai