代码写得更多，却未必交付得更多。企业工作论文发现，Agent 采用后 PR 数量上升，合并等待也变长；Vapi 的另一份实践却报告，能跑复现的审查机器人让合并更快。为什么会出现不同方向？本期编辑观察先把队列等待、人实际检查和最终返工拆开，再读企业流程研究、Vapi 审查实验与 SWE-TaskFlow，看看各自到底测到了哪一步。
另一个问题在上下文里：把工具输出缩短，省下的是输入字节，还是整段任务的费用？Context Mode 已有比压缩比例更进一步的测量，也有具体检索遗漏。我们补查当前文档和旧批评，保留新的正面证据，同时追问信息外置后能否找回关键约束。MetaKernelBench 的经验迁移试验则提醒，存下来的建议也可能让下一次尝试退步。今天值得带走的是这些可以分别验证的问题，而不是一条统一的提效结论。
当日材料
- 代码多了三成，交付为何没有同比增加？
- Vapi：让审查机器人证明问题，也把误报算进成本
- SWE-TaskFlow：同一个补丁，换成交互流程就可能更贵
- Context Mode：压缩比例、任务费用与检索遗漏要分开看
- Muse Wonder：模型进步，要连同推理强度和执行器一起比较
- Anthropic：小模型能搭起推理，完整自主复制仍有缺口
- Huahai 回应 Rich Hickey：使用 AI 时，人是否还在作判断？
- MetaKernelBench：存下来的经验，也可能让下次优化退步
- HANS_DEV 的客服检索经验：先确认知识库该管什么