vibe-coding worklog

阶段: B8 · 真 API + 流式 + Docker（Day 71-80） 标签: #build-in-public #worklog #aisa-portfolio #honest-metrics

今日导引（由浅入深）

B1→B18 这条曲线的产出，不只是代码和数字，还要变成可链接、可被招聘方核验的资产——这正是 AISA（AI Solutions Architect）作品集的命门。

前几天（Day 71-78）攒下了一批真实工程数字：A/B 结果、cost/run、镜像体积、待补的 TTFT。 今天把它们写成一篇公开英文 worklog，用数字讲工程决策，而非营销话术。

这是「过程可见性」资产：招聘 manager 看的是「你怎么做决定、有没有量、诚不诚实」，而不是漂亮形容词。 今天的「最小可判定产出」是公开 worklog 首篇的可链接 URL（建仓 / 发文外部动作）+ 其中嵌入的真实数字表。

1. 机理精读

公开 worklog 是 AISA 作品集的「过程可见性」资产。 评审强制项是「可链接资产 + eval 数字 + 单位成本」，不是笔记数量。 一篇好 worklog 满足三条：

• 用真实数字（TTFT、x/29 通过率、cost/run）讲清一个工程决策；
• 带日期（时效可核，agent 领域半衰期 ~6 个月）；
• 引可链接 artifact（commit、报告 JSON、镜像、部署 URL）。

它把「我会架构」从口头声明变成可点开核验的证据链——这是 AISA 投递与普通简历的分水岭。

为什么是英文 + build-in-public？ AISA 投递面向的是国际化的工程组织，英文写作是默认通道； build-in-public 让招聘方在面试前就能读到你的真实工作节奏与判断质量，等于把作品集前置到筛选环节。

关键纪律是诚实——把「待跑(需 key)」「待建」如实标注，而不是把半成品吹成已完成。 诚信本身就是 AISA 信号：架构师的价值在于可信的判断，注水的 worklog 直接证伪这一点。 一个能坦白「这列 TTFT 还没跑」的人，比一个把占位数字写死的人更可信。

「vibe-coding」不等于无纪律乱写。 它指 Claude Code Daily OS（2026-04）那套人机协作的工程节奏——快速迭代、即时验证、把决策与数字沉淀成可追溯记录。 worklog 是这套节奏的外化产物，纪律恰恰更严：每条主张都要能落到一个 artifact 或一个数字上。

与相邻概念的边界。

• worklog ≠ 营销博客（后者卖叙事，前者卖证据）；
• ≠ 内部 commit message（后者面向自己 / 团队，前者面向外部招聘方，需自洽可读）；
• ≠ 长文 / papers（papers 是收口的深度综述，worklog 是过程流水，二者互补——本仓 /papers 下可放英文条目）。

2. 推导 / 手算 / 代码走读

本日为「外部发布动作」，非本仓 src 代码走读， 但要走读可嵌入 worklog 的真实数字来源，确保引的每个数都能溯源到一个文件：

1. A/B 数字来自 scripts/ab-compare.ts → agent-evals/ab.json： V4-Pro 89.7% vs V4-Flash 79.3%、Δ+10.3pp、CI[0,20.7]、3W/0L/26T、N=29。 worklog 里引「Δ … [95% CI …]」时直接用脚本打印的 QUOTABLE 行，措辞不走样。
2. cost/run： V4-Flash $0.0139/run（同模型成本参照），与 completion 79.3% 配成「这个能力档位花多少钱」的单位经济。
3. TTFT（ms）： 源自流式接入 + src/agent/eval/stats.ts 的 summarizeLatency（p50/p95/p99）—— 这一列是 待跑(需 key)，worklog 里必须以占位 / 待补标注，不能编一个数填上。
4. 显著性措辞： 照搬 scripts/ab-compare.ts 第 41 行的判定语义—— CI 跨 0 即 not significant，worklog 写「not-sig@N=29」，不夸大成「显著优于」。

走读结论：可立即写入的真实数字（A/B + 成本）都能溯源到具体文件；TTFT 唯一待补，标注清楚即可。 worklog 的可信度恰恰建立在「每个数都指得出来源」上——读者点开 agent-evals/ab.json 就能复核 79.3% 这个数。

一个实用的自检：写每一句带数字的话之前，问自己「这个数指向哪个文件 / 哪个 commit」。

• 答得出 → 写进 worklog，并把 artifact 链接挂上。
• 答不出 → 要么去把它跑出来，要么标成「待补」，绝不凭印象填一个。

这条自检把「过程可见性」从口号落成可操作的纪律：worklog 里不存在「来源不明的数字」。 对 AISA 投递而言，一篇 5 个数全都点得开来源的 worklog，胜过十篇华丽但不可核验的博客。

3. 今日实战

1. 建公开英文 worklog 仓库（或在本仓 /papers 下新增英文条目），定好带日期的条目格式。
2. 写第 1 篇，纳入本 block 真实数字表：
   • V4-Flash 79.3% / V4-Pro 89.7%（completion, judge=pass, N=29）
   • Δ +10.3pp，95% CI [0, 20.7]，not-sig@N=29
   • cost $0.0139/run（V4-Flash）
   • TTFT (ms)：待补（需 key 跑后填入）
3. 每条主张挂一个可链接 artifact（ab.json / 报告 / Dockerfile / commit）。
4. 用 build-in-public 口吻写「为什么选 V4-Flash 而非 V4-Pro」——把 +10.3pp 不显著 + 成本差讲成一个真实的工程取舍。
5. 发布，记录首篇 URL 进作品集索引。

4. 今日实测 / 产出

• 外部动作——公开 worklog 首篇链接为外部发布动作（建仓 + 发文）。
• 可立即写入的真实数字已具备（上述 A/B 与成本）；TTFT 为 待跑(需 key 跑) 后补入。
• 诚实标注：本笔记不替 worklog 写死 TTFT，也不把「首篇已发布」当成已完成事实——发布是待执行的外部动作。

5. 常见误区 / 陷阱

1. 无数字的空泛叙事： 评审强制要可链接资产 + eval 数字，纯形容词的 worklog 等于零信号。
2. 把待跑 / 待建吹成已完成： 诚信底线一旦破，整份作品集可信度归零。TTFT 待补就写待补。
3. 数字与来源脱钩： 引一个 79.3% 却指不出哪个报告文件，核验者无法复现，等同没引。
4. 只发不维护日期： agent 领域半衰期 ~6 个月，无日期的 worklog 很快被当过时，时效标注是硬要求。

6. 学习资源（每条带 YYYY-MM）

• Claude Code 2026 Daily OS 工作流 / vibe-coding 节奏（Anthropic, 2026-04）——本日机理来源。
• Anthropic「Demystifying evals」（Anthropic, 2026-01）——eval 数字作为可核验信号。
• build-in-public 实践综述（行业惯例，2025-2026 持续）——公开 worklog 对求职投递的有效性。
• 本仓 artifact：scripts/ab-compare.ts、agent-evals/ab.json、src/agent/eval/stats.ts（2026-06，AICAP-180）。

SOTA检查 (2026-06 更新)

• Claude Code Daily OS（2026-04）工作流仍当前；公开 worklog / build-in-public 对 AISA 投递有效。
• 过时黑名单：无数字的空泛叙事（评审强制可链接资产 + eval 数字）；把半成品吹成已完成；数字不溯源。
• 下次复查点：TTFT 跑出后回填 worklog；首篇发布后将 URL 纳入作品集索引并定期复核时效（半衰期 ~6 个月）。

衔接

• 昨天：Day 78 — 镜像瘦身 <300MB（攒下镜像体积这一项可量化产出）
• 今天：把 A/B、cost/run、待补 TTFT 写成公开英文 worklog 首篇——AISA 作品集的过程可见性资产
• 明天：Day 80 — 端到端固化（容器内重跑 29 任务回归，给整个 B8 收口）