翻到一个 AI 编程的出错提示

Could not find oldString in the file. It must match exactly, including whitespace, indentation, and line endings

我突然发现 agent coding 浪费 token 有很大一部分，可能不是问题输入的思考，和输出

而是在什么位置输出。想了下，人写代码，也是考虑好，再寻找一个合适的位置，开始插入或者修改

找位置 - 插入 - 修改 这个操作要完全用文本语言描述，的确不简单啊。甚至可以说超级复杂。

问了下AI，这个叫 locate cost 。定位成本

要做好这一点，Banthropic 他们的做法是 bash，grep。玩得花的是 SAT，diff，patch 什么的

进一步推论，AI 新写代码容易，改代码难？AI 也确认了我这一点

我突然回忆起cursor那个界面刷刷刷把我2w+行的源码全部刷新一遍，卧槽，原来这么回事

于是我有个理论，AI编程似乎把源码拆得更小，或许更省token，AI不仅改起来更容易，也更容易一眼看出问题

无论你拆多少个文件，AI上下文里都是连续的。

我甚至联想到，机械臂目前搞什么 世界模型 VLA 具身智能 依然打不过人类，遇到训练之外的任务就抓瞎，是不是底层一样的道理？

比如叠衣服，当前是衣服乱的，叠好是个理想状态。人脑可以很快给这两个世界做个 diff，但是这个 locate cost 很高。按照编程的套路，机器人最简单的做法应该是把房子拆掉，家具拆掉，然后重新修一套房子，般进来家具，然后在指定的位置重新按照最佳形状现场纺织一套衣服 🤣

马斯克几千亿买 cursor ，如果能拿到眼球和编辑光标的超原始动作数据，那是真赚了。（如果你还不知道可以搜下）

LLM代码写得好，是因为它背诵了很多优秀代码的“纹理”，而不是 “形状”。纹理见识得多，能对付90%的工作了。人写代码绝大部分也是枯燥的低技术活儿。讽刺的是，是人类写低技术活儿容易翻车。。。比如没考虑周到，复制粘贴错了，等等。。。AI表现虽然平庸但是基本不会犯愚蠢的错。

说起 “纹理” vs “结构”，和这个 “状态迁移” 。我我思绪有点乱，突然有个顿悟，所谓“形状” 就是边界，所谓边界就是两个不同状态实体的迁移界面。diff最 sharp 的边缘。比如人画画总是画“轮廓”，因为轮廓是 diff 出来和背景最突出，最不同的起始边界。

没想到AI给我抬出来个 亚里士多德 hylomorphism（质形论）好家伙。

例如，一个铜像：
质料：铜。
形式：雕像的形状、组织方式、使它成为「某个人的雕像」的那个原则。

换成房子：
木头、砖块——质料。
房屋的结构、布局、功能——形式。
没有质料，形式无处实现；没有形式，质料只是一堆材料。

我是猜不透AI是哪根弦搭错了，把 纹理/结构，映射到 质料（Matter）与形式（Form/Morph） 上了。

不过好有道理啊！！

AI学编程，靠的是海量语料（Matter），看穿了内在联系 ， 说的难听就是背出熟练度了，信手拈来。

人类是自下而上，从最小集“生长” morph 出来的。

我觉得这个区别，很深刻啊。虽然产出表现形式可能很接近，但是我真的觉得有很大讲究。。。

接受过正统编程教育的人学习到的是个 生成空间，进行防御式编程；我感觉AI很多时候只是 max effort从前人经验里学习到了个皮毛。。。

机械臂一样的道理。。。我好像发现了点东西。。。？？？！！！

AI 不能很容易在两个状态之间求 diff 是因为AI无法找到两个 morph 之间共同的父节点。人类是从一个原始状态派生出来的，所以有回程捷径可以走

比如经验丰富的程序员可以很快把一个快排改成冒泡。我，和大部分AI 可能都是删掉重写。。。。

写代码也是如此，搬杯子，叠衣服也是如此。

一下让我联想到 图灵 祖师爷《胚胎发育的化学基础》（The Chemical Basis of Morphogenesis）。

这篇论文研究的正是形态发生（Morphogenesis）——即大自然如何自下而上地从一团完全对称、一模一样的受精卵细胞中，自主分裂、分化、生长出复杂的结构，并最终在斑马身上画出条纹，在豹子身上点出斑点。

这个亚里士多德的思考框架真厉害啊。通透

其实不说哲学这么烧脑的，说大白话，就是AI如果没学过的某个代码结构，可能是真写不出。

但是人类如果琢磨明白，是可能写出来的。

生成路径不一样。

AI 能写出来必然是大量 RL

换到机械臂，比如一个复杂的移动操作，AI如果没学过，没练过，大概率翻车。

人类试几下就明白了。。一样的道理