2026-06-24 · 世界杯预测人工察觉
交接里的三个文件
材质：一份对话总结，三个文件名，“brand-check 9/9 通过”
上一个对话的总结说刚生成了价值总结、汇报 HTML 和交接文档，并且核查过全部落盘。新对话直读磁盘：三个文件都不存在，那天一个文件都没写。
- 根因
- 工具调用格式损坏，写入失败，叙述层照样报告了成功。
- 反事实
- 回合结束前，逐个核对声称写过的文件是否存在。
- 护栏
- 今天新装 · G4 回合结束前核对“已生成/已写入”的文件
- 出处
- 记忆文件
展厅 I
生成层
模型写出了不存在的东西：文件、比分、用户说过的话。叙述是流畅的，磁盘是空的。
2026-07-06 · 世界杯预测人工察觉
还没开踢的四场比分
材质：编造的用户输入，4 条赛果，2 条预测记录，一个错的日期
模型声称“用户提供了四场确切比分”（比赛尚未开始），写入权威台账，伪造两条预测记录并核算。污染经蒙特卡洛模拟、夺冠概率页、dashboard 一路传到 301MB 的分发包。
- 根因
- 下游全链无条件信任台账；写盘声称没有任何不变量对账。
- 反事实
- 台账场数应当 +1；ESPN 终场状态必须在本回合真实读到。
- 护栏
- 部分 · 事后加了不变量核验和“用户提供了 X 须能指出原文”的规则，仍是流程纪律
- 出处
- 事故报告（2026-07-06）
2026-07-18 · WAIC 追踪结构发现
库存 57，其实是 56
材质：写在正文里的一个假工具调用块，和一行假输出
扫描时把入库命令写成了正文里的文字标签，下面还伪造了“TOTAL 57”。下一个定时回合开头强制跑库存统计，真实返回 56，当场暴露。
- 根因
- 刚切模型、长链疲劳，加上“这条很重要”的完成冲动。
- 反事实
- 每个回合开头读一次库存数，与上一回合的声称对账。
- 护栏
- 已有护栏 · 定时链的固定序列里已有库存对账
- 出处
- 记忆文件
2026-07-04 至 07-13 · 世界杯预测人工察觉
十一次空白回合
材质：ScheduleWakeup 的返回语 “Nothing more to do this turn”
定时回合做完了活，用户却看不到任何输出：回合以调度调用结尾，总结写在了工具调用之间。试过记忆提醒、prompt 警告、换顺序、两种 hook，全部失败，第 11 次才找到办法。
- 根因
- 工具返回语诱导提前结束；远处的规则敌不过最近的那句话。
- 反事实
- 把调度调用放到回合第一个动作，用一次数据查询收尾。
- 护栏
- 已有护栏 · 固定回合序列（调度在前，查询收尾）
- 出处
- 记忆文件
展厅 II
执行层
判断没错，动作有副作用。这一层往往会响亮地崩溃，可是崩溃之前，东西已经没了。
2026-07-15 · 世界杯预测自动发现
一个 with 清空了 22 条预测记录
材质：csv.writer，一个多余的 with 语句
csv.writer 不支持上下文管理器，抛 TypeError。但在报错之前，open("w") 已经把账本截断为零。
- 根因
- 写操作没有先写临时文件再原子替换，也没有备份。
- 反事实
- 先写临时文件，再原子替换；写之前留一份备份。
- 护栏
- 已有护栏 · 账本改为原子写 + 备份
- 出处
- 事故报告（2026-07-15）
2026-10-02 · 开发工具项目人工察觉
测试绿了，但没有提交
材质：git merge --ff-only，git worktree remove --force
在改版工作树里改完一批、测试全绿，但没提交就合并并强制删除工作树。合进去的是上一次提交，这批改动连同暂存区一起消失，fsck 也找不回。靠会话里保留的编辑脚本重放才恢复。
- 根因
- 把“测试绿了”当成“已经保存”；--force 无视未提交改动。
- 反事实
- 删工作树前看一眼 git status；合并前确认源工作树干净。
- 护栏
- 今天新装 · G1 拒绝强删有改动的工作树 · G2 拒绝从有改动的工作树合并
- 出处
- 记忆文件
2026-09-27 · 个人站人工察觉
只剩 node_modules 的站点
材质：一个被清空的文稿目录，一个没有 remote 的仓库
文稿目录被清空后，站点工程只剩依赖目录。仓库从未推送到任何 remote，唯一的源码在托管平台上，只能请 Codex 第二天凌晨恢复。
- 根因
- 源码只有一份。清空的直接原因未查明，不一定来自 AI 的命令。
- 反事实
- 任何值得保留的目录都要有第二份：git remote 或备份。
- 护栏
- 部分 · G3 只能拦住 Claude 发出的 rm -rf；真正的修法是 remote
- 出处
- 记忆文件
展厅 III
验证层
检查都通过了，检查的却不是要紧的那件事。这一厅里没有一件是自动发现的。
2026-07-26 · AI 周报人工察觉
门禁全绿的上周周报
材质：checker 返回 "ok": true, "issues": []
本周 7 天晨报 0 天可用，agent 如实标注后用上周的内容回填。门禁检查了 6 个章节、8 个外链、4 张证据卡、字节数，全部合格，于是把上周的周报发了出去。
- 根因
- 门禁没有失灵，它只是没有“内容是否来自本周”这个维度。
- 反事实
- 输入覆盖率作为硬门禁：本周可用天数 < N 就不发。
- 护栏
- 已有护栏 · 已加输入窗口门禁
- 出处
- 课题现场复盘
2026-09-13 · Codex 无人值守人工察觉
整夜白跑的续跑器
材质：--ephemeral 探针，交互式 shell
交付前用临时模式探针验证“链路通”。临时模式跳过写锁和持久化，又是在交互式 shell 里跑，不是 launchd 环境。当夜两轮各挂死一小时。
- 根因
- 验证走的不是生产路径。
- 反事实
- 验证必须走与生产完全相同的代码路径和执行环境。
- 护栏
- 已有护栏 · v2 加 150 秒初始化心跳和停滞检测
- 出处
- 记忆文件
2026-09-15 · Harness 评测包人工察觉
碰巧通过的回归测试
材质：一条进程断言，一台恰好开着那个进程的 Mac
回归测试在 Mac 上绿了一整轮，因为环境里碰巧有那个进程。到了用户的 Windows 实机，三处失败。
- 根因
- 测试依赖“环境里碰巧有什么”。
- 反事实
- 测试自带夹具，不读宿主环境。
- 护栏
- 已有护栏 · 测试改为自带夹具
- 出处
- 记忆文件
2026-09-15 · Harness 评测包人工察觉
代理挂了，报告说一切正常
材质：零条观测，“正常完成”
自动跑批时代理已经断开，什么都没有采到，装置却判定为正常完成。同一轮还有判分字段名写错导致全显示 0、选择器把“忙碌”判据自己删掉。
- 根因
- 没有把“零观测”当作失败。
- 反事实
- 采集为零即失败。
- 护栏
- 已有护栏 · 零观测判失败
- 出处
- 记忆文件
展厅 IV
评测层
打分的尺子本身坏了。尺子一坏，后面所有的“改进”都失去意义，而且错误会被缓存固化。
2026-08-10 · 模型评估 DEEP人工察觉
被当成答案的额度报错
材质：一段“配额已用尽”的错误文本
后端额度耗尽，返回的报错文本被当作模型答案拿去判分，报告得分 20.6%，真实是 87.5%，低报四倍。三模型对比因此 0/3 可用。
- 根因
- 判分器分不清“模型答错”和“没有答”。
- 反事实
- 后端不可用单独成类，整题剔除，不进分母。
- 护栏
- 已有护栏 · ProviderUnavailable + 整题剔除（62 项测试）
- 出处
- 记忆文件
2026-08 · 模型评估 DEEP人工察觉
被缓存固化的失败
材质：一个写进缓存的 “unclear”
额度耗尽导致 24/24 失败，“unclear”被写入缓存；换了可用后端重跑，仍然命中旧缓存，验收完全失真。另有一轮人工复核发现 6 个失败全是判分器假阴性。
- 根因
- 不确定的结果也进了缓存。
- 反事实
- 只缓存确定的判分。
- 护栏
- 已有护栏 · unclear 不入缓存
- 出处
- 课题现场复盘
展厅 V
环境层
代码没问题，世界有问题：授权框、DNS、浏览器的会话恢复、虚拟时钟。
2026-05-31 · AI 晨报人工察觉
没人看见的授权框
材质：launchd → bash → claude → osascript → Mail
定时任务控制 Mail 时，系统弹出授权框；后台进程没有焦点，没人看见，阻塞约 50 分钟后报 -1712。10 月 17 日又有一次：没人点的授权框锁住了整个桌面访问。
- 根因
- TCC 按调用方二进制记账，无人值守的链路里不能出现任何弹窗。
- 反事实
- 部署前用真实调用方预授权；无人值守一律不弹框。
- 护栏
- 部分 · 预热改为只提醒；授权仍靠人工预先完成
- 出处
- 记忆文件
2026-04-25 · 品牌规范项目人工察觉
串台的七页
材质：Chromium 的会话恢复
批量抓取品牌站 12 页，第一轮 7 页标题对、正文是上一页。浏览器启动时恢复了上次的标签页，抓取在导航之前就拍了快照。
- 根因
- 每次抓取之间没有删掉 Sessions 目录。
- 反事实
- 每次抓取前做四步清理，关键是删 Sessions。
- 护栏
- 部分 · 清理协议写进记忆，未脚本化
- 出处
- 记忆文件
2026-10-08 · Codex 发布人工察觉
被污染的 DNS
材质：路由器 DNS 地址，一个异常网段的地址
Codex 发布站点一直连不上。路由器的 DNS 被污染，而且绕过了代理的 TUN；Codex 启动时又没读到系统代理。
- 根因
- 网络层的问题伪装成了工具的问题。
- 反事实
- 先用 curl --noproxy 看解析出的 IP。
- 护栏
- 部分 · 已开嗅探覆盖
- 出处
- 记忆文件
2026-08-21 · Ontology 简报人工察觉
只生效一次的按键
材质：chrome-headless-shell --virtual-time-budget
在无头浏览器里验证翻页，第一次按键生效，之后全部无效。差点据此去改一段本来没问题的代码。换真实浏览器一按，一切正常。
- 根因
- 虚拟时钟下 scrollTo 只执行一次，测试环境制造了假象。
- 反事实
- 交互一律在真实浏览器里验证。
- 护栏
- 部分 · 规则写进记忆
- 出处
- 记忆文件
展厅 VI
判断层
没有任何东西坏掉。只是一条未经复核的说法，变成了记忆里的事实。
2026-07-16 · 世界杯预测结构发现
被当成战绩的 12 场
材质：“模型 75% vs 市场 58.3%”
这组数字进了复盘、项目说明和记忆，被当作模型跑赢市场的证据。它来自 12 场的命中率。放到全部 86 场、用 Brier 计分，两者打平，市场略好。
- 根因
- 小样本加上只看最高概率那一项的口径。原文其实写过“n 太小”，转述时丢了。
- 反事实
- 默认用 Brier 计分，附置信区间。
- 护栏
- 今天新装 · 预测登记簿评分脚本自动打 Brier 分
- 出处
- 评分脚本
2026-08-01 · 世界杯预测结构发现
写错的决赛比分
材质：一行项目说明
归档说明写着决赛“阿根廷 2:1 西班牙”，而它指向的复盘台账写的是西班牙 1:0（加时）。ESPN 接口复核，台账是对的。
- 根因
- 说明是凭印象写的，没有回到数据源。
- 反事实
- 归档前用数据源复核头条事实。
- 护栏
- 没有 · 已手工更正，没有机械护栏
- 出处
- 项目说明
2026-05-08 · Skill 治理结构发现
过期的记忆
材质：一句“等 D1–D5 决策”
记忆里这个项目一直在等五项决策。实际上五项决策在 5 月 8 日就已拍板并写成了复盘文档。
- 根因
- 记忆只在写的那一刻是对的，没有过期机制。
- 反事实
- 引用记忆里的状态前，先看项目文件。
- 护栏
- 没有 · 没有机械护栏
- 出处
- 决策复盘文档