# 知识碎纸机：一个关于 AI 编程助手的故事

> 原标题：The Knowledge Chipper: An Agentic Coding Story

- 来源：Hacker News 首页
- 发布时间：2026-08-04T16:43:37.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/48709
- 原文：https://jg.gg/2026/08/04/the-knowledge-chipper/

## 摘要

Jackson Gabbard 发现，让 Claude、Codex 这类大模型写代码时，它们得先疯狂扫描文件、翻文档来理解上下文，烧掉海量 token，最后只吐出几行代码改动，之前建立的理解几乎全丢了。他打了个比方：一个同事用 Claude，另一个用 Codex，第二个助手接手同一段代码时完全从零开始，白白浪费了“数百万 token”。他引用了《你带不...

## 推荐理由

Gabbard 的“知识碎木机”比喻抓住了 AI 编程助手一个真实但少被报道的成本黑洞：大量 token 花在建立上下文上，产出却只有几行代码。观察很原创，表达也清楚，但本质是个人博客的洞察，不是产品发布或研究突破，所以重要性给到 72 分，放在 featured 里。

## 锐评

Jackson Gabbard 把 LLM 写代码的浪费讲得很直白：模型干活前得疯狂扫描文件、翻文档来理解上下文，烧掉海量 token，最后只输出几行代码改动，之前建立的理解几乎全丢了。他管这叫“知识碎纸机”。一个同事用 Claude，另一个用 Codex，第二个助手接手同一段代码时完全从零开始，白白浪费了“数百万 token”。

文章引用了《你带不走的会话》和 Philip 关于 AI 时代代码审查的文章，点出一个现实问题：不可移植的会话让 PR 只剩一条 commit 信息和稀稀拉拉的注释，审查几乎没法做。正文还提到一个真实压力：导弹袭击打掉 AWS 巴林数据中心后，被逼着切换区域的公司突然发现 LLM 可移植性不是学术话题，而是生存问题。

不过文章没给出具体解决方案，也没披露他团队实际尝试过哪些上下文保存或共享的方法。判断先别太激动，问题提得准，但离落地还有距离。