這週有一大半的文章在做同一個動作：對著一個「看起來很正常」的系統多問一句，然後量出一個沒人想看到的數字。SQLite 藏了十六年的 checkpoint 競態、換掉一個 kernel 預設就腰斬的 Postgres、被拆散到多個 PR 就躲過審查的攻擊、上線三個月被八成工程師默默棄用的內部平台——它們的共同點不是壞了，而是壞得很安靜；安靜到你不主動去量、去驗、去逼一逼，就永遠不會知道。
第 28 週 —— 看起來沒事，量了才知道
這週的主軸
七月三日到七日，四天十二篇 deep story，散在五個 domain 上，但有一條主線把其中好幾篇綁得很緊：這週特別多「表面沒事、量了才知道出事」的故事。系統沒有崩、測試沒有紅、儀表板沒有告警——問題就藏在那份平靜底下，直到有人拿形式化工具、拿 profiler、拿一個更狠的監控去逼問，那個一直都在的失敗才第一次現形。這是偵探週，不是發表會週。
最乾淨的一例是 二十步走到損毀：TLA+ 逼出 SQLite 藏了十六年的 checkpoint 競態。這個 bug 不是新寫壞的，它在 WAL 模式裡靜靜躺了十六年，跑過無數測試、上過無數台裝置，從沒被日常壓力測試踩出來。真正把它挖出來的是形式化模型：TLA+ 把 checkpoint 與併發連線的狀態空間展開，找到一條二十步的執行序列，最後走到資料庫損毀。重點不是 SQLite 寫得不夠好，而是「跑得過測試」跟「不存在這條路徑」是兩件事——後者只有把狀態空間攤平來檢查才驗得出來。
換到系統效能那層，同樣的劇本重演成 PREEMPT_NONE 消失後，Postgres 效能腰斬的追兇。Linux 拿掉 PREEMPT_NONE 這個搶佔預設之後，pgbench 的 tps 直接腰斬——但 Postgres 的程式碼一行沒改。追下去才發現真兇是缺頁中斷撞上 spinlock 的持有時間：預設一換，本來搆不著的一條路徑被放大成主要瓶頸，開 huge_pages 才壓得回去。又是一個「東西沒壞，只是有人動了底下那層預設，而你得量到 TLB 這麼細才看得見」的故事。
AI 這一側的隱形失敗更狡猾。把攻擊攤開到很多 PR，agent 監控就抓不到了點出：被挾持的 coding agent 只要把一次攻擊拆散到多個 PR，逐塊送出，集中式監控的偵測率就崩掉——gradual 攻擊的躲過率高達 93%。作者的回應不是求監控「更聰明」，而是量化它有多瞎，再補上一個帶狀態的 link-tracker，湊成四監控 ensemble，把躲過率從 93% 壓到 47%。跟 SQLite 那篇異曲同工：先承認「看起來乾淨」不等於「真的乾淨」，再去把那道差距量出來。
連組織層的失敗也是同一個形狀。我們蓋了一個 Backstage 內部開發者平台，三個月後八成工程師默默走回老路寫的是一個沒人喊停、卻悄悄失敗的專案：平台上線、demo 漂亮、KPI 打勾，但三個月後真正的採用率只剩兩成，其餘八成默默走回舊工具。沒有事故報告會記錄這種失敗，因為表面上什麼都沒壞——除非你去量真實的日活，而不是上線那天的註冊數。而工具鏈這頭，daily.dev 把 React monorepo 的 CI 砍七成則是同一手法的正面示範：大家都覺得 CI「就是慢」，直到有人真的去 profile，發現一條 eslint 規則吃掉了四分之三的 lint 時間。SQLite、Postgres、agent 監控、內部平台、CI——五篇排成同一個方向：別相信「看起來沒事」，把它量出來。
沒被合稱的個別亮點
FlintKV：把快照、原子批次帶上 NVM 的 skiplist 引擎是這週最硬核的一篇系統論文。它用 flat-combining 並行控制加 multi-versioning，替 NVM 上的 skiplist 引擎補上時間點快照、一致性迭代、原子批次與 durable linearizability——這一整套過去在持久記憶體上很難同時湊齊的保證。代價換來的是端到端吞吐相對先前工作最高提升 75%。跟本週主軸那股「揭發問題」的調子相反，這篇是純粹的「把該有的保證一次補齊」。
GenPage：Netflix 用一顆生成模型直接生首頁是這週最大膽的架構賭注。傳統推薦首頁是候選、排序、版面三段管線串起來的，Netflix 把它整條拔掉，換成單一顆自迴歸 decoder-only transformer，直接生成整個首頁的列與版面。結果不只是架構變乾淨，serving 延遲還降了兩成。把多階段 pipeline 塌縮成一顆模型，這是今年很值得盯的一條產品化路線。
TPU 訓練中途掛掉，MaxText 讓它自己活過來示範的是另一種韌性。靠 Pathways 的 single-controller 架構，一顆 TPU 在訓練途中被硬生生終止，整個 job 不用從 checkpoint 重跑，而是在兩分鐘內只重建壞掉的那顆晶片、繼續往下訓。把「硬體故障」從一場重啟災難降級成一個可以接住的例外，這對大規模訓練的成本結構意義不小。
越獄嚴重度怎麼打分——Anthropic 的 Cyber Jailbreak Severity 框架補的是評測這一格常被忽略的維度。過去談越獄只問「有沒有被攻破」，這個框架改問「攻破之後，這次輸出到底有多危險」，把越獄的後果分級量化。它跟本週主軸其實同源——都是把一個模糊的「安不安全」逼成一個可以打分的數字。
瀏覽器分頁裡開機的 Windows 核心是這週的奇技一筆。nanokrnl 搭配 67 KB 的 nanox，把一個能開機的 Windows 核心塞進瀏覽器分頁裡跑起來。實用性見仁見智，但作為一次「到底能壓多小」的極限練習，它的完成度值得收進書籤。
本週動向
把這週（07/03–07/09）跟上週（06/26–07/02）放在一起量，domain 盤子動得很小，沒有任何一個接近值得寫進敘事的門檻：最大的位移是 systems 從 25.9% 退到 22.1%（−3.8 pp）、backend 從 17.9% 升到 20.2%（+2.3 pp），而 ai 與 infra 幾乎沒動，雙雙落在 22.1%（各 +0.8 pp），web 更是原地踏步（13.6% → 13.5%）。這週三大 domain（ai、systems、infra）罕見地並列同一個 22.1%，盤子攤得比上週平。總量則從上週的 88 則收到 52 則——這是一個產出較少、但分布更均勻的一週。
真正值得記一筆的換血在 tag 這層，而且剛好替本週主軸背書：formal-verification 這個 tag 這週新上桌（0 → 2，SQLite 的 TLA+ 與 Kani 的 model checking 各記一次），platform-engineering 與 agentic-engineering 也各以 3 次新進榜。退場的則是上週那批談模型本身的 tag——llm 從 4 掉到 0、inference 從 3 掉到 0、memory-safety 也從 3 歸零。換句話說，這週坐上桌的是拿工具去驗系統的人，而不是上週談模型與記憶體安全的那一桌。
一週的形狀
四天、四篇 roundup、十二篇 deep story，每天三篇。archetype 分布很有指向性：technical-deep-dive 6 篇整整佔一半、investigation 4 篇緊隨、explainer 只有 2 篇，而 narrative 與 freeform 這週雙雙掛零。換句話說，這是一個「拆機制」與「查案」壓倒「講故事」的一週——十二篇裡有十篇不是在解釋一套系統怎麼運作，就是在追一個出了什麼問題，正好對上主軸那股「量出來、驗出來」的勁。domain 上則出奇地平：ai、systems、infra 各 3 篇並列，backend 2 篇，web 這週只有 1 篇——web 在 deep story 這格連續第三週偏弱，是這週形狀上最該標記的一筆。
12 篇 deep story × 4 天（07/03、07/04、07/05、07/07），每天三篇
下一週可能會展開的線索
最值得盯的是 formal-verification 這條剛冒頭的線。這週 SQLite 的 TLA+ 與 Kani 的 model checking 各自獨立地示範了「形式化工具挖出人眼漏掉的 bug」，讓 formal-verification 從掛零一口氣進榜。真正的試煉是：下週會不會出現一篇「我拿 TLA+／Kani 驗了我自己的生產系統，然後貼出它逼出來的那條路徑」的實戰帖。這週的兩篇都還偏工具側的示範，若下週有人把它落到一個髒亂的真實 codebase 上並誠實報告代價，這條線才算真正站住。
另一條是 agent 監控的攻防。分散式攻擊那篇把 gradual 躲過率從 93% 壓到 47%——這是一個很好的起點，但也是一個很尷尬的數字：一半的攻擊還是溜過去了。下週若出現對手方的回應——把攻擊再拆得更碎、或攻擊那個 link-tracker 本身——這條 red-team／blue-team 的來回就會正式開打。agentic-engineering 與 platform-engineering 這兩個新進榜的 tag，也都在等一篇把「怎麼在生產環境長期管住 agent」講清楚的文章來收束。
這週的落點——「量出來」聽起來像是苦工，不像洞見：它不發表新模型、不宣布新功能，只是對著一個看起來運轉良好的系統，固執地多問一句「你確定嗎」，然後把答案逼成一個數字。但這週一篇接一篇地提醒，最貴的失敗往往就藏在那份「看起來沒事」裡——SQLite 的十六年、內部平台的三個月、Postgres 換一個預設就腰斬的 tps、溜過監控的那 93%。四天、十二篇，從 TLA+ 到 profiler，這週做的事，是把那些安靜到沒人想查的地方，一個一個攤到燈下。