形式化验证并非「可验证」:Claude 写下十亿行 Rocq 之后的形式化验证反思
AI 让形式化验证走向主流:Claude 为单个验证项目写了十亿行 Rocq,Theorem 与 Anthropic 合作做二进制验证,Harmonic 验证 C 程序和硬件设计。但作者认为「形式化验证」仍不可验证,因为证明无需外部审查,而底层定义、模型和 prover 都可能出错。他呼吁废除笼统的「已形式化验证」说法,改说「验证了 Y 的哪些 X 属性」,并明确列出可信计算基等前提。
AI 让形式化验证走向主流:Claude 为单个验证项目写了十亿行 Rocq,Theorem 与 Anthropic 合作做二进制验证,Harmonic 验证 C 程序和硬件设计。但作者认为「形式化验证」仍不可验证,因为证明无需外部审查,而底层定义、模型和 prover 都可能出错。他呼吁废除笼统的「已形式化验证」说法,改说「验证了 Y 的哪些 X 属性」,并明确列出可信计算基等前提。
【这是什么】Vercel 官方教程,讲解当 AI Agent 成为软件用户时,如何用 eval 衡量它们能否正确完成任务。【商业逻辑】Agent 也经历发现、选择、访问、成功四段漏斗,教程聚焦 Success 阶段,用 Harbor 框架在容器中反复运行任务并评分,覆盖确定性测试、单轮 eval 和 E2E eval 三层金字塔。
推荐理由:Vercel 官方给出面向 agent 用户的 E2E eval 完整方法论,从指标选择到 trace 分析,工程借鉴价值扎实。
Vercel 官方博客发布教程,讲解如何为 agent 及其调用的软件(API、CLI、MCP server、SDK)搭建端到端 eval,并用一个旧金山咖啡下单的 API 完整演示。
同一新闻,精选展示《Vercel 教你为 Agent 用户构建端到端 Eval:以 sfbeans 咖啡下单 CLI 为例》
【这是什么】一位独立开发者将自己的博客从 Next.js 迁移到 Hono,最终在 Lighthouse 性能、SEO 等各项拿到 100 分。【商业逻辑】Medium、Ghost、Bear Blog 等现成平台都不满意,于是自建轻量博客 Bloffy 并顺带作为产品孵化。
【这是什么】作者运营中文 AI 创作平台思畅 AI(对话、图片、视频、音频),分享半年开发中踩到的 4 个反直觉工程坑,均有实测数据。
推荐理由:作者用半年实测数据拆解 AI 平台的四个工程坑,从托管商审核到 Vercel 冻结丢数据,都是动手才能踩出来的经验。
【这是什么】一款上传两张人脸照片、选固定场景模板即可生成两人说唱视频的网站,照片为必填输入,非文生视频。
推荐理由:作者发布照片生成说唱视频站,并把生产环境真实踩过的坑逐一复盘,对独立开发者部署和支付环节有直接警示价值。