显存、算力、框架、API 全部不设限，大模型能不能一直往下吃 Token？本文从 O(N²) Attention、KV Cache、Prefill / Decode、FlashAttention 与 PagedAttention 讲到 RoPE 长度外推，最后给出一个更值得追问的方向：长期 AI 需要的也许不是更大的桌子，而是书架和记忆系统。

标称 128K 的模型到了第 128001 个 Token 常常不是「开始胡说」，而是直接拒绝。本文区分 Effective Context Limit 与 Hard Context Limit，从位置编码、RoPE、模型配置、vLLM 的 max_model_len 一路看到 KV Cache 与 GPU Kernel——拦住那个 Token 的通常是整套推理系统。

资料明明全塞进了上下文，模型还是会漏信息、把废弃方案当成现行方案。本文拆开 Attention 的 Query / Key / Value，讲清楚 Distractor Interference、Needle in a Haystack、Lost in the Middle 与信噪比：找得到、分得清、连得起来、推得出来，是四种不同的长上下文能力。

32K、128K、1M 这些数字常被直觉地当成大模型的「脑容量」，但 Context Window 描述的其实是另一件事。本文从 Context、Token 一路拆到 Context Window 与 Effective Context：它决定的是有多少资料能摆到模型面前，而不是模型有多聪明、或者永久能记住多少东西。

记录一次 Codex Microsoft Store 桌面版启动失败（Unable to locate the Codex CLI binary）的真实排查：同名 codex.cmd / codex.ps1 / codex.exe 的启动方式差异，如何用显式 CODEX_CLI_PATH 直连已验证的原生 codex.exe 恢复启动，以及 NVM 在其中扮演的角色。

从 Codex 的「调整方向（Steer）」按钮出发，扒开 Agent Runtime 源码，讲清楚 Agent Loop、pending input、turn/steer 与 turn/interrupt 的区别，以及 Steer/Queue/Interrupt 三种控制如何重塑人和长任务 Agent 的协作方式。

从激活值与注意力机制出发，拆解“叫 AI 宝贝会不会变笨”的直觉误判：角色扮演改变的是计算轨迹而非切走参数，礼貌与情绪只是弱的 Steering Signal，真正要警惕的是顺从指令侵入事实判断，以及多轮 Agent 里的语气累积成 Context Overhead。

盘点 Prompt、Context、Harness、Loop、Graph 这五个 successively 出现的 AI 工程热词，拆解它们各自在解决什么问题，并说明 AI 开发的关注范围正从“怎么和模型说话”一步步外扩成“怎么设计一个能自主工作的完整软件系统”。

语音输入不只是“打字更快”——它减少了人在表达前对自己想法的那次过滤。文章借用信息检索的 Precision/Recall 与 Transformer 注意力机制，提出“探索态用语音、执行态用文字”的 AI 协作方式。

Vibe Coding 用久了，最大的坑不是 AI 不够聪明，而是它太听话。本文给出两剂解药：用「第一性原理」在开工前拆台、确认真正要解决的问题；用「对抗式审查」在完工后找茬、攻击自己的实现，避免沿着错误方向一路狂奔。