"复杂长任务 skill 不行，一定要编程写死"
— 烧瓶炼客"Cursor harness 下的 opus 比 claude code 下表现更好"
— 烛火笔吏"fable 在带领我，不是我指导他"
— 月引人月引人用 GLM-5.2 跑一下午日报没跑通，烛火笔吏给的解法是让 opus 先把流程固化下来。这一节回答：固化为什么管用，它的天花板又在哪。
↓ 详见 Part III四天 376 条，一条主线压住全场：月引人用 GLM-5.2 跑一下午日报没部署成功，opus 十分钟搞完。烧瓶炼客断言「复杂长任务 skill 不行，一定要编程写死」，烛火笔吏给出解法「让 opus 固化流程，迭代一个弱模型能完成的环境」。模型角色论被一句话钉死：fable 带领，opus 伙伴，glm 学徒。同周 Anthropic 被集体诉讼、烛火笔吏取消订阅换 DeepSeek、Gemini 降智成豆包、财大成立 AI 学院（清华 AI 本科 200 万年薪，金融人均百万的盛况不再）。月引人把行业日报上了云端 loop 每天早推，对岸埃森哲半年腰斩。从 GLM 跑崩到产线上云，这周客栈在练同一件事：哪些活该固化成流程，哪些还得留给聪明的脑子。
按叙事重要性排序，不按热度。每条结尾一句超出原讨论的判断。
下午四点 月引人抛出实测："glm 5.2 实测，跑了一天日报愣是没有部署成功"，"opus 10 分钟搞完"。她给三个模型定了位——"glm 是学徒，opus 是伙伴，fable 在带领我，不是我指导他"。烧瓶炼客一句话判了 skill 的局限："复杂的长任务，skill 是不行的，一定要编程写死"。烛火笔吏给了具体方向："让 opus 拉一下，看看 glm5.2 是怎么工作的，有什么优化空间，有什么可以沉淀的，让聪明的模型固化一下，迭代一个不那么聪明的模型能够完成任务的环境"。
📎 与 6/16~17 日报「主线 ②」呼应——那期月引人梦里想通 harness 方向，这周她用 GLM-5.2 实测，撞了墙，烛火笔吏把梦里的方向落成了"固化流程"四个字。
弱模型肯干但不会变通，强模型会变通但要钱；中间那条路，是让强模型把"会变通"固化成弱模型能照着跑的流程。
一早 烧瓶炼客分享"Anthropic 被用户集体诉讼：200 美元买断无限额度，AI 用 5 小时干掉 15%"。到了晚上，烛火笔吏贴出和月引人的私聊记录："你没看我现在都在 DeepSeek 嘛，我都取消 anthropic 订阅了"。月引人第一反应是"那基建呢怎么办"。替代方案被逐一摆上桌：trae（月引人踩过坑"根本不动脑子，最后我自己手动改的代码"）、Cursor（烛火笔吏力荐"该踩的坑我都踩过了，就 Cursor"）、openrouter 这类聚合平台。落地察事还剧透"豆包 coding 下周升级"。
📎 与 Vol.26~27「本周观察」呼应——Anthropic 的下落弧线这周从"产品失望"滑到了"用户主动退订"。
对一家模型公司的信任，是从"产品失望"开始流失的；真正不可逆的那一步，是用户自己动手退订。
月引人发了张图调侃 Gemini 降智，先打预防针"群里有 gemini 的伙伴见谅"。烛火笔吏接得狠："gemini 2.5 时期惊为天人，现在连牛夫人都算不上了，成豆包了"，又补"gemini3 出之前加仓了 Google 股票，是真金白银的认可，然后 opus4.6 横空出世"。话题转到豆包的阵地：治理先锋"豆包取代我的搜索引擎，琐碎事都问豆包，但重要事肯定不在豆包处理"，烛火笔吏"手机常驻豆包，agent 场景都 claude code"。治理先锋冷不丁一句"这么宝贵私密的会议记录，就让豆包搞？数据语料全这么出去了"，锋刃先锋当场"我后面不让豆包搞了"。烛火笔吏补一刀"语音处理我都跑本地模型"。
生活阵地让给了豆包，工作阵地留给了 cc；中间那道分界线，是数据敏不敏感。
月引人抛出一记重锤："清华一个 AI 专业的本科生现在出来就是两百万年薪，其他行业哀鸿遍野"，紧接"金融亡了！人均百万的盛况不会再有了"。第二天 智源先生去了财大，连发几条"计算和经济结合的特色未来牛"，月引人接"开价年薪 150 万起，比清华便宜"。话题拐进师徒情：月引人忆自己读计算机加数学交叉"太作死了，夜里两点一边哭一边写作业"，"认为自己有数学天分，是我对自己最大的误解"。智源先生劝"你骨骼惊奇万里挑一，不适合纯数学但适合算法博弈论赛道"，又感慨"基本功训练把人搞崩了，坚持下来的才能进到后面有趣的事，武行戏班把孩子交给师兄弟带，自己父母严不下来"。月引人回"我等到了汪老师，在心智更成熟、学习能力还没下降的最好年华"。
AI 把行业的薪酬梯度重新拉开了：会算法的年轻人站到顶端，传统金融的光环在退。
周六早上 月引人报喜："我现在在云端跑行业日报，还不错，搞了个 loop，每天早上推"。烛火笔吏一句"大哥厉害了"。这是客栈第二条内容线（AI 行业日报）正式上云。同一天下午 三栖驿马分享"半年时间埃森哲股价腰斩是 AI 导致吗"，把咨询拆成三层：认知型最稳、执行型最先被替、工程型居中，并点出一个新物种 FDE——"OpenAI 组建 150 人 FDE 团队投了 40 亿美元，规矩是 You must leave with product，每个项目必须留下产品不是方案"。晚上 治理先锋分享 Anthropic CEO 访谈那句"AI 能快速生成复杂软件，真正难的不再是生成本身，而是让生成出来的东西进入真实现场，并在现场里可靠运转"。
自己的产线上云，和对岸的咨询腰斩，是同一件事的两面：能被固化成产品的活，正在从按人头计价变成按价值计价。
它们被当成吐槽或广告刷过，放到更大的语境里却是判断。
「复杂的长任务，skill 是不行的，一定要编程写死。」
「Cursor 订阅本身也是订阅 Cursor 不断升级的 harness，很多场景 Cursor harness 之下的 opus 表现甚至比 claude code harness 之下更好。」
「fable 在带领我，不是我指导他，我是这种感觉。」
—— 当模型层分化，"判断"正在从模型里被抽出来，写进流程
月引人用 GLM-5.2 跑一下午日报没跑通，烛火笔吏给的解法是"让 opus 先把流程固化下来"。这期客栈用一整周讨论了同一件事：弱模型到底崩在哪、把强模型的判断固化成流程是不是解、它又卡在哪里。
1. 主论点：弱模型跑长任务崩在"判断"，状态判断、错误恢复、规划，不是知识缺失。解法不是等它变强，是让强模型把这些判断固化成流程/代码/sop，弱模型照着跑。
2. 反例：固化管用的是"有明确对错"的环节，对"对错本身需要被定义"的长尾新情况，固化下来的流程反而会绊住脚。这是它的天花板。
3. 实操：分两层跑，可固化的环节交给弱模型加流程，不可固化的判断留给强模型。别幻想一个便宜模型加一套流程吃下全部。
把最近五期连起来看：Vol.24（6/12）"补贴还剩十天"→ Vol.25（6/13~14）"对华人禁用"→ Vol.26（6/15）"CC 降智涨价"→ Vol.27（6/17）"全球下架"→ 这期 Vol.28（6/18~21）"被集体诉讼 + 用户主动退订"。弧线的性质变了：前四期是 Anthropic 自己出事，这一期开始，用户用脚投票，烛火笔吏那句"我都取消 anthropic 订阅了"是个标志。信任流失一旦走到主动退订，就很难再拉回来。
"弱模型不行"是一句正确的废话。6/18 那个下午把它具体化了。月引人用 GLM-5.2 跑一个有详细 skill、成熟可复用的日报生产流程，一下午没部署成功，5 小时 hit 限额，而 opus 跑同一件事"10 分钟搞完"。她的诊断比 benchmark 准："肯干态度好但脑子比较直，遇到问题不知道变通"，"opus 不需要我提示问题出在哪，他自己会尝试各种手段"。
这句话点出的不是 GLM-5.2 不行，是它在某一类任务上不行——长流程、多状态、出错要自己想办法恢复的任务。在"写一段代码""回答一个问题"这种单步任务上，国产模型已经追得很近；可一旦流程拉长、状态变多、需要"看见"自己卡在哪，差距就出来了。
仔细拆 月引人的描述，弱模型在长任务上崩的是三类判断。一是状态判断：任务跑到第几步、上一步有没有真的完成，它跟丢。二是错误恢复：撞了墙，强模型会自己换方向、回退、换工具试，弱模型会卡在原地反复撞同一堵墙（"不知道变通"）。三是规划：把一个大目标拆成可执行的小步，它拆不利索。
这三样都不是知识问题，论知识储备，GLM-5.2 这种规模的开源模型已经足够大。是判断问题，是"在模糊状态下做决定"的能力。这种能力 benchmark 测不大出来，一旦放进真实长流程就原形毕露。Anthropic CEO 在被 治理先锋分享的那篇访谈里说得很直白："AI 能快速生成复杂软件，真正难的不再是生成本身，而是让生成出来的东西进入真实现场，并在现场里可靠运转。"[1]"现场可靠运转"这五个字，正是 月引人那个下午卡住的地方。
烛火笔吏给的那个方向，是这周最值钱的一句话："让聪明的模型固化一下，迭代一个不那么聪明的模型能够完成任务的环境。"翻译一下：不是等弱模型变聪明，是让强模型把它"会变通"的过程沉淀下来，变成一套弱模型不用变通也能跑完的流程。
这条路学界和工程界都验证过。Reflexion 那篇经典论文做过对照：不换模型权重，只给 agent 套一个"做完、自评、再改"的反馈循环，就能把编程任务的通过率大幅拉上去[2]。Anthropic 自己的工程博客把 harness design 称为"前沿 agentic 性能的关键"[4]。烧瓶炼客说得更狠——"复杂长任务 skill 不行，一定要编程写死"。skill 是写给 AI 看的提示，编程写死是写给机器执行的确定性，两者差一个数量级的可靠度。
烛火笔吏还点了一句容易被忽略的话："很多场景 Cursor harness 之下的 opus 表现甚至比 claude code harness 之下更好。"同一个模型，套不同 harness，表现不同。这等于说，判断力正在从模型里被抽出来，迁移到外面的 harness 层。谁能把判断固化得好，谁就能让便宜的模型干出贵的活。
反直觉的地方在这：月引人那个跑崩的下午，本身是一次有价值的产出。因为只有跑崩了，才能看清弱模型到底卡在哪一步，才能让 opus 把那一步的判断固化下来。如果一直用 opus 跑，永远不会暴露这些断点，流程也永远沉淀不下来。月引人自己后来把行业日报上了云端 loop 每天自动推，干的正是这件事——把能固化的固化掉，留给自己的只剩判断。跑崩不是浪费，是流程沉淀的必须成本。
但固化不是万能的。它能兜住"有明确对错"的环节，兜不住"对错本身需要被定义"的环节。Self-Refine 那批研究已经反复证明：自我修正的反馈循环在三类场景里失效——初始输出已经合格时、弱模型自评本身没意义时、以及任务开放到连"更好"的方向都不明确时[3]。换句话说，标准化、可重复的部分能固化，但长尾、新情况、需要当场重新判断的部分，固化下来的流程反而会绊住脚。
月引人那句"fable 在带领我，不是我指导他"，点破了天花板在哪。"带领"的意思是：fable 能在模糊地带主动给出她没想到的方向。这种能力，恰恰是固化不出来的——你能固化已知流程，固化不出对未知的探索。这是强模型最后的护城河，也是国产替代真正难过的一道坎。
把一周的讨论收拢，对重度 AI 应用的社区可以立一条原则：能固化的交给弱模型加流程，不能固化的留给强模型，两层分跑，别幻想一层通吃。具体三步。
这条路正好接上对岸正在发生的事——三栖驿马分享的那篇"埃森哲半年腰斩"里讲的 FDE 模式[5]：OpenAI 的 150 人 FDE 团队规矩是"You must leave with product"，每个项目必须留下产品，不是方案。把判断固化成产品，正是"固化"在产业层面的样子。客栈在群聊里悟到的，和对岸在市场里卷的，是同一条规律。
把这周一整条线拉直：月引人用 GLM-5.2 跑崩一下午，是表症；烛火笔吏"让 opus 固化流程"是解法；Anthropic CEO"现场可靠运转"和埃森哲 FDE"留下产品"是同一个规律在两头同时显形。判断力正在从模型里被抽出来，一部分写进 harness 和流程，一部分变成产品。能被抽出来的，弱模型加流程就能跑；抽不出来的，是强模型最后的领地。
但这不是一句"国产模型能替代了"能盖过去的。月引人那句"fable 在带领我"，是这一周最该被记住的七个字。它说明有些东西固化不出来——那种在模糊地带主动给你方向的能力，暂时还只长在最贵的模型身上。替代能替代的部分，承认替代不了的，是比"全量切换"清醒得多的姿态。
所以这一周真正的产出，不是"GLM 行不行"的结论，是月引人那个跑崩的下午本身。它把抽象的"弱模型差距"落成了具体的卡点，让固化有了方向。跑崩不可怕，跑崩了没看清卡在哪、没把判断沉淀下来，才是真的浪费。
上期揭榜（Vol.27 题「哪类任务还非顶级模型不可」）：这周的 GLM-5.2 大讨论本身就是一次集体作答。烛火笔吏那句"让聪明的模型固化一下，迭代一个不那么聪明的模型能够完成任务的环境"被采纳进本期 Deep Dive，烛火笔吏 +15 真知分，卡面记一笔「悬赏揭榜」。
本期题：你这周有没有哪个任务，本来指望弱模型跑、最后还是换回了强模型？那个卡点到底是什么，是规划、是错误恢复，还是某种它"看不见"的状态？说一个真实例子。
下期（Vol.29）公布揭榜。认题就来，客栈等你的刀。