谷歌的大象與金魚:一個故意失憶的評審者

有一種毫無用處的回饋,每個寫作者、設計師和工程師都收到過。你把稿子交出去,對方說看起來不錯。兩週後,東西上線、出了問題,同一個人說,當時就對那部分有點疑問,但以為你有自己的理由。
他們以為你有理由,是因為你做決定的時候他們就在場。上下文讓協作者有用,也讓評審者失明。
谷歌的 elephant-goldfish-model 本週衝上 GitHub 週趨勢榜,星標超過 18,600,整個專案就建立在這個觀察上。它是給 AI 程式設計助手的開源外掛,分工直白得幾乎字面化。一頭大象持有你的專案上下文,負責起草規格。一群金魚評審只看草稿和它引用的原始材料,沒有之前那段對話。架構上的取捨由你來做,規格也由你來批准。
它的標語是「與大象一起設計,與金魚一起評審」。聽起來像在拿注意力時長開玩笑。實際上這是一條設計約束。
它裝進什麼地方
EGM 跑在人們已經在用的助手裡面,這也是它的採用曲線看起來和獨立工具不一樣的原因。ChatGPT 和 Codex 桌面版有已發佈的外掛。Antigravity CLI 用的指令是 `agy plugin install https://github.com/google/elephant-goldfish-model`;Antigravity 應用程式和 VS Code 擴充套件則改用 `/plugin`。
Claude Code 是兩條指令:
claude plugin marketplace add google/elephant-goldfish-model
claude plugin install egm@egm
Codex CLI 的形態與此對應,用 `codex plugin marketplace add` 和 `codex plugin add egm@egm`。裝完之後要開一個新工作階段,這一步不是可有可無的。外掛需要這個工作階段邊界,才能讓評審者保持乾淨。
60 秒版本
想試的話,不需要先寫一份新規格。找一份已經存在的東西指過去就行:
/egm:egm-review docs/designs/webhooks.md
一個全新的評審者會讀這份設計,看它是否清楚、是否貼合程式碼、實作計畫是否站得住。還有一個漂移檢查,把一個目錄裡的設計文件和目前原始碼對一遍,回報兩者在哪些地方分叉:
/egm:egm-drift-report docs/designs/
這一條的輸出刻意不做裁決。它告訴你文件和程式碼哪裡對不上,哪個錯了由你判斷。
對非軟體類文件,`/egm-review-loop` 讓你自己挑評審者和評審所依據的標準。內建的起草與評審流程是專門針對軟體規格的,bootstrap 和漂移報告也只適用於程式碼庫。
分開為什麼才是關鍵
大多數「AI 幫你評審」的產品,都是一個記憶很長的模型。它讀你的草稿,記得這段對話,記得你說過的目標,然後告訴你草稿有沒有達到你們雙方已經認可的目標。那是自查一致性,不是評審。它發現不了從未被說出口的假設,因為那個假設就在它的上下文裡,對它而言是隱形的。
EGM 的金魚沒有上下文。它拿到草稿和引用的材料,別的任何東西都沒有。如果草稿依賴一個只存在於你腦子裡的決定,評審者就會來問。整個機制就這麼簡單,而且比聽起來更好用,因為沒說出口的假設是最貴的一類缺陷。在文件階段修它很便宜,等到三個服務都圍著它建好之後再修,代價慘烈。

大象那一半也重要,只是安靜一些。讓一個 agent 掌握完整的專案上下文並產出草稿,草稿就繼承了專案已知的一切。換一個 agent 來評審,草稿才會被拿去和它實際寫出來的內容對照。兩個 agent,兩份工作,其中一個被刻意蒙住。
這個模式接下來能用到哪
把軟體這層外殼剝掉,模式是通用的。任何由深陷上下文的人產出的東西,都受益於一個毫無上下文的讀者。行銷文案由寫簡報的人自己寫。圖像提示詞由盯著參考板看了一週的人自己寫。分鏡表由早就知道這場戲該是什麼感覺的導演自己拼。
它們的失效方式一模一樣:成品是被拿去和作者的意圖比對,而不是和它實際傳達的東西比對。一個只看成品的金魚評審,能告訴你它拿到的是這兩者裡的哪一個。
這也是為什麼這個外掛的漂移報告比它的評審指令更有意思。漂移是上下文累積出來的成本。文件說一套,程式碼做另一套,當時在場的人都知道原因,所以沒人去更新文件。半年後文件成了負債。一個不知道原因、只把兩邊對一遍的 agent,是唯一會把它標出來的評審者。
全部評審的代價
這件事的另一面也有一種失效方式,EGM 自己的結構就暗示了它。
兩個 agent 意味著兩遍流程,而一個對每份草稿都跑的評審迴路,會樂此不疲地永遠產生意見。其中有些是真的。很多則是一個全新的評審者在重新發現你早就接受了的約束,而它看不到你這麼做的原因,這就是不提供上下文的代價。你用失明換來獨立,而只有當風險值得聽取第二種意見時,獨立才值得付這個價。
外掛的框架處理得還算合理。金魚評審的是實作之前的規格,不是每次改動之後的提交。漂移報告跑的是一個設計文件目錄,不是掛在 hook 上跑即時儲存庫。這兩個時刻,遺忘上下文的意見才值回票價:在你對一份設計做出承諾之前,以及在足夠長的時間過去、文件和程式碼已經分家之後。
反模式是把 EGM 當 linter 用。linter 每次儲存都跑,因為它便宜而且確定。金魚評審兩樣都不是。一個每次儲存都跑它的團隊,一週之內就會開始無視它,於是你回到原點,只是多裝了一個外掛。
關於星標數
一週 18,600 顆星不是品質的度量。谷歌的 logo 在其中起了一部分作用,而這個類別的外掛儲存庫累積星標的速度,說明很多人在收藏而不是安裝。
從 EGM 身上真正值得拿走的,比它的熱度更窄,也更耐久:持有上下文的 agent 和被剝奪上下文的 agent 之間的這道分工。這是個結構性的想法,兩個 prompt 加一個檔案,一個下午就能自己實作,裝不裝這個外掛都行。難的從來不是程式碼。難的是承認離工作最近的人,恰恰是最不適合評審它的人。
相關文章
ByteDance 的 SeedRealtime 每秒只取兩張影格,再自己決定什麼時候開口
豆包 Seed-Realtime-1.0 把攝影機畫面、螢幕畫面和語音合成一個全雙工工作階段,每秒最多推兩張影格。有意思的決定是影格率、主動說話,以及預設就開著的審核回覆。
一台 server、一個 AI 主播:夜間直播背後的程式碼
open-yoki 是一個每晚在 Binance Square 直播的 AI 主播的生產程式碼,人格、聲音和跟錢有關的功能都拿掉了。headless Chrome 畫幀,ffmpeg 推 RTMP,一個 Markdown 資料夾決定她的情緒和要發的東西。
Pinky 讓 agent 開你的手機,並且一直按著傳送鍵,直到你按下允許
Pinky 把任何 MCP agent 接到真的 iPhone 或 Android 手機上,審批在自己的閘道裡執行,不寫成 prompt。銀行類 App 對 agent 不可見,密碼欄位碰不到,在 Android 13 上 agent 還能拿到一塊隱藏的第二螢幕。
有人把全世界的法律放進了 git,於是你可以 blame 一條法條
global-law 把每個國家的法令存成一個 git 儲存庫,每次 commit 就是一部在某個已知日期生效的法律。你可以對一條法規跑 log、blame、show 和 diff,查某一天各國在施行什麼法,並透過 MCP 把整份語料交給助理。