谷歌的大象与金鱼:一个故意失忆的评审者

有一种毫无用处的反馈,每个写作者、设计师和工程师都收到过。你把稿子交出去,对方说看起来不错。两周后,东西上线、出了问题,同一个人说,当时就对那部分有点疑问,但以为你有自己的理由。
他们以为你有理由,是因为你做决定的时候他们就在场。上下文让协作者有用,也让评审者失明。
谷歌的 elephant-goldfish-model 本周冲上 GitHub 周趋势榜,星标超过 18,600,整个项目就建立在这个观察上。它是给 AI 编程助手的开源插件,分工直白得几乎字面化。一头大象持有你的项目上下文,负责起草规格。一群金鱼评审只看草稿和它引用的原始材料,没有之前那段对话。架构上的取舍由你来做,规格也由你来批准。
它的标语是「与大象一起设计,与金鱼一起评审」。听起来像在拿注意力时长开玩笑。实际上这是一条设计约束。
它装进什么地方
EGM 跑在人们已经在用的助手里面,这也是它的采用曲线看起来和独立工具不一样的原因。ChatGPT 和 Codex 桌面版有已发布的插件。Antigravity CLI 用的命令是 `agy plugin install https://github.com/google/elephant-goldfish-model`;Antigravity 应用和 VS Code 扩展则改用 `/plugin`。
Claude Code 是两条命令:
claude plugin marketplace add google/elephant-goldfish-model
claude plugin install egm@egm
Codex CLI 的形态与此对应,用 `codex plugin marketplace add` 和 `codex plugin add egm@egm`。装完之后要开一个新会话,这一步不是可有可无的。插件需要这个会话边界,才能让评审者保持干净。
60 秒版本
想试的话,不需要先写一份新规格。找一份已经存在的东西指过去就行:
/egm:egm-review docs/designs/webhooks.md
一个全新的评审者会读这份设计,看它是否清楚、是否贴合代码、实施计划是否站得住。还有一个漂移检查,把一个目录里的设计文档和当前源码对一遍,报告两者在哪些地方分叉:
/egm:egm-drift-report docs/designs/
这一条的输出刻意不做裁决。它告诉你文档和代码哪里对不上,哪个错了由你判断。
对非软件类文档,`/egm-review-loop` 让你自己挑评审者和评审所依据的标准。内置的起草与评审流程是专门针对软件规格的,bootstrap 和漂移报告也只适用于代码库。
分开为什么才是关键
大多数「AI 帮你评审」的产品,都是一个记忆很长的模型。它读你的草稿,记得这段对话,记得你说过的目标,然后告诉你草稿有没有达到你们双方已经认可的目标。那是自查一致性,不是评审。它发现不了从未被说出口的假设,因为那个假设就在它的上下文里,对它而言是隐形的。
EGM 的金鱼没有上下文。它拿到草稿和引用的材料,别的什么都没有。如果草稿依赖一个只存在于你脑子里的决定,评审者就会来问。整个机制就这么简单,而且比听起来更好用,因为没说出口的假设是最贵的一类缺陷。在文档阶段修它很便宜,等到三个服务都围着它建好之后再修,代价惨烈。

大象那一半也重要,只是安静一些。让一个 agent 掌握完整的项目上下文并产出草稿,草稿就继承了项目已知的一切。换一个 agent 来评审,草稿才会被拿去和它实际写出来的内容对照。两个 agent,两份工作,其中一个被刻意蒙住。
这个模式接下来能用到哪
把软件这层外壳剥掉,模式是通用的。任何由深陷上下文的人产出的东西,都受益于一个毫无上下文的读者。营销文案由写简报的人自己写。图像提示词由盯着参考板看了一周的人自己写。分镜表由早就知道这场戏该是什么感觉的导演自己拼。
它们的失效方式一模一样:成品是被拿去和作者的意图比对,而不是和它实际传达的东西比对。一个只看成品的金鱼评审,能告诉你它拿到的是这两者里的哪一个。
这也是为什么这个插件的漂移报告比它的评审命令更有意思。漂移是上下文累积出来的成本。文档说一套,代码做另一套,当时在场的人都知道原因,所以没人去更新文档。半年后文档成了负债。一个不知道原因、只把两边对一遍的 agent,是唯一会把它标出来的评审者。
全部评审的代价
这件事的另一面也有一种失效方式,EGM 自己的结构就暗示了它。
两个 agent 意味着两遍流程,而一个对每份草稿都跑的评审回路,会乐此不疲地永远产出意见。其中有些是真的。很多则是一个全新的评审者在重新发现你早就接受了的约束,而它看不到你这么做的原因,这就是不提供上下文的代价。你用失明换来独立,而只有当风险值得听取第二种意见时,独立才值得付这个价。
插件的框架处理得还算合理。金鱼评审的是实施之前的规格,不是每次改动之后的提交。漂移报告跑的是一个设计文档目录,不是挂在 hook 上跑实时仓库。这两个时刻,遗忘上下文的意见才值回票价:在你对一份设计做出承诺之前,以及在足够长的时间过去、文档和代码已经分家之后。
反模式是把 EGM 当 linter 用。linter 每次保存都跑,因为它便宜而且确定。金鱼评审两样都不是。一个每次保存都跑它的团队,一周之内就会开始无视它,于是你回到原点,只是多装了一个插件。
关于星标数
一周 18,600 颗星不是质量的度量。谷歌的 logo 在其中起了一部分作用,而这个类别的插件仓库积累星标的速度,说明很多人在收藏而不是安装。
从 EGM 身上真正值得拿走的,比它的热度更窄,也更耐久:持有上下文的 agent 和被剥夺上下文的 agent 之间的这道分工。这是个结构性的想法,两个 prompt 加一个文件,一个下午就能自己实现,装不装这个插件都行。难的从来不是代码。难的是承认离工作最近的人,恰恰是最不适合评审它的人。
相关文章
「宿命感拉满的橘子海剪影」:一句提示词把情绪拆成了参数
11 月 19 日到 20 日,小红书和抖音同时刷起「橘子海剪影」。点进去会发现多数人并没有站在落日下,他们把自己的一张照片交给豆包,出来的是一张 3:4 竖版情绪海报。这套氛围被拆成了十几个写得明明白白的参数。
ByteDance 的 SeedRealtime 每秒只取两帧,再自己决定什么时候开口
豆包 Seed-Realtime-1.0 把摄像头画面、屏幕画面和语音合成一个全双工会话,每秒最多推两帧。有意思的决定是帧率、主动说话,以及默认就开着的审核回复。
Cicada 直接听会议的系统音频,会议室里没有机器人
Cicada 是 Mac、Windows、Linux 和 Android 上的免费应用,从系统音频里写出双语字幕和结构化会议笔记。按住一个键,你能用自己克隆出来的声音,把回复用另一种语言说出去。整个过程里没有机器人加入通话。
一台 server、一个 AI 主播:夜间直播背后的代码
open-yoki 是一个每晚在 Binance Square 直播的 AI 主播的生产代码,人格、声音和跟钱有关的功能都拿掉了。headless Chrome 画帧,ffmpeg 推 RTMP,一个 Markdown 文件夹决定她的情绪和要发的东西。