说明书正在变成给agent读的接口

pmndrs 发布了 Math v0.1.0——一个把"快"当第一指标的数学引擎。发布文案里有个小小的自嘲：我们请 Opus 一次性生成……开玩笑的，是驻场专家手工打磨的。硬指标列了一排：零内存分配、单态化（monomorphic）、有基准背书、体积极小且可摇树裁剪（只为用到的那部分付费），跑 WebGL、WebGPU、WASM 或你喜欢的任何渲染器，并采用数据导向设计。仓库：github.com/pmndrs/math

"手工打磨、不是 AI 一次生成"这句玩笑，是今天"AI 写代码"喧嚣里一个清醒的注脚。它没有否定 AI 的产出——发布里顺手就加了一个 Skill：在你的 agent 里敲 /math，它会为你生成优化过的算法——而是把两类活分得清清楚楚：日常算法的拼装交给 agent，性能敏感的核心引擎留给对每一纳秒负责的人。

这与今晚"脏活清单越长、人该干什么越清楚"是同一条分界线在工程里的落点：判断密度最高的那一小段，仍然只认人。

"/math Skill"这个打包方式更值得记。库带着自己的 skill 一起发布，意味着"装上工具"与"教会 agent 用工具"被一次性交付了——这正是 59457 那篇说的"零件不值钱、接线的才值钱"的又一个实物：作者不仅造了零件，还顺手把接线也给了。

当开源项目的发行物里开始默认包含 agent 技能，说明 Skill 已经从 harness 的内部习惯变成了生态的通用包装——工具的说明书正在变成给 agent 读的接口。

从性能工程的角度看，这一排指标本身就是一份与"AI 生成代码"气质不同的清单。零分配、单态、树摇、数据导向——每一项都指向同一件事：性能不是跑出来的运气，是设计出来的约束；AI 可以很快写出"正确"的实现，但"让热路径上没有一次多余分配"这类目标，需要的是对运行时的整套预设。

今晚从 2× 启动到 4.61 倍压缩反复出现的都是同一味药：确定性的收益，来自确定性地抠——这类功夫不会因为模型变强而消失，只会换一个更该由人来守的位置。

给要用它的人一句落地的：直接 npm i math，先在你最热的那段计算路径上替换一个小函数，跑它自带的基准前后再比——注意看分配次数（分配为零才有稳定的帧时间），而不只是看总分；对做创意开发（WebGL/WebGPU）的人，这一个数字往往比理论吞吐更能决定手感。