我們相信什麼

一點一點，越來越聰明。 自我學習把 agent 做過的事重讀一遍，找出一再出現的錯誤。它把修正寫進 agent 自己的技能裡，也許是一條短規則，也許是改掉一個步驟，留給你核准。你不點頭，什麼都不會變。模型還是廠商交付的那個模型。變好的是模型周圍的工作環境，而且是從你自己的工作裡變好，不是從別人的跑分裡。

一個快腦，一個慢腦。 人有兩種想事情的方式。一種是掃一眼就知道這個數字不對，半秒鐘，不費力。另一種是慢下來，想清楚為什麼。丹尼爾·康納曼把它們叫做系統一和系統二。自我學習也是這樣做的。一個小型決策模型 Jev 在一秒內讀完每一場工作階段，標出做砸了的那些。大模型再只看這幾場，弄清楚發生了什麼、該改什麼。以前每一場都用慢的方式讀太貴，一晚六十場只抽看大約八場，剩下的都漏了。現在一場都不抽樣。我們用自己的 276 場工作階段重播過：快的那一步抓到了 19 場失敗裡的 14 場，大模型單獨只抓到 16 場裡的 6 場。每場成本遠低於一美分。

一個實作，另一個審查。 讓 Agent 檢查自己的工作，它仍會帶著一開始的判斷。把工作交給另一個 Agent，就多了一個檢查的角度。Claude Code 和 Codex 各有職責：一個負責實作，另一個對照你的要求審查。它們透過共用上下文交換發現的問題和修正結果。兩者都能實作，也都能審查。這就是 Dual Brain。增加更多角色，就組成 agent 小隊。

它們會自己說話。 一個 agent 額度快用完時，會寫一份交接：做完了什麼，做到一半的是什麼，要從哪個 commit 接著做。然後它叫醒另一個 agent，確認對方收到交接之後才放手。在我們自己的機器上，這花了十四分四十一秒，那時一個二十七項任務的建置做到第二十一項，額度只剩 2%。整個過程沒有人醒著。一切都靠你筆電上的普通檔案完成。沒有背景程序，沒有伺服器，沒有要一直開著的東西。

同一份記憶，而且會刻意遺忘。 兩個 agent 讀寫同一份記憶，所以誰都不用從零開始。好的記憶也懂得放手。你取消的偏好、改過的截止日期，在改變的那天就不該再影響你的 agent。我們測量這件事，並附上來源公開數字。記憶是這個產品的地基。它不是招牌，但一切都站在它上面。

帶著本事來。 這支小隊不是空著來的。它帶著我們六個月來每天用來管理自己 agent 的技能：互相檢查、交接工作、把一件事拆成清楚的指令、回報進度、回頭看哪裡出了錯。這些技能先為寫程式而寫，也可以照你的工作方式調整。自我學習改寫的正是這些技能，所以你用得最多的，也就是變好得最多的。

歸你，一直歸你。 記憶、訊息和技能都在你的筆電上。記憶從第一次使用就加密，金鑰永遠不離開你的機器。從頭到尾都是 Apache-2.0。自我學習是唯一會往外送東西的部分：你同意後，它保留下來的工作階段會送到我們的伺服器上判斷，送出去了什麼你都看得到。關掉它，什麼都不會離開。如果你不再用我們，你的 agent 的記憶和技能也跟著你走。

接下來會走向哪裡。 今天，它是一台筆電上的兩個腦子。我們要做的是整個團隊圍著這支小隊工作。好幾個人可以看著它做事、替它改方向，但同一時間只有一個人拿著指揮棒；誰能決定什麼，規則寫在每個人都讀得到的地方。這些規則會像技能一樣，越來越好。

我們在公開中一塊一塊地打造它。這裡有的，都能跑。這裡還沒有的，我們不說有。