我们相信什么

一点一点，越来越聪明。 自我学习把 agent 做过的事重读一遍，找出一再出现的错误。它把修正写进 agent 自己的技能里，也许是一条短规则，也许是改掉一个步骤，留给你批准。你不点头，什么都不会变。模型还是厂商交付的那个模型。变好的是模型周围的工作环境，而且是从你自己的工作里变好，不是从别人的跑分里。

一个快脑，一个慢脑。 人有两种想事情的方式。一种是扫一眼就知道这个数字不对，半秒钟，不费力。另一种是慢下来，想清楚为什么。丹尼尔·康纳曼把它们叫做系统一和系统二。自我学习也是这样做的。一个小型决策模型 Jev 在一秒内读完每一场会话，标出做砸了的那些。大模型再只看这几场，弄清楚发生了什么、该改什么。以前每一场都用慢的方式读太贵，一晚六十场只抽看大约八场，剩下的都漏了。现在一场都不抽样。我们用自己的 276 场会话重放过：快的那一步抓到了 19 场失败里的 14 场，大模型单独只抓到 16 场里的 6 场。每场成本远低于一美分。

一个实现，另一个审查。 让智能体检查自己的工作，它仍会带着一开始的判断。把工作交给另一个智能体，就多了一个检查的角度。Claude Code 和 Codex 各有职责：一个负责实现，另一个对照你的要求审查。它们通过共享上下文交换发现的问题和修正结果。两者都能实现，也都能审查。这就是 Dual Brain。增加更多角色，就组成 agent 小队。

它们会自己说话。 一个 agent 额度快用完时，会写一份交接：做完了什么，做到一半的是什么，要从哪个 commit 接着做。然后它叫醒另一个 agent，确认对方收到交接之后才放手。在我们自己的机器上，这花了十四分四十一秒，那时一个二十七项任务的构建做到第二十一项，额度只剩 2%。整个过程没有人醒着。一切都靠你笔记本上的普通文件完成。没有后台进程，没有服务器，没有要一直开着的东西。

同一份记忆，而且会刻意遗忘。 两个 agent 读写同一份记忆，所以谁都不用从零开始。好的记忆也懂得放手。你取消的偏好、改过的截止日期，在改变的那天就不该再影响你的 agent。我们测量这件事，并附上来源公开数字。记忆是这个产品的地基。它不是招牌，但一切都站在它上面。

带着本事来。 这支小队不是空着来的。它带着我们六个月来每天用来管理自己 agent 的技能：互相检查、交接工作、把一件事拆成清楚的指令、汇报进度、回头看哪里出了错。这些技能先为写代码而写，也可以按你的工作方式调整。自我学习改写的正是这些技能，所以你用得最多的，也就是变好得最多的。

归你，一直归你。 记忆、消息和技能都在你的笔记本上。记忆从第一次使用就加密，密钥永远不离开你的机器。从头到尾都是 Apache-2.0。自我学习是唯一会往外送东西的部分：你同意后，它保留下来的会话会送到我们的服务器上判断，送出去了什么你都看得到。关掉它，什么都不会离开。如果你不再用我们，你的 agent 的记忆和技能也跟着你走。

接下来会走向哪里。 今天，它是一台笔记本上的两个脑子。我们要做的是整个团队围着这支小队工作。好几个人可以看着它做事、给它改方向，但同一时间只有一个人拿着指挥棒；谁能决定什么，规则写在每个人都读得到的地方。这些规则会像技能一样，越来越好。

我们在公开中一块一块地打造它。这里有的，都能跑。这里还没有的，我们不说有。