AI agent 怎麼自我進化？Letta 把它做成產品，我用 Claude Code 手工做了一年的對照

Letta 在 2026 年 7 月發布了一個叫 Mods 的功能，讓 AI agent 可以修改自己執行的環境。我看到標題的第一個念頭不是「這好新」，是「這我已經手工做了一年」。

先說清楚，我沒有用過 Letta，這篇不是實測 Letta。這是我把它的概念，跟我自己在 Claude Code 上手工搭的分層記憶系統對照之後，整理出來的第一手心得。Letta 的部分是研究，我的系統是真的每天在跑。

—

先解釋一個詞：harness

harness 指的是 AI agent 執行的那個骨架，或者說環境。它有哪些工具、指令怎麼觸發、資訊怎麼組裝後餵給模型，這一整套都是 harness。

以我來說，Claude Code 就是我的 harness。

一個 agent 表現好不好，不是只看模型多聰明，也看這個 harness 怎麼設計。同一個模型，放在設計好的 harness 裡，跟放在陽春的 harness 裡，差很多。

—

Letta Mods 做了什麼

Letta 這次發布的 Mods，是讓 agent 自己改這個 harness。加工具、加指令、改資訊怎麼餵給模型，agent 自己動手改自己跑的環境。

他們用了一個很精準的說法：harness-as-memory。

意思是，agent 不只學「它知道什麼」，還學「它在什麼環境裡跑」。這兩個都能進化。

補充一個背景：Letta 就是當年做 MemGPT 的那群人，出自 UC Berkeley，做 AI 記憶是他們的老本行。所以這不是隨便一家公司喊的概念。

—

老實說，這是突破還是包裝

我研究東西的習慣是把公司自己講的跟事實分開，尤其是產品發布文，最容易把小改良講成革命。

Letta 這篇，核心概念不是新的，而且他們自己大方承認。文章裡直接寫 Mods 的靈感來自 Pi 的擴充系統，還引用了 Meta-Harness 的研究。Claude Code 本來也早就有 hooks、skills、MCP 這些能改 harness 的東西。

真正比較新的只有兩點。一是 agent-first，讓 agent 自己寫這些擴充，而不是工程師寫。二是 mod learning，agent 針對一個目標行為，自動生成一個測試環境，再把擴充優化到行為穩定為止。

所以我的判斷是：方向是真的，大公司都在往這走，但這篇是把一個已經存在的研究方向，包成 Letta 的功能。值得看的是那套自動優化的機制，不是「agent 能改自己」這個標題。

—

重點：這就是我手工在做的事

Letta 講的兩條軸，我在 Claude Code 上都有。

第一條，context 學習。我有一套分層的指令跟記憶系統，從最上層每次都載入的硬規則，到按需才叫出來的工作流程，到我自己邊做邊記下來的學習筆記。這些就是 Letta 講的 learned context，agent 讀它、遵守它、用它。

我甚至今天還在重構這套東西，把幾份肥大的規則檔壓縮成精簡的速記加完整版兩層，規則本體一條都沒丟，但每次載入的成本降下來了。這就是在優化 context。

第二條，harness 學習。每次我調整系統自動執行的機制，那就是在改 harness。

還有一個巧合，Letta 文章裡舉的頭號範例，是教 agent「用維基百科式的雙括號 path 格式標註記憶來源」。而我的記憶系統，早就在用雙括號連結不同的記憶檔。看到那個範例的時候我笑了，因為那是我每天在用的寫法。

—

但這篇也照出我系統的一個失衡

這才是研究這篇文章最有價值的地方，它讓我看到自己的盲點。

我盤了一下：我的系統幾乎全部是 context，harness 那層只有一個自動同步的機制。也就是說，我把幾乎所有的規矩都寫成「文字規則」，靠 agent 每次主動想起來去遵守。

這有一個致命的失效模式。

我踩過一個很具體的坑：有一條規則我寫得清清楚楚，甚至寫了不只一次，但實際執行時還是反覆漏掉。因為它是 context，本質上是「靠記憶」。而記憶會漏。

Letta 這篇點醒我的是：這種反覆失效的規則，光把規則寫得更詳細，沒有用。那是在同一層裡打轉。

真正的解法是換層，把它從 context 搬到 harness。做成一個系統會自動執行的機制，在 Claude Code 就是 hook。這樣它不靠我想起來，該發生的時候就會發生。

一句話總結：反覆失效的規則，不要再加字，要換層。

—

給也在搞這塊的人

如果你也在調教自己的 AI 工具，這個 context 對 harness 的分法，是一把很好用的尺。

拿它盤你做過的每一個改進：這是改它知道什麼，還是改它執行的環境。

然後看你反覆失效的問題，卡在哪一層。如果你一直在寫規則、改提示詞，問題卻一直回來，那你很可能是在 context 層修一個 harness 層的病。

換層，比加字有效。