Fable 5 自我進化 agent 是什麼？四層複合堆疊架構拆解（自我進化是系統的能力不是模型的能力）

最近看到一篇分析文章，講怎麼用 Fable 5 打造會自我進化的 AI agent。原始框架來自 X 上一個叫 0xCodez 的人，那份實作框架有380萬瀏覽，中文由鏈新聞 abmedia 整理，思路一樣是照 Karpathy 的 agent 食譜。

我研究了這篇，也順手核對了它對 Fable 5 的宣稱。這篇是研究跟拆解，不是我實作過這套系統。但裡面有一個觀點很值得記下來，也有一個數字講錯了。

—

核心觀點：進化的是系統不是模型

這篇最有價值的一句話是：自我進化是系統的能力，不是模型的能力。

意思是，Fable 5 的模型權重是固定的，你用一年它也不會變聰明。真正讓能力累積的，是模型外面那套會累積的系統。

它跟自我學習不一樣。自我學習是模型本身被重新訓練，這篇講的不是那個。這篇講的是，系統每次任務把學習寫進記憶、累積技能、跑評估迴圈修正，整套系統的表現隨時間變好。變強的是外部結構，不是模型。

自我進化 agent 的核心：自我進化是系統的能力不是模型的能力。模型權重固定，不會因使用而變強。能力成長來自外部系統，例如把學習寫進記憶檔、累積技能庫、跑評估迴圈。這跟自我學習不同，模型本身沒有被重新訓練。

—

四層複合堆疊

這套架構分四層，由下往上疊，每一層都依賴下面那層。

第一層是基礎。模型、分身、worktree、工具，這些是原生能力。

第二層是調度。用 /goal、工作流、排程來控制多步驟的循環。

第三層是記憶。用 STATE.md、技能庫、知識庫做跨 session 的持久累積。這一層是關鍵，沒有記憶，上面的進化無從累積。

第四層是自我進化。用視覺檢查、評估迴圈、規則萃取做持續的品質精修。

順序不能跳。想直接做第四層的自我進化，但沒有第三層記憶撐著，那些學習沒地方存，等於白進化。

自我進化 agent 四層複合堆疊，由下往上：基礎（模型、分身、worktree、工具）、調度（/goal、工作流、排程）、記憶（STATE.md、技能庫、知識庫）、自我進化（視覺檢查、評估迴圈、規則萃取）。每層依賴下一層，順序不能跳。

—

我核對出一個講錯的數字

研究這種分析文章，我會核對裡面的數字。這篇有一個定價宣稱是錯的。

文章說 Fable 5 的輸出成本是 Opus 4.8 的5倍。

我核對官方定價：Fable 5 是輸入每百萬 token 10美元、輸出50美元。Opus 4.8 是輸入5美元、輸出25美元。

算下來剛好是2倍，不是5倍。文章這個數字誇大了。

除了定價，文章還提到 Fable 5 加獨立驗證器比自我批評快6倍、記憶覆蓋率73%對17%這些效能宣稱。這些文章自己就註明是沒有同行審查的實驗數據，參考就好，不要當定論。

—

這套架構其實不新，你可能已經在做

研究完這套四層架構，我最大的感覺是：這不是什麼超前概念，而是把「一個會累積的 AI 工作系統」講清楚而已。

如果你有給你的 AI 一個記憶檔、有讓它把踩過的坑寫成下次會自動載入的規則、有一套固定的存檔流程，那你其實已經在跑第三層跟第四層了。

差別只在你沒有用「四層複合堆疊」這種詞彙包裝它。

研究別人的框架，價值不在照抄他的名詞，在對照自己已經有什麼、缺什麼。順便，別人文章裡的數字要自己核對過再引用，這篇的5倍就是個例子。