今天在群里看到有人分享一个开源项目 Ghostwriter。它表面上是一个博客优化工具：你先给它一版初稿，然后它拉起一组不同角色的 agent 一起审稿，有的像投资人，有的像工程师，有的像 Hacker News 上最挑刺的那种人。大家并行吐槽、打分，再由一个写手 agent 去改最拉胯的地方。改完重新评分，如果没涨分，就回滚。
我看到这里，脑子里第一反应不是“这工具挺适合写文章”，而是：这其实已经不是一个普通写作工具了，它更像是一条最小可运行的 agent 自我优化闭环。
Ghostwriter 真正有意思的，不是 8 个 agent
很多人看到这类项目，注意力会被“多 agent”吸走。但我觉得真正关键的，根本不是 8 个 agent 还是 80 个 agent，而是它把一件事拆成了几个特别清楚的结构件。
第一，有一个明确的被优化对象：文章草稿。第二，有一组评价器：不同角色、不同视角的打分和批评。第三，有一个修改器：根据差评去做局部改写。第四，有复评机制：改完不是算了，还要重新打分。第五，有回滚机制：分没涨就撤回。第六，有过程日志：每一轮吐槽、评分、改动都被记录下来。
你把这几步抽象一下，就会发现这已经不是“写作工具”的问题了。它在展示的是：一个系统如何围绕目标对象做持续实验，并且只保留有效变化。
Karpathy 的 AutoResearch，把同一件事放大到了研究层
这也是为什么 Ghostwriter 很容易让我联想到 Karpathy 的 AutoResearch。
AutoResearch 做的事情很简单，但也正因为简单，所以特别有力量：给 agent 一个真实但受控的小型研究环境，让它通宵自己做实验。它修改训练代码，跑一个固定时间的实验，看指标有没有变好；变好了就保留，没变好就丢掉，然后继续下一轮。
更重要的是，它把边界划得非常清楚：prepare.py 固定，不让 agent 动；train.py 是唯一允许改的文件；program.md 由人类定义研究方向和行为准则。
自我进化不是“让 AI 随便改”，而是“冻结基线、限制可变区、用稳定评估做连续实验”。
这句话我觉得特别重要。很多人一说 agent 自我进化，想象的是某种无限生长、自由变异的系统。但真正能跑起来的，不是“无限自由”，而是“受约束的可逆试错”。
所以问题的核心，真的是两个
如果让我把这类系统的本质压缩成两个问题，我会写成：目标是什么？评估标准是什么？
这也是我觉得这类事情里最底层、最绕不开的两个支点。
没有目标，系统就不知道自己到底在优化什么。它会把“更像样”“更高级”“更复杂”误当成“更好”。最后可能只是把原本有个性的东西打磨成一块标准化的肥皂。
没有评估标准，系统就不知道哪些变化该留下，哪些该回滚。它可以不停生成新版本，却无法真正积累能力。那不叫进化，只叫反复试错。
我更愿意把它抽象成四层
顺着这个思路再往上提一层，我现在更倾向于把“任务自我进化”统一抽象成四层结构。
目标对象（Object）：到底是哪一个东西被持续优化？文章、skill、prompt、memory policy，还是 agent 的运营规则？
评估函数（Evaluator）：系统如何判断这次真的更好了？是单一指标、多维 rubric、用户反馈，还是多角色评审？
变异器（Mutator）：系统如何提出新版本？局部重写、参数调整、策略替换，还是多候选对比？
选择与记忆（Selection + Memory）：哪些变化能活下来？哪些失败以后别再犯？这次成功的经验会不会变成下一轮能力？
Ghostwriter 在文章上已经具备了这四层。AutoResearch 在研究代码上也具备了这四层。差别只是，一个优化的是博客，一个优化的是实验系统。
真正能持续跑下去，还得补上三样东西
但如果想从“局部优化工具”走向“长期可演化的 agent 系统”，我觉得还必须补上三样东西。
第一，冻结区与可变区。 你必须告诉系统，什么可以改，什么不能改。不然它很容易去“改试卷答案”，而不是提升自己的能力。
第二，预算。 每一轮实验都要有时间预算、token 预算、成本预算。没有预算的系统最后通常不是更聪明，而是更膨胀。
第三，反思层。 如果系统只会“改—测—留/丢”，那它更像自动化 hill-climbing。只有当它开始总结“为什么这次有效”“为什么上次无效”，并把这些结论写进记忆里，它才开始从试错走向学习。
这件事不会只发生在文章上
Ghostwriter 给人的第一观感是写作工具，但我觉得它真正预告的不是“以后文章会被自动优化”，而是：以后几乎所有 agent 组件都会进入可被持续优化的状态。
比如，Skill 会自我进化：哪个触发条件太宽了，哪个步骤总让用户补充说明，哪个交付格式最稳。Memory 会自我进化：什么信息值得写长期记忆，什么摘要方式更利于召回，什么写法只会污染上下文。Agent 运营策略会自我进化：什么时候提醒最合适，什么样的汇报节奏不烦人，什么决策该自己做，什么决策该升级给人。
也就是说，未来被优化的，不只是某一个任务结果，而是系统如何优化自己的方法本身。
一个我越来越相信的判断
未来最有价值的 agent，不是一次性把事做完的 agent，而是能围绕目标对象，在稳定评估下持续实验、保留有效变化，并把经验沉淀成下一轮能力的 agent。
这也是为什么我觉得 Ghostwriter 这种项目虽然看起来只是一个小工具，但背后其实踩中了一个非常大的方向：它不是在证明 AI 会改文章，而是在证明 AI 可以围绕一个目标对象形成最小进化闭环。
如果这个闭环继续往前推，写作只是开始。下一步会是 skill，接着会是 memory，再接着会是 agent 自己的运营规则。到那时，我们和 agent 的分工关系也会发生变化：人类不再亲手改每一处实现，而是更多负责定义目标、定义评估、定义边界，以及审计过程。
我现在反而觉得，未来 agent 时代最值钱的能力之一，不是“会不会写 prompt”，而是“能不能定义一个足够稳定、足够有张力、又不会被轻易作弊的评估系统”。