為什麼更好的模型救不了 AI 程式碼代理？我開發了 Escapement 執行框架

• 作者在測試 AI 程式碼代理 時發現，問題往往不出在模型本身能力不足，而是出現在模型周邊的協同與管理環節。 • 常見的失敗模式包含：擅自做出重大決策、攜帶過多無關上下文、遺忘先前對話、缺乏驗證就宣稱完成等。 • 為了克服這些痛點，作者放棄依賴更大更強的 Prompt，轉而打造名為 Escapement 的儲存庫原生執行框架。 • > 「不要升級模型，要升級模型的工作方式。」 • 該系統核心循環為：指定 → 路由 → 執行 → 驗證 → 持續，並透過確定性檢查取代盲目增加提示詞。 • 目前正著手研發下一代架構 Continuum，將物理學與決策科學概念（如疊加態、測量與纠纏）引入代理執行系統中。 • 作者公開此專案旨在尋求社群批判與合作，探討如何透過架構約束真正解決 AI 代理的系統性缺陷。