AI 能像实习生一样,自己越用越聪明吗? Hermes Agent 主打「the agent that grows with you」——像个会自己成长的实习生。我把这句话当真了:模型一个权重都不动,全靠它自己攒 skill,真能越用越聪明吗?答案有点反直觉——一条人写的好 skill 能让同一个模型从 10% 的做对率涨到 74%,但让它自己写一条,连一半差距都补不上。 每次提交只写 2 个文件:lakeFS 是怎么给数据湖装上 Git 的 ETL 写坏了几万个 parquet 文件,你打开 S3 桶却发现——没有 commit、没有回滚,被覆盖的对象永远找不回来了。这篇文章拆开 lakeFS Graveler 的设计:一棵两层 Merkle 树加上基于哈希的分块,如何让十亿文件规模的每次提交只写 2 个新文件、99% 的内容原地复用——以及它和区块链共享了同一套数学,目标却截然相反。 OpenClaw 还不是答案:写在一周烧完 3 亿 Token 后 深度体验 OpenClaw 一周、烧完 3 亿 Token 后的结论:问题不是 AI 不够聪明,而是纯自然语言交互在执行型任务中存在根本缺陷。用四种交互模式分析「谁来消化歧义」这个核心问题。