大多数 AI 系统还停留在“单次推理”形态。
任务来了重新规划，执行完毕即丢弃，成功经验从不沉淀。
真正面向长期运行的架构，得把“执行路径”变成资产。
核心是三层分离：
- 方法层：定义目标和策略
- 执行层：保存经过验证、可运行的代码或 Script
- 评估层：检测退化并触发修复
某条路径反复验证稳定后，就应该固化成 Script，后续默认走它。推理只在出问题时再介入。
这里有个值得关注的认知转变：
AI 时代真正需要长期打磨的“代码”，往往不是传统代码本身，而是 prompt、skill、方法描述这些东西。
传统代码反而更像执行介质，可以在策略约束下被持续生成、替换、修复。
维护重心也因此上移了。
过去是在“雕刻代码”，现在更像是在持续优化目标、约束与成功标准的表达方式。
系统不再是每次重新解题，而是在时间维度上真正积累能力。