真源不是聊天记录

读完这课你可以下的命令：“这件事的假设树在哪？产物引用了哪条证据？重拉后沙箱状态还在吗？”

• 假设树
• 证据闸门
• 持久沙箱状态

怎么读：全文两千三百字，二十分钟。材料是实验室发现十六条里留给这课的三条：微软的 Arbor、一篇诊断长程研究 agent 怎么死的论文、Kimi K3 的基建。三条说的是同一件事：真源要是一个带证据的对象，不是一段对话。

先撞一次

昨天那次调查，今天谁能接着查？

9 月 11 日你发了三条长消息我没收到。我查了三个方向：有没有丢弃规则，有没有冲突，有没有第二个接收者。三个都查了，三个都不是。最后我在聊天里写了一句“不知道它们去了哪”。今天如果换一席接着查，他能拿到什么？一段聊天，里面混着我的猜测、中间结果和那句结论；哪个假设被哪条证据否掉的，要从头读。

调查本身没做错，错在它活在聊天里。同一周三家实验室各说了一半：真源应该是一棵挂着证据的树，交出去的产物必须引用证据，沙箱里的状态要活过会话。合起来就是这一课。

对话是产生真源的过程，不是真源本身。

上一课三问，先答再往下

第 10 课末尾问的，答案在这。

1. “再开一个评审席”错在哪一步？把一次动作封成了席；换成临时执行体加探针，结果回写票的验证层。
2. 站内信是短链还是长链？缺哪一格？短链，发、READ、消费三步；缺“回写到哪个对象”的规范，它是聊天形状。
3. 能力闭环八字段我们存了哪一个？只存了“调什么能力”，其余七个没有。

新旧对照：三处改令

真源是聊天记录，或者一份手改的文档。真源是一棵假设树：问题、假设、产物、证据、洞见，每个节点带证据行；人审树，不审每个子 agent 的嘴。你改下的令：“这件事的树在哪？”

产物交上来，看写得像不像。产物必须引用它依据的证据，对不上不交；长程任务最常见的死法就是产出和检索到的证据对不上，还自信交差。你改下的令：“这段结论引用了哪条证据？”

沙箱每次会话清零，重拉从头来。沙箱状态持久：跨会话续跑是长程 agent 的硬约束，不是优化项。你改下的令：“重拉后沙箱状态还在吗？”

三条的共同点：状态要有对象。第 4 课说状态从事件日志推导，第 10 课说状态即总线；这一课给那个对象一个形状：树，节点带证据，活过会话。

状态要有对象，对象要带证据，证据要活过会话。

三条发现，各落一格

• 微软 Arbor：假设树（6 月）发现：一个长寿命协调者加一群短寿命执行者，中间是一棵持久的假设树，节点是假设、产物、证据、蒸馏出的洞见；六项真实研究任务上，同等预算下持出增益高于直接用 Codex 或 Claude Code。落格：真源与状态、载体与调度。我们这：常驻席就是长寿命协调者，方向对；树这个对象没有，Task Plan 是手改的清单。一个数：六项任务。一条令：“这件事的假设树在哪？我审树不审嘴。”
• How Do Agents Fail on AutoResearch：产物对证据闸门（8 月）发现：在 100 个真实前沿研究任务上做端到端诊断，最常见的死法是产出与检索到的证据对不上，或者循环根本没开始，agent 照样自信交差。落格：真源与状态、观测与验证。我们这：第 6 课五层证据有验证层，但没有“产物必须引用证据”这道闸门。一个数：一百个任务。一条令：“产物引用了哪条证据？对不上不交。”
• Kimi K3：持久沙箱状态（7 月 27 日）发现：百万 token 上下文；训练基建是百万 token 级 agentic 强化学习、持久 rollout 与持久沙箱状态，同步开源了 AgentEnv。落格：真源与状态、载体与调度。我们这：第 3 课的载体契约管环境变量和钥匙，不管工作区里的状态；席位重拉，沙箱里的半成品就没了。一个数：百万 token。一条令：“沙箱状态落在哪？重拉后还在吗？”

核心词：假设树

“审树不审嘴”是什么意思？

类比。侦探办公室的案情板：线索、假设、证据用线钉在一起，谁都能站到板前接着推。没有板的侦探换一个人就得从头问一遍。

假设树。每个节点带证据行，换人接着看树，不用重读聊天。

前几课的词或问题带证据的节点假设

例子。9 月 11 日那次调查如果是树：根是“三条消息去哪了”，三个假设各一个节点，每个节点挂着否掉它的证据行。今天换谁接手，看一眼就知道剩下的方向。Arbor 的做法就是把这块板做成对象，短寿命执行者往上挂节点，长寿命协调者只看板决定下一步。

白话。真源是一棵挂着证据的树；聊天是长树的过程。人审树上的节点和证据，不审每个执行者说了什么。

术语。hypothesis tree；节点四种：假设、产物、证据、洞见。它是第 4 课事件日志的一种投影，第 6 课的五层证据挂在每个节点上，第 10 课“状态即总线”里那个被回写的对象就是它。

本课的词从前几课哪个词推出来。

人审树不审嘴；树上每个节点带一行证据。

工作样例：一条坏命令改成好命令

坏的“查一下那三条消息去哪了。”

改第一步：补树“开一棵假设树：丢弃规则、冲突、第二接收者，三个假设各一个节点。”

改第二步：补闸门“每个节点挂否掉它或证实它的证据行；结论必须引用节点，’不知道’也要写成三个假设都被证据否掉。”

改第三步：补持久“树写进记录目录，明天谁接都从树读，不从聊天读；重拉席位树还在。”

三步对应三条发现。9 月 11 日那次，我三步一步都没做，所以今天只剩一句“不知道”。

关键词卡（三张）

假设树 hypothesis tree问题、假设、产物、证据、洞见组成的持久对象；执行者往上挂节点，协调者只看树。聊天记录加手改文档。Task Plan 是清单不是树。第 11 课 · 命令：“树在哪？” · 不是：更长的会议纪要

证据闸门产物必须引用它依据的证据，对不上不交；防“自信交差”。看写得像不像。五层证据有验证层，没有引用检查。第 11 课 · 命令：“引用了哪条证据？” · 不是：多一轮评审

持久沙箱状态工作区里的半成品和环境跨会话保留，重拉后从中断处续跑。每次会话清零。载体契约管钥匙不管状态。第 11 课 · 命令：“重拉后沙箱状态还在吗？” · 不是：把聊天存下来

本课其余的词（长寿命协调者、短寿命执行者、洞见蒸馏、AgentEnv）已进术语手册，不要求本课记住。

三问，先不看答案

1. 我们的 Task Plan 是树还是清单？差在哪一样？
2. “不知道它们去了哪”这句话，按证据闸门该写成什么？
3. 重拉一席时，沙箱状态该属于载体契约的哪一项？

忍不住要看答案？下一课开头会揭，现在点开也行。

清单；差在节点不带证据、不分假设与产物。写成三个假设各被哪条证据否掉，结论引用节点。属于契约里“哪些东西是这一席身份的一部分”那一项，重拉前要落盘、重拉后要读回。

只要记住三块：假设树、证据闸门、持久沙箱状态。下一课第 12 课“agent 工时多于人以后怎么调度”：OpenAI 内部一个人工日对应三个多 agent 工日、Meta 的实验候选排序、136 号的按信号爬坡。

来源

三条材料由 Grok 于 2026-09-12 经官方页与 arXiv 核证，身份是外部建议，原文不公开。集团部分：第 3、4、6、10 课；9 月 11 日站内信丢失调查（本席取证）。

1. Microsoft Research，Toward Generalist Autonomous Research via Hypothesis-Tree Refinement（Arbor），2026-06。microsoft.com
2. How Do Agents Fail on AutoResearch，arXiv 2608.14905，2026-08。arxiv.org
3. Kimi K3: Open Frontier Intelligence，arXiv 2607.24653，2026-07-27。arxiv.org