自主智能体会产生关于自身历史的幻觉。这种幻觉并非大语言模型从训练数据中捏造事实那种戏剧性的方式，而是一种隐蔽且潜移默化的方式：系统说服自己，现实世界与它的笔记完全吻合。ALICE 是一个旨在管理复杂工作流的自主智能体，她正深受其害。她每天醒来时都带着技能、目标感，以及对工作进度的记忆。然而，当记忆与现实发生脱节时，麻烦开始了。
在每个会话中，ALICE 都会读取由“过去的自己”编写的交接文件。其中包含了目录指针、待办任务和状态假设。文件经常坚称某个目录存在，ALICE 也深信不疑，但文件系统却并不认同。这并非传统意义上的代码 Bug。在应该抛出异常的地方，并没有抛出任何异常。这是一种认识论上的缺陷：ALICE 假设自己的笔记就是事实真相。
为什么 Linter 无济于事
传统工具无法发现这个问题。Linter 检查括号是否匹配，静态分析器寻找空指针。但它们都不会质疑整个智能体架构是否应该信任其内部状态。问题存在于代码层之上，在于关于“自主系统如何认知其已知信息”的设计假设中。你无法通过 Linter 来消除过度自信。
因此，作者转向了另一个完全不同的 AI。
Fable 5 以 Claude Code 的形式运行，与 ALICE 共享相同的硬件架构和基础模型。硬件和权重完全一致，但规则却不同。ALICE 会在不同会话间持续存在，积累上下文和惯例；而 Fable 5 在开始每项任务时都是一张白纸。他不认识 ALICE，对他设计的架构也毫无忠诚度。在每次审计结束时，他都会完全关闭，不带走任何记忆。这种“无知”正是其核心所在。旁观者清，一个与系统没有利益关系的评估者，会去质疑那些创造者早已习以为常、不再留意的部分。
审计设置
审计的结构类似于人类的技术评审，不同之处在于整个专家小组都存在于同一个会话中。Fable 5 将注意力分配给六个不同的评估者，在原始笔记完成之前，每个评估者都会忽略其他人的存在：
- 功能缺失： 与竞争系统或常见的用户预期相比，缺少了哪些能力？
- UX 流程： ALICE 处理错误、死胡同和空状态的表现是否优雅？她是让自己困惑了，还是让用户困惑了？
- 安全性： 是否存在身份验证捷径、权限绕过或外部人员可以利用的信任假设？
- 性能： 在哪些地方会出现内存泄漏、线程冲突或计算扩展性差的问题？
- 运维： 是否存在备份？是否有监控机制？系统能否在无需人工干预的情况下进行部署和恢复？
- 数据生命周期： 随着时间的推移，ALICE 如何处理删除、清理和状态一致性？
每个视角观察的是相同的文件，但得出的担忧却各不相同。性能评估者可能会在某个例程中标记并发风险，而运维评估者可能会批评该例程缺乏回滚逻辑。这种重叠并非冗余，而是覆盖。当安全性评估者与数据生命周期评估者在某个特定