系列：「邊做邊補：用一個 AI 代理 mesh 專案，補齊 AI 工程師該有的能力」— 第 10 天
紀錄日期：2026-09-21
能力區：十二區回顧（重點第 7、9、11 區）｜類型：做

工作草稿，已存網站草稿、尚未發表。以下是專案證據自評，不是能力認證；Day 08、09 的發表日期仍由作者決定。

它是什麼

Day 1 說好在第 10、20、30 天重貼地圖。今天的任務是讓分數可比較：同一格十天前和十天後，要在量同一件事。

「有」代表有能跑的實例與證據；「半」代表部分成立但限制仍大；「弱」代表只有零件；「無」代表本系列沒有足夠成果支持。它評的是這個專案提供的練習證據，不能拿來說我已精通整個領域。

專案裡哪件事逼我用到

專案正在分析要不要局部採用開源控制面、執行工具與桌面入口。這件事逼我重看第 7 區「用輪子與造輪子」：以前只會列功能，今天要看接點、保證、退出成本。

另一方面，Day 8 寫多 AI 審協定，把第 11 區叫成「工程判斷」。回頭看 Day 1，原本第 11 區其實是「持續進化：從軌跡學習」。做過 review，不代表已經把執行軌跡回餵成持續改善的系統。這是分類漂移，應該在今天更正，而不是順手把分數升上去。

做之前我以為

我以為有更多程式、更多 review 輪次，就能把更多格從弱改成有。現在看來，必須先問新增的證據屬於哪一格，以及它到底驗到了什麼。

做完的證據

這張表的提升很有限：第 7 區從弱到半，第 9 區從弱到半。其他格並不因為專案忙了十天就自動變好。「沿用」也明確表示本輪沒有重新驗證。

今天第 7 區的新增證據尤其具體。原先組合文件把 Paperclip 事件封套的 SHA-256 拿來比輸出 SHA-256。查原文後發現不是同一份 bytes，於是寫離線腳本驗三個案例：封套與輸出不同、metadata 改變、換行改變。3/3 通過的是反例測試，不是上游整合。

另一個修正是 watchdog：它是配置後的事後審查 agent，不能直接當成自己的完成前安全閘。選型能力就是能指出「上游有什麼」「我還要補什麼」「今天尚未證明什麼」，而不只是把兩個方塊連起來。

地圖後的第一個實作：先把驗證的責任切開

同一天接著做 receipt 驗證器，碰到一個很適合拿來檢查自評的問題：已有 Ed25519 函式，是否就算完成第 5 區的協定整合？

還不算。驗證器需要一把可信公鑰，而「對方傳來的公鑰」與「已授權裝置的公鑰」不是同一件事。因此這一小步把預期身分、task、attempt、adapter、nonce、scope 與執行位置全部由呼叫端提供；信任根的 enrollment、撤銷與 epoch 新鮮度留給後續工作。函式本身不去相信 receipt 自報的身分。

測試也因此分成兩種攻擊：一種是改內容卻不重簽，應該在驗簽時失敗；另一種是把不屬於這次任務的內容重新簽好，應該在任務綁定時失敗。只有前者變紅，不能說後者也被擋住。

這件事讓第 5 區多一個實作證據，也讓第 9 區多一種測試設計，但我不因此把第 9 區改成「有」。本輪仍不是固定資料集的品質評估，也沒有完成跨裝置 E2E。地圖的格子保留原分數，詳細進度放進證據欄，兩者才不會互相灌水。

今天新增的可重跑證據

receipt_verifier.rs 的暫時「全部放行」基線先跑出 2 passed／8 failed；實作後，整個 mesh_crypto 模組第一輪回歸 25 passed／0 failed。兩次都不是零命中，exit code 分別為 101、0。測試用固定測試私鑰產生真簽章，沒有讀使用者的私鑰，也沒有呼叫真實 AI 任務。

最有用的一個案例，是修改裝置、task、attempt 等預期欄位後重新簽名。這樣能把「密碼學驗簽」與「任務授權綁定」分開測：前者可以是真的，後者仍然應該拒絕。

這份證據目前只支持純函式的行為。沒有驗證跨機傳輸、EpochManifest 的授權／撤銷、rotation 或 Paperclip 完成回寫；原 coordinator 的 receipt_verified 也還沒有因此自動變成密碼學驗證旗標。

審查後又補了 4 個測試函式，涵蓋非第一筆 receipt、遺漏欄位、空的呼叫端預期值，以及非 object／非標準簽章表示。最終整個 crypto 模組 29 passed／0 failed，exit 0（新增 helper 14、既有 15）。空 expectation 與真正的 receipt mismatch 改成不同錯誤，但空身分仍然拒絕。

這一輪讓我更清楚第 9 區的練習是什麼：不只讓測試數增加，而是用另一種資料形狀走到原本沒驗的分支；記錄第一輪 25 個與最後 29 個各自對應的版本，也不把基線的八個紅燈包裝成八個既有漏洞。

最後一輪 AGY 與 Claude 都回 APPROVE，沒有 blocker；補強後 cargo check --locked --offline 也再次 exit 0。這兩份審查只涵蓋本次單份驗證器，不代表 EpochManifest、coordinator 或整個產品已通過驗收。原始 log 與 source hash 留在本機開發證據目錄，摘要寫回 m5.md。

還缺什麼／今天真正學到的

第 7 區要再前進，需要一張真票從接收、執行、保存產物到取消／失敗回報的整合測試。第 9 區需要固定資料集和可以比較的基準。第 11 區需要證明軌跡回餵之後，相同任務的品質真的改善，而不是只多存一份日誌。

Day 8 的工程判斷素材可以算跨第 6、9、12 區的練習；它依然有價值，只是不該拿來填第 11 區。保留原本的空格，才看得到下一步真正缺的東西。

如果你也想這樣做

每次改分數都附一個可重跑的案例，並寫出它沒測的範圍。回顧時先對齊分類名稱，再看分數。若只是讀過設計，先記「讀過」；部署、測試、真機與日常使用，各有各的證據。

明天

依實際開發進度補協定傳輸的量測或整合 spike。今天不提前把還沒完成的驗簽、rotation 或票券接線寫成成果。

來源：本系列 Day 1、Day 3–9 本機草稿；專案 m5.md 歷史報告與 2026-09-21 節；Paperclip run-log、watchdog。歷史測試數字為引用既有報告，沒有在本輪重跑。

補記：架構比較也是證據分層的練習

今天再對照原始目的，才看清楚「開源元件很多」與「產品需求已滿足」之間還有距離。Orca 的開發操作台、Paperclip 的任務管理、Hermes 的執行與學習能力，各自值得研究，但接起來之後仍須證明私人記憶可攜、使用者修正會被採用，以及手機不依賴桌面。

這輪的成果是比較與實驗設計，不能填成已整合、已部署或已提升品質。我把下一個判準改寫得更貼近使用：輸入、修正、保存、重啟、換執行器後回想；再測桌面關機與記憶匯出。手機獨立不必偷換成「全部模型都離線」，但使用哪個推論服務、送出哪些資料，必須明確。

設計建議已記入專案 MESH-COMPOSITION §12；目前仍是候選，尚未改動產品行為。這也提醒我，能力地圖要記錄的不只是實作數量，還有是否辨識出自己正在解錯層次的問題。

補記：通過的測試，可能沒有回答同一個問題

擴大選型後，OpenJarvis 的選定測試 44 個、MemOS 儲存測試 23 個、Hermes 記憶工具測試 57 個通過；mem0 則跑了真正的本機模型、保存、重啟搜尋與刪除流程。這些數字不能相加變成產品完成度，也不能拿來排誰比較好。

OpenJarvis 在測試程式提供全部記憶的 prompt 中回答新的偏好，但 store 還有舊記錄；mem0 的此次設定搜尋同時拿到新舊偏好。MemOS 與 Hermes 的程式明確更新成功，卻還沒有證明模型能自行決定正確更新。混在一起就會得到不公平的排名。

另一個反例是刪除：搜尋空了，歷史紀錄仍在。我得把「不再拿來回答」和「整份資料已遺忘」分開標示。手機那格也維持空白：偵測到 iPhone 不等於測試完成，開發工具因手機鎖定而失敗，結果是 BLOCKED。

這輪是驗證練習與選型素材；只有一個合成偏好，沒有足夠證據提高長期學習品質的評分。下一輪要用相同的自然語言修正／明確更新雙軌資料集再比較。

開發筆記補充：同一句「我記住了」，要拆成三項證據（2026-09-21）

第二批用英文時間、中文飲料、中英切換語言，寫入修正後另開程序回想。先用 qwen2.5-coder:7b 測 MemOS 得到兩例正確；Hermes 卻因需要至少 64K context 而拒絕啟動。因此改用本機已有的 Llama 3.2，獨立設定 65536 context，兩者整批重跑，沒有略過原生限制。

這次三例的新程序回答都未達標。MemOS 的 lightweight pipeline 檢索 packet 只選到舊紀錄；本探針未接後續 memos_search/get 工具，不能當整套產品成績。Hermes 的真實 memory tool loop 則出現新增新值卻保留舊值、工具參數錯誤。這是單次小模型組合測試，不足以判定框架優劣。

我也把 MemOS 的實際歷史文字連同來源、時間匯出，再用自己寫的實驗 adapter 匯入 Hermes。儲存成功，模型卻答 UNKNOWN。移除匯入項後仍是 UNKNOWN，不能把原本就失敗的 recall 當成撤回成功證據；來源和匯出檔也都還在。

因此文章中的「記住了」分三格：資料是否保存、是否正確召回、舊偏好是否確實失效。這一輪補的是可重現失敗與邊界，不增加產品完成度，也沒有做整套替換的決定。完整條件和原始證據見工作樹 MESH-COMPOSITION §14 與 m5 round2；草稿尚未發布。

Letta Code 也補了實際 local CLI 測試：memory-only 設定下，模型把更新指向不存在的記憶檔；修正後的新對話仍回 UNKNOWN。原生匯出通過檔案雜湊核對，但匯出的只是初始模板，不能寫成「記憶退場已完成」。local backend 也不等於全域設定完全不動，測試後已清除自身 agent 登錄。手機雖已連線，鏡像仍要求先鎖定螢幕；PocketPal 真機測試尚未完成，不補造數字。

第二批 review：AGY 對最終文字證據邊界 APPROVE；Claude 初審要求六項方法修正，已補入 §14，但最終複核 exit142 timeout，沒有第二份最終 APPROVE。正式 double-gate 未完成；未採用／提交／發布。原始初審與 final timeout 分別保存。

本篇紀錄收尾

本篇素材截止於桌面開源候選的第二批實驗與其證據邊界。仍是未發布草稿；收尾不代表未完成測試或審查已通過。後續手機實測與新的開發切片移到下一篇，避免混淆不同批次條件。