大模型能力邊界與系統級持續演化

大模型已經把自己變成了可靠的能力基座：語意理解、程式碼與方案生成、多步推理、工具與函式呼叫——它足以支撐「提出問題即產出候選」的互動形態。但基座越強，越容易掩蓋一個工程事實：模型負責生成可能性，閉環必須由系統承擔。本頁要論證的正是這條能力邊界，以及為什麼持續演化是一項系統級責任，而不是模型能力的自然延伸。

一、模型側已經勝任的部分

• 語意理解：把模糊需求解析成可執行的問題描述，並識別其中隱含的約束與目標。
• 生成能力：在數分鐘內產出程式碼、配置、方案與解釋，並能在同一輪對話內自我修訂。
• 多步推理：完成任務分解、鏈式推導與取捨說明，天然具備「提出候選並解釋理由」的輸出形態。
• 工具呼叫：透過函式呼叫觸發檢索、計算與外部介面，把語言輸出接到真實動作上。

這四點合起來意味著「候選的產生」已經近乎免費。真正稀缺的資源不是候選的數量，而是對候選施加選擇壓力的機制。

二、結構性缺口：單次會話無法閉環

• 會話內狀態易失：上下文一旦耗盡，跨任務的記憶隨之斷裂，上一輪學到的教訓無法自動進入下一輪。
• 真值缺位：模型無法自主定義「什麼算對」，也無法給出獨立於自身輸出的評價標準。
• 實驗調度缺位：批次基準測試、統計顯著性檢驗、約束合規判定，以及高成本真實環境的執行，都不在模型的控制範圍內。

結論很清晰：模型無法在單次會話或單次任務內獨立完成候選產生—環境檢驗—結果沉澱的閉環。這不是能力不夠，而是職責本來就不在模型身上。

三、系統側必須補位的四類工作

1. 候選的產生與變異：組織模型輸出，主動擴大並結構化搜尋空間。
2. 環境的建構與呼叫：搭建可重複執行的實驗環境，負責調度、執行與驗收。
3. 評價與篩選：定義真值與評價器，完成排序、篩選與顯著性判斷。
4. 沉澱與複用：把成功結果與失敗經驗寫入長期記憶，成為下一次任務的起點。

分工原則只有一句：模型負責生成可能性，系統負責施加選擇壓力並保留歷史。二者不可互相替代——沒有模型，系統就沒有可篩選的多樣性；沒有系統，模型只能一次次歸零。

四、判準轉換：從「單次輸出多好」到「改進能否累積」

衡量一個系統是否真正在演化，標準不應是「單次輸出有多好」，而應是「改進能否跨任務、跨 Agent 週期累積」。一次驚豔但無法被繼承的輸出，本質上仍是一次性消耗。當每一次任務的產出都被固化為可複用的工程資產——程式碼、配置、評價器、失敗案例集——後續任務的起點就高於前一次，這就是專案級持續演化。EvoX 的實踐給出了一個穩定可靠的工程沉澱範式：跨越 Agent 與任務週期，把經驗固化為資產，而不是留在對話記錄裡。

最後劃一條與相鄰主題的界線：本頁只論證「為什麼需要系統級持續演化」，不展開演算法自身的雙層演化機制（見後續 MetaDE 相關內容）。