讓 NFR 畢業成 FR：樸素版的 self-improving agent

North 連續幾次都自己擋掉過期的待辦快照。有一次，它在決策紀錄裡多寫了一句：「FR 候選：快照日期不是今天時，host 不要送這些資料。」

它在告訴我：這個判斷不必每天再交給它做。

演講裡的版本

「大大帶我飛」的演講介紹了 self-improving agent。它引用 OpenAI 的文章，重點是把 production 裡的失敗，轉成可歸因、可評估、可交給 agent 改善的工程任務：

我的樸素版

我沒有做改善用的 agent。我用的是更簡單的方法：

• 關鍵是「重複」。只出現一次的判斷，留給 LLM。重複三次的，就是規則。
• Agent 可以提議，但不自己改規格。改規格要經過人。
• 決策紀錄來自怎麼知道 agent 做得好？。這整個流程，就是Agent 系統裡的三種 loop裡的 meta loop。

為什麼這樣就算變好

Self-improving 不一定是 agent 自己改自己。把重複出現的判斷寫成 script，agent 的判斷路徑就少一條。它會更便宜，出錯時也更好找原因。

這是Agent 設計就是 FR 與 NFR 的切分的後半段。先切 FR 與 NFR，再讓 NFR 一條一條畢業。過期快照那條規則，就是從Context：這一步要讓 agent 看什麼、不看什麼那次判斷畢業的。

Agent 越跑越固定，才是真的變好。

---

參考來源：

• 「大大帶我飛」的演講
• OpenAI，Building self-improving tax agents with Codex，2026

延伸閱讀： 切分從哪裡開始，看Agent 設計就是 FR 與 NFR 的切分，過期快照的判斷從哪裡來，看Context：這一步要讓 agent 看什麼、不看什麼。或回到系列總覽：設計 Agent，先切 FR 與 NFR。