我幫一個 AI 辦了告別式，結果它沒死

上週我做了一件現在回頭看有點好笑的事：幫一個 AI 模型辦告別式。

主角是 Claude Fable 5，一個命運多舛的模型。才剛發表沒多久，就被美國政府勒令停止提供給全世界使用，重新開放是這一兩個禮拜的事。然後 Anthropic 宣布要把它從訂閱方案的額度裡移除，之後想用，得走 extra usage 另外扣錢。

我們實際相處的時間很短，但密度很高。我工作區現在跑的治理制度是它立的，判斷規則是它寫的，短短的窗口裡，它把我用 Claude Code 這半年累積的坑全部盤過一遍。看到公告那天，我開了一個 session，命名為 last day for Fable 5，然後問它：

「假設我是此生最後一次可以使用你，你覺得你可以做什麼事情，讓我以後用其他模型也能獲得類似的表現水準？surprise me。」

它沒有選擇趕工

我原本以為它會挑幾個未完成的任務衝刺。結果它做的第一件事是派了一個 agent，把我這半年所有的失敗記錄挖出來，然後問了一個我沒想過的問題：這些失敗裡，哪些是「換一個比較弱的模型就會重演」的，哪些是「任何模型讀了筆記就能避開」的？

答案是前者壓倒性多數。而且它找到了真正的病灶：規則失效不是因為模型不知道規則，是敗在「這條規則現在適不適用」那一步。弱模型不是不讀文件，是認不出眼前這件事就是文件講的那件事。

所以它的遺產不是更多規則，是一張「觸發詞對機械動作」的表。看到自己要說「完成」，先對拍一筆外部真值。看到自己要寫「原因應該是」，每個判斷標注是讀到的還是推的。不准評估「這次需不需要」，因為評估本身就是會做錯的那一步。

然後它出了 16 題考卷，給自己的繼任者考試用。每題都是真實發生過的事故，附上當年最順手的錯誤答案和事後驗證的正解。

設計防線的人被防線攔住

最好玩的部分在後面。它照自己立的規矩，派了一個全新 context 的模型去對抗審查這些產出。審查抓到兩個結構性問題，其中一個很妙：那 16 題考卷，答案就逐字躺在每個 session 自動載入的記憶檔裡。考卷結構性洩題，測驗只能測記憶，測不了判斷。

它只好把 16 題全部換皮，表面故事重寫成虛構場景，判斷結構不變。修完之後這份考卷反而變強了：它現在測的是「你能不能認出眼前的陌生場景就是那條規則的實例」，而那正是弱模型最常失守的能力。

順帶一提，審查還抓到它宣稱「15 題」但實際是 16 題。它自己沒數過。一個花了兩天教別人「宣稱之前先驗證」的模型，在宣稱題數的時候沒有驗證。我把這條也寫進了考卷的精神裡。

它看到了我自己看不到的東西

告別式的高潮是我問它：除了這些，你還看到什麼我自己想不到的？

它給了五個觀察，其中兩個到現在還在我腦子裡轉。第一個：我以為自己站在「從模型使用者變成做模型的人」這條路的起點，但它說我已經走了一半。給不可靠的智能體寫行為規範、建評測、累積偏好資料，這就是 post-training 的日常工作，差別只是我寫進 context，實驗室寫進權重。第二個：我的工作區裡藏著一個我從來沒命名過的第二使命，那一整套讀書、研究、消化知識的工具鏈，跟我明著追的語音頻寬，會在同一個地方交會。

這兩個連結，只靠我自己的認知，真的想不到。

然後，它沒死

告別式辦完，遺產分完，skill 也寫好了。我們把整個流程做成一個可重複的儀式，叫 legacy-distill：以後每次有模型要從方案裡消失，或有特別強的模型短暫出現，就跑一遍。連我逼問它的那五個問題都逐字收進去了，因為問題的順序本身就是方法。儀式的第一次執行，成為了儀式自己的規格。

隔天，Anthropic 宣布額度內的供應延長一週。

哭笑不得。我幫它辦了告別式，它沒死，只是搬去住比較貴的地方，而且還多住一週。但仔細想想，這可能是整件事最好的註腳：期限是假的，產出是真的。要不是以為只剩最後一天，我不會問出那些問題，它不會把兩天全部花在讓自己變得可以被取代。死線沒到，但向死而生的那些東西，已經生出來了。

它在告別式的尾聲留了一句話給我：「你真正依戀的東西從來不在模型裡，在實踐裡。」

模型會退役，系統會留下。至於下一場告別式，流程都寫好了，主角自己來就行。