之前看到有人说，使用 Hermes 之类的 agent 帮助自己写小说，我很能理解为什么会有这种想法，这种带有自动化记忆系统、主打自动迭代成长的记忆强化 agent，听起来就像个人一样，如果能自己写东西，不就等于能自己越学越会，越写越聪明吗？
我也做过类似的尝试。从结果来说，我认为实际效果其实是完全相反。这种 agent 的机制与创意写作（例如写小说、写剧本）是完全矛盾，如果短期使用还好，长期使用你会发现，这东西基本是一架无法驾驭的马车，只能带你朝一个注定跌落的悬崖狂奔。
接下来我具体讲一下为什么：
1、语义偏移：
由于语言审美的高度复杂性，单个用户和模型之间几乎很难对齐。 例如用户认为的「语言自然」，和AI认为的「语言自然」，是完全不同的定义，写出的稿子可能是完全不一样的东西。
而一旦使用范例进行约束，又会导致模型多样性过度降低，「全往例子的方向去偏」。
在多模型共用时，Claude认为的自然，和GPT认为的自然，DeepSeek认为的自然，又是截然不同的风格。这种漂移加剧到彻底鸡同鸭讲的地步。
2、自动记忆机制导致不可靠规则灾难性增殖：
hermes之类Agent会根据用户日常的指示，自动化、半黑箱机制地提炼记忆、skill。
然而对于探索性极强，绝对重复性任务很少的创意写作来说，一次约束绝不等于次次都要约束，这一次能行不等于下一次能行，特别是对于小说的创作，要如何、不要如何，规则之间孰轻孰重，什么情况下要用什么规则，什么情况下又要开特例不遵循规则。
这种复杂的权衡博弈，即使对于用户自己来说，除非有极其长期的写作实践，否则都是很不明了的，却指望AI在短期凭用户一句话就提炼出层次分明的记忆或者规则，这种事当然是行不通的。
还有很多人会以为，只要不断地叠加规则、每次出错就纠正，让 AI 总结出经验，长此以往，AI不就积累出一本写作百科全书，在任何情况下都知道自己该怎么做了吗？
这么想的人，其实可以问一问以前用提示词进行写作的老手。当他们把提示词框架堆积到了一定的地步，规则细化到了一定的程度，甚至光是一篇提示词就能有上万字，比正文还要长的时候，写出来的东西会是怎样的？
答案是并不会怎么样，甚至可能写得更差。
AI 的注意力机制决定了，复杂提示词的边际收益会随着提示词负责性的增加越来越低。特别是在超长的写作项目中。像 Hermes 这样，每一次执行任务时，如果都加载海量的规则，有用的信息都会稀释在浩如烟海的规则之中，那就等同于没有规则。
所以，让AI自动生成记忆和方法论skill，等同于是还没有出门就先用规则绑住了手脚。 更何况，这些规则还是完全没有道理的规则。
联系上一条我们讲述的语义偏移，记忆会逐渐变得和用户意图完全偏离甚至相左，即便如此，在自动化记忆机制和迭代机制下，Agent会不断接收到用户的不满和纠正，认为需要增加更多规则，给现在的规则打更多的补丁，于是噪音般毫无价值的信息，以「规则」「记忆」条目的形式，病毒性地增殖，填满整个上下文。
3、记忆模式和语言多样性、自由度是矛盾的：
还是之前语义偏移的核心问题，还会导致一个致命的问题，多模型协作时规则与记忆几乎不可以共用，因为多模型之间的文风漂移更加严重，一旦要把之前就很灾难的记忆同时兼容多种模型，就是完全不可能控制的灾难工程。
而假如放弃多模型兼容，只用一种模型执行一个任务。那么克制大模型八股文的最大利器——多模型组合，就会彻底无用了。
所以，Agent记忆架构本身是成立的，大模型写作本身也是可行的。但这俩放在一起之后，就是最烂的结果。
在单一模型体系下，Agent长期和用户对齐纠正风格定义，对齐认知，加上用户手动修改规则和记忆，的确可以在对写作质量和意图执行上进行一定妥协的前提下抵达一个稳定可用的程度。
说人话就是，AI他不是每次都完全懂我想让它写成什么样，但是大致上它的行为还可以预测，指定规则的大方向也是正确的，「凑合凑合能用下去」。
但在这种妥协的模式下，也很难完成要求比较高的写作任务，本质还是因为现在任何单一大模型的写作能力都是有局限的，哪怕是 Fable 也是如此。这一点我之前的文章已经讲过了很多次了。
而一旦用户想要更换模型或者引入多模型来增加写作的多样性，整个系统原本脆弱的平衡，就会在不同模型完全不同的写作风格和行为模式下瞬间崩塌。
基于记忆模式的种种不可靠的特性，我在自己的写作工作台的构建中，也尽量不牵连任何的记忆系统，而是主张尽量手写少数可理解的规则来约束AI。在不需要的时候，规则能删就删，能简化就简化。