开源 hankweave 一年磨一剑：低数据低成本也能递归自我优化

作者历时两年打造并开源的 hankweave 框架，先用一年构建开源、再用一年打磨成最稳定的长期工作流（long-horizon workflow）运行面。其核心论点是 post-Fable 模型在合适信息与工具加持下，低数据低成本（不到 1TB、不到 1000 美元）也能递归自我优化。与「Loops of loops」的区别在于把知识固化为专家指令与工具，并配合大规模已学模式库。