一个初级开发者在观看他们的Claude Code设置第三次失败。模型进入了错误的目录，运行了它本不应触及的测试套件，陷入了越来越无关命令的死循环。这不是边缘案例——这是常态。AI智能体在演示中表现出色，在生产环境中却灾难频发，而行业标准反应是用更多算力解决问题。Statewright反其道而行：与其让模型更大，不如让问题更小。
创始人本·科chr an曾在英伟达和AMD担任总工程师，在硬件验证领域工作二十年。他的核心洞察是：AI智能体失败的根本原因是解决方案空间的无界性。行业的应对方式是暴力破解——通过海量参数和更长上下文来强求可靠性。
Statewright用协议执行替代提示工程。其核心是一个Rust引擎，评估状态机定义——状态、转换、守卫和工具限制——编排层完全不依赖大模型。规划状态只授予只读工具。实现状态解锁编辑工具，防止范围外的改动。测试状态仅允许测试命令执行。模型在物理上无法跳过步骤或访问阶段外的工具。这是通过确定性代码强制执行的，而非系统提示中的温和建议。
SWE-bench测试结果令科chr an本人惊讶。13-20B参数范围内的模型在多个模型家族中都表现出一致的改进，包括Haiku、Sonnet和Opus。约束后的模型以更少token实现更高成功率，减少了死循环。更关键的发现是：上下文窗口利用率比原始上下文大小更重要。在每个步骤中严格限定的工作上下文，优于模型对所有内容的无限制访问。
低于13B参数拐点，模型可以导航状态机但无法保留足够上下文来生成准确编辑。高于该拐点，约束模型持续超越预期。调优本身在测试中未产生类似的功能改进——确定性约束优于迭代训练。
Statewright通过MCP与Claude Code集成，Codex和Cursor支持正在开发中。激活工作流时，钩子自动执行守卫。模型看到5个工具而非数十个，在当前阶段接收明确指令，并在尝试超出范围操作时得到告知。
更广泛的含义是对"越大越好"行业的挑战。如果形式化约束能让13B模型匹配70B+系统的可靠性，经济账将彻底改变。更小的模型运行成本更低、推理更快，在正确约束下更值得信赖。科chr an的方法表明，AI智能体可靠性不需要下一代前沿模型，而需要开发者愿意通过明确边界而非依赖语言模型自我修正来构建。