Die sechste Folge beantwortet die Frage, die über die wirtschaftliche Tragfähigkeit von Agenten entscheidet: Warum sollte ein agentischer Zyklus bei jedem Durchlauf weniger kosten? Williams' Antwort lautet: von selbst tut er das nicht. Ohne einen bewussten Mechanismus zum Erfassen und Institutionalisieren von Lektionen bieten Agenten keinen kumulativen Vorteil — sie starten jeden Zyklus wieder bei null Wissen. Die Komponente, die das ändert, ist die P7-Phase, Distill.

Distill besteht aus zwei Hälften. Die erste ist die Vereinfachung. Kontraintuitiv sollten architektonische Überprüfung und Deduplizierung nach dem Merge stattfinden, nicht davor. Vor dem Entstehen des Codes zu deduplizieren ist spekulativ; danach zu deduplizieren zielt auf Muster, die tatsächlich beobachtbar sind. Bereits vorhandene Tests garantieren während dieser Bereinigung den Erhalt des Verhaltens, was weniger leistungsfähigen — und damit günstigeren — Modellen erlaubt, risikolos mitzuwirken.

Die zweite Hälfte ist das Lessons Mining, organisiert als „Lesson Foundry“. Diese Foundry verwandelt wiederkehrende Befunde in dauerhafte Verteidigungslinien: Deterministische Probleme werden zu Lint-Regeln mit begleitenden Tests; kontextuelle Muster speisen eine Skill-Mining-Pipeline; Lücken in der Spezifikation lösen neue Fragen in der Interrogation-Phase aus. Die zugrunde liegende Ökonomie ist entscheidend: Jede Lektion wird einmal bezahlt und danach von teurer probabilistischer Erkennung zu kostenloser deterministischer Prävention degradiert.

Williams identifiziert zwei Feinde des sich verstärkenden Gewinns. Erstens: Skill-Verfall — veraltete Artefakte liefern Fehlinformationen mit scheinbarer Autorität; das Gegenmittel ist eine wöchentliche Verifizierungsrunde, die überprüfbare Aussagen (Befehle, Pfade, Versionen) extrahiert und deren Aktualität markiert. Zweitens: die Modell-Ratsche — nach jeder Veröffentlichung wird bestehender Code mit Frontier-Modellen erneut geprüft, um zu erfassen, was frühere Versionen übersehen hatten — eine Ratsche, die keinen Rückschritt zulässt.

Die Folge gipfelt in der richtigen Recheneinheit. Statt Tokens pro Entwickler zu verfolgen, messen erfolgreiche Programme die Kosten pro gemergter, verifizierter Änderung. Diese Neurahmung verändert, wie Ausgaben gelesen werden: Kosten in der Prosecution-Phase sind keine Verschwendung, sondern Investition. Vier Indikatoren offenbaren einen defekten Kreislauf: auf die Build-Phase konzentrierte Ausgaben signalisieren fehlende Skills; zunehmend teure Prosecution signalisiert Lektionen, die nie zurückgeführt wurden; wiederholtes Anstoßen an die Iterationsobergrenze signalisiert schwache Spezifikationen; und eine flache Kostenkurve signalisiert Systemversagen. Die These lässt sich in vier Worten zusammenfassen: „flache Kosten sind ein Scheitern“. Ein gesundes System zeigt messbar sinkende Kosten pro Änderung, während sich Skills anhäufen und die Lint-Schichten dichter werden.