你是否也发现有时 AGENTS.md 中明明有规则，但 AI 依旧我行我素？
你是否也烦恼随着开发 AGENTS.md 越来越长，但效果却没越来越好？
不妨试试技能炼金术——把用户自己的历史对话压缩成技能，把冗长的 AGENTS.md 变成技能触发命令。
---
一、问题：AGENTS.md 的两个困境
困境一：规则在，但不执行
很多团队在 AGENTS.md（或 CLAUDE.md、cursor rules 等同类文件）中写了大量规则：代码风格、提交规范、架构约定、测试要求……但实际开发中，AI 经常无视这些规则，我行我素。
原因不是 AI"不听话"，而是规则越多，注意力越分散。大模型的上下文窗口有限，当 AGENTS.md 膨胀到几百行时，真正影响 AI 行为的往往只是最后几条被"注意到"的规则，大量早期规则被淹没在上下文中，形同虚设。
困境二：越写越长，效果不升反降
随着项目推进，团队不断往 AGENTS.md 追加新规则。文件从 50 行涨到 200 行、500 行……但效果并没有随长度增长而提升，反而出现了矛盾规则、过时规则、重复规则相互干扰的情况。
AGENTS.md 陷入了一个悖论：规则越全，执行越差。
---
二、洞察：1000+ 对话分析揭示了什么
作者"风雨中的小七"分析了 1000+ 条真实的人机协作对话，发现了一个关键规律 ：
真正影响 AI 输出质量的，不是规则的数量，而是规则的触发精度。
在高效协作的对话中，用户往往不是靠一份大而全的规则文件来约束 AI，而是在特定场景下给出精准的、结构化的指令。这些指令有三个特征：
场景触发：只在特定任务出现时才激活（如"写单元测试时""做代码审查时"）
结构化：不是散文式描述，而是步骤、约束、输出格式的明确定义
从历史中来：不是凭空编写的规则，而是从过去成功的对话经验中提炼出来的
这 1000+ 对话中反复出现的成功模式，本质上就是技能——可复用、可触发、结构化的操作指南。
---
三、技能炼金术：把对话炼成技能
3.1 核心思想
"技能炼金术"的核心主张是：
与其维护一份越来越长的 AGENTS.md，不如把历史对话中的成功经验压缩成一个个独立技能，通过技能触发命令按需调用。
类比来说：
| 传统方式 | 技能炼金术 |
|---------|-----------|
| 一本 500 页的操作手册，每次翻都要从头找 | 一排工具箱，需要哪个拿哪个 |
| 规则始终占用上下文，互相干扰 | 技能按需触发，不占常驻上下文 |
| 新增规则不断追加，文件越来越臃肿 | 新增技能独立存放，互不影响 |
| 规则之间可能矛盾，AI 不知该听谁的 | 每个技能职责单一，无冲突 |
3.2 炼金四步
第一步：收集——从历史对话中挖掘金矿
回顾你与 AI 的历史对话，找出那些"这次对话效果特别好"的记录。好效果的标准：
AI 的输出直接可用，无需大幅修改
AI 准确理解了你的意图，没有跑偏
你在对话中给出的指令结构清晰、约束明确
第二步：提炼——压缩成结构化技能
把成功对话中的关键指令提炼成一份技能文件。一份好的技能应包含：
技能名称：代码审查
触发条件
当用户要求进行 code review / 代码审查时激活
执行步骤
先通读整体结构，不急于逐行挑错
按优先级分类问题：阻塞性 > 规范性 > 建议性
每个问题给出：位置、问题描述、建议修改、理由
约束
不评论风格偏好类问题（如变量命名风格）
必须给出可执行的修改建议，不只指出问题
安全相关问题标记为最高优先级
输出格式
| 优先级 | 文件:行号 | 问题 | 建议 | 理由 |
|--------|----------|------|------|------|
第三步：注册——变成可触发的命令
将技能注册为触发命令，而非常驻规则。例如：
/review → 激活"代码审查"技能
/test → 激活"单元测试生成"技能
/refactor → 激活"重构建议"技能
/commit → 激活"提交信息生成"技能
AI 只在收到触发命令时加载对应技能，不占用常驻上下文。
第四步：迭代——在使用中持续炼化
技能不是一次定稿的。每次使用后，根据实际效果调整：
AI 哪里做得好 → 强化对应步骤
AI 哪里跑偏了 → 增加约束条件
输出格式不好用 → 调整输出模板
触发不够精准 → 优化触发条件
---
四、技能 vs 规则：何时用哪个
| 场景 | 推荐方式 | 原因 |
|------|---------|------|
| 项目级通用约定（如技术栈、目录结构） | AGENTS.md 常驻规则 | 全局生效，每次都需要 |
| 特定任务的操作指南（如代码审查、测试生成） | 技能触发 | 按需加载，不干扰其他任务 |
| 个人偏好（如注释风格、变量命名） | AGENTS.md 简短规则 | 篇幅短，不会喧宾夺主 |
| 复杂多步骤流程（如发布流程、故障排查） | 技能触发 | 步骤多，需要结构化指引 |
| 安全红线（如禁止删除生产数据） | AGENTS.md 常驻规则 | 必须始终生效，不能遗漏 |
原则：AGENTS.md 保持精简（只放全局必须的），技能承担具体任务的详细指引。
---
五、实践效果
采用技能炼金术后，作者观察到三个变化 ：
AGENTS.md 从 500+ 行瘦身到 50 行以内——只保留全局约定和安全红线，其余全部技能化
AI 执行特定任务的准确率显著提升——技能是结构化的、场景化的，比散落在长文档中的规则更容易被 AI 准确理解和执行
新成员上手更快——不用读完 500 行规则再开始，学会几个触发命令就能干活，技能内容在使用中自然吸收
---
六、总结
技能炼金术的本质，是把"规则驱动"转变为"技能驱动"：
规则驱动：写一份大而全的规则文件，期望 AI 每次都能从中找到并遵守所有相关规则 → 实际上规则越多，执行越差
技能驱动：把成功经验提炼成独立技能，按需触发，精准注入 → 上下文干净，执行精准
一句话总结：不要让 AI 在 500 页手册里找答案，而是在它需要的时候，递给它一张精确的操作卡片。
---
0 评论