因此，下面这篇文章讨论的并不是“谁已经可以替代工程师”，而是一个更实际的问题：在人仍然负责目标、拆解和验收的前提下，Fable 5 与 GPT-5.6 Sol 分别适合承担哪些 task。科研任务尤其不用纠结：GPT 的联网搜索能爬到更多一手料，加上产出全面、核查仔细，Fable 在这块既没有搜索优势、又容易在大模型相关话题上被安全路由拦下来（详见下文第 6 点），综合体验差距非常明显——科研直接

AI 不是故意忘记规则，而是它的"记忆"机制和我们人类的直觉完全不同。它的系统指令是分层、优先级驱动的，而不是"说过一次就永远记住"。平台层：了解系统指令的默认约束（如 Git 安全规则），顺势而为项目层：通过AGENTS.md建立项目专属规则，这是目前 Kimi Code 最可靠的自定义入口对话层：在长对话中适时提醒关键约束，或让 AI 重新读取项目文件刷新上下文希望这篇整理对你使用 Kimi

例如 Claude Code 的 Skills，以及 OpenClaw 新版 Skill 规范，都采用了**元数据（Metadata）+ 按需加载（Lazy Loading）**的模式。真正维护整个执行过程的，是 Runtime。如果启动 Agent 时就把所有 Skill 一次性放入 Context，不仅会迅速耗尽上下文窗口，还会增加推理成本，降低模型对当前任务的关注度。需要说明的是，这并不代表