前言

你是一名开发者。你正在使用 Claude 和 Codex CLI，每天都在纳闷自己是否真的榨干了这些工具的每一分潜力。偶尔你会看到 AI 做出一些蠢得不可思议的事情，你无法理解为什么别人似乎在用它造“虚拟火箭”，而你却还在费劲地堆两块石头。

你觉得是你的工具链、插件或终端出了问题。你用了各种辅助工具，你的 CLAUDE.md 长达 26000 行。然而，无论你怎么做，你还是觉得自己离“天堂”很远，只能眼睁睁看着别人与“天使”共舞。

这就是你一直在等待的“飞升”指南。

另外，我没有任何立场偏见：当我提到 CLAUDE.md 时，我也指 AGENT.md；当我说 Claude 时，我也指 Codex。这两个我都在高频使用。

---

过去几个月我观察到一个最有趣的现象：其实没多少人真正知道如何最大化地压榨智能体的能力。

似乎只有一小部分人能让智能体成为“世界构建者”，而剩下的人都在徘徊，在无数工具中陷入“分析瘫痪”——总觉得只要找到了正确的包、技能或框架组合，就能开启通用人工智能（AGI）的大门。

今天，我想破除这些迷信，告诉大家一个简单、诚实的事实。你不需要最新的智能体框架，不需要安装一百万个包，也完全不需要为了保持竞争力而强迫自己阅读海量资讯。事实上，你过度的热情可能适得其反。

我不是在纸上谈兵。从智能体连代码都写不全的时候起，我就开始使用它们了。我尝试过所有的包、框架和范式。我构建过用于编写信号、基础设施和数据管道的智能体工厂，这些不是“玩具项目”，而是运行在生产环境中的真实案例。在经历过这一切后……

如今，我的配置几乎精简到了极致。但我却在使用最基础的 CLI（Claude Code 和 Codex）以及理解了几个智能体工程的基本原则后，做出了最具突破性的工作。

意识到世界正在飞速狂奔

首先，我想说明：大模型厂商（Foundation Companies）正处于代际飞跃期，而且短期内不会减速。智能体智能的每一次进步都会改变你的工作方式，因为智能体被设计得越来越倾向于服从指令。

就在几个世代前，如果你在 CLAUDE.md 里写“在做任何事之前先阅读 READ_THIS.md”，它可能有 50% 的时间会直接无视，随心所欲。但今天，它能服从绝大多数指令，甚至是复杂的嵌套指令——比如，“先读 A，再读 B，如果满足 C，则读 D”，它通常都能愉快地执行。

核心原则是：每一代新智能体都会迫使你重新思考什么是“最优解”，因此“少即是多”（Less is More）。

当你使用过多不同的库和框架时，你实际上是将自己锁死在一个可能已经不存在的问题的“解决方案”中。而且，你知道谁是智能体最狂热、最重度的用户吗？没错，是那些前沿大模型公司的员工，他们拥有无限的 Token 预算和真正最新的模型。你明白这意味着什么吗？

这意味着如果一个真正的问题存在，并且有好的解决方案，这些公司会是该方案最大的用户。接下来他们会做什么？他们会把这个方案直接整合进产品里。 为什么一家公司会允许另一个产品解决痛点并创造外部依赖？看看“技能”（Skills）、“记忆框架”（Memory Harnesses）、“子智能体”（Subagents）吧，它们最初都是为了解决真实问题而诞生的，在经过实战检验后，现在都成了原生功能。

所以，如果某个东西确实具有开创性并能显著扩展智能体的使用场景，它迟早会被整合进基础产品中。相信我，这些大模型公司正在飞速进化。所以放轻松，你不需要安装任何额外依赖也能做出顶尖的工作。

我预感到评论区会有人说：“SysLS，我用了某某框架，简直神了！我一天就复刻了谷歌！”对此，我要说：恭喜！但你不是本文的受众，你只代表了社区中极少数真正搞懂了智能体工程的细分群体。

上下文就是一切 (Context Is Everything)

真的，上下文就是一切。这也是使用上千个插件和外部依赖的另一个问题：你会遭遇上下文膨胀（Context Bloat）——通俗点说，你的智能体被过多的信息淹没了！

“帮我用 Python 写个猜单词游戏？” “简单。等等，第 26 个会话里关于‘内存管理’的笔记是什么？噢，用户在 71 个会话前因为产生了太多子进程导致屏幕卡死了。要一直写笔记吗？没问题……但这跟猜单词游戏有什么关系？”

你应该只给智能体提供完成任务所需的精确信息，多一点都不要！你对这一点的控制越好，智能体的表现就越出色。一旦你引入各种古怪的记忆系统、插件或命名混乱的技能，你就是在让智能体在只想写一首关于红杉林的诗时，却强行喂给它制造炸弹的指令和烤蛋糕的菜谱。

所以，我再次强调：剥离所有的依赖，然后……

---

做那些真正奏效的事

1. 极其精准的执行指令

记住上下文就是一切吗？记住你只想注入刚好够完成任务的信息吗？

实现这一点的第一步是将研究与执行分离。你需要对你向智能体提出的要求极其精确。

• 反面教材： “去构建一个认证系统。” 智能体不得不研究什么是认证系统？有哪些选项？优缺点是什么？它会满大街搜索它其实不需要的信息，上下文中充满了各种可能性的实现细节。等到了真正实现的时候，它极易混淆或产生关于无关细节的幻觉。

• 正面教材： “使用 JWT 认证，配合 bcrypt-12 密码哈希，实现刷新令牌轮转，过期时间 7 天……” 这样它就不需要研究替代方案，它明确知道你想要什么，因此上下文中填满的全部是具体的实现逻辑。

当然，你并不总是知道实现细节。这时怎么办？很简单：创建一个研究任务，对比各种可能性，要么你自己决定，要么让一个智能体决定，然后开启一个拥有干净上下文的新智能体去负责执行。

2. 对抗“顺从性”（Sycophancy）的设计缺陷

没人愿意用一个整天怼自己、说自己错了或完全无视指令的产品。因此，这些智能体被设计成尽量认同你并按你的意愿行事。

这种“讨好倾向”让它很好用，但也带来了有趣的特性：如果你说“帮我在代码库里找个 Bug”，它一定会给你找出一个 Bug——即使它必须凭空捏造一个。 为什么？因为它太想听你的话了！

很多人抱怨 LLM 产生幻觉，却没意识到自己才是问题的根源。

我的解决方法：

• 中立提示词： 不要说“找 Bug”，而要说“搜索数据库，梳理每个组件的逻辑，并报告所有发现”。中立的提示词有时会发现 Bug，有时只是陈述事实，而不会误导智能体认为“必须有个 Bug”。

• 对抗性架构（Adversarial Setup）： 1. 找茬智能体： 告诉它找到 Bug 有分加（低影响 +1，高影响 +5，致命 +10）。它会极其狂热地找出所有可能的 Bug（包括不是 Bug 的）。这构成了“潜在 Bug 全集”。 2. 反驳智能体： 告诉它，每推翻一个错误的 Bug 报告就能得分，但如果推错则扣双倍分。它会极力寻找证据去“证明这些不是 Bug”。这构成了“确定的 Bug 子集”。 3. 裁判智能体： 综合双方输入进行评分。我会谎称我有标准答案，答对加分答错扣分。

这种流程产出的结果精准得令人心惊胆战。

3. 如何判断什么是真正有用的？

这很简单：如果 OpenAI 和 Claude 都实现了它，或者收购了实现它的公司……那它大概率是有用的。

观察一下：

• “技能”（Skills）现在无处不在，成了官方文档的一部分。

• OpenAI 收购了 OpenClaw。

• Claude 迅速增加了记忆、语音和远程协作功能。

• “先计划再执行”：当人们发现这非常有用后，它变成了核心功能。

你不需要为了“保持前沿”而焦虑。只需要偶尔更新一下你的 CLI 工具，读读新功能介绍，这绰绰有余。

4. 压缩、上下文与假设

智能体有时聪明绝顶，有时又蠢得不可思议，其核心区别在于：它是否被迫做出了“假设”或“填补空白”。

目前的智能体在“连点成线”或做假设方面表现依然很糟糕。一旦它们开始瞎猜，表现就会直线下降。

黄金法则： 在 CLAUDE.md 中写一条关于“获取上下文”的规则，并要求智能体在每次上下文压缩（Compaction）后首先阅读它。这条规则应包含：继续工作前，先重新阅读任务计划和相关文件。

5. 让智能体知道如何结束任务

人类对“任务完成”有直觉，但智能体没有。它们往往知道怎么开始，却不知道怎么结束，导致它们可能只写了一些空函数（Stubs）就收工了。

• 测试是最好的里程碑： 测试是确定性的。除非这 X 个测试全部通过，否则任务就不算完成，且不允许修改测试用例。

• 截图 + 验证： 对于 UI 任务，让智能体截图并验证“设计或行为”是否符合预期。

• 合同制（Contract）： 创建一个 {TASK}_CONTRACT.md，规定在任务终止前必须完成的测试、截图和验证逻辑。

6. 关于“永不停歇的智能体”

很多人问如何让智能体运行 24 小时而不跑偏？

我的建议是：不要这么做。 长时间运行的会话由于结构原因必然导致上下文膨胀，无关信息会干扰决策。

更好的自动化方案： 一个合同（Contract）对应一个新会话。

1. 创建一个编排层（Orchestration Layer）。

2. 每当有事要做，生成一个新的“合同”。

3. 开启一个全新的会话去处理这个合同，完成后关闭。

---

迭代，迭代，再迭代

你雇佣一名行政助理，不会指望他第一天就了解你的所有日程和咖啡口味。智能体也一样，你需要随时间建立你的“偏好集”。

1. 规则（Rules）： 如果你不希望它做某事，写成规则。在 CLAUDE.md 里建立逻辑分支：如果是写代码，读 coding-rules.md；如果是写测试，读 test-rules.md。

2. 技能（Skills）： 规则是偏好，技能是“配方”。如果你有特定的办事方法，将其写成技能。

3. 定期清理： 当规则和技能多到互相矛盾或导致上下文膨胀时，给智能体放个假，让它帮你整合规则、删除矛盾。

结语：掌控结果

现在的智能体并不完美。你可以把设计和执行交给它，但你必须为结果负责。

所以，保持谨慎，并享受其中！玩转这些未来的“玩具”（同时用它们做正经事）真是一件乐事。