最近一年，我一直高强度使用 Codex、Claude Code 等 AI Agent 来参与日常开发。

刚开始的时候，我和很多人一样，总想着不断给 Agent 增加能力。

遇到一种任务，就增加一个 Skill；发现一条规则，就写进 AGENTS.md；做完一次复杂排查，就想着沉淀下来，方便以后继续使用。

当时觉得这样会越来越智能。

后来我发现，事情并没有那么简单。

Skill，不是越多越好

我现在越来越少创建 Skill，也越来越克制使用 Skill。

不是因为 Skill 没用。

恰恰相反，是因为 Skill 很有用，所以更应该慎用。

每加载一个 Skill，本质上都是在告诉 Agent：

除了当前任务，你还需要额外关注这些规则、流程和约束。

如果当前只是一次代码阅读、一次简单修改，或者定位一个问题，这些额外的信息很可能不会帮助 Agent，反而会稀释当前任务真正需要关注的内容。

很多时候，不使用 Skill，Agent 本身已经能够很好地完成工作。

上下文不是越多越好

后来我慢慢养成了一个习惯：

如果当前任务没有明确需要，就不要提前加载。

以前，我总觉得多读一点总没坏处。

后来发现，每增加一份上下文，Agent 就多了一份需要考虑的内容。

一条历史记录、一份设计文档、一套工作流程，看起来都很重要。

但如果它们与当前任务无关，就会不断分散 Agent 的注意力。

现在，我更希望 Agent 每一步都只关注三件事：

  • 当前真正要完成什么？
  • 哪些信息与这个目标直接相关？
  • 下一步需要读取什么？

除此之外，能不加载，就不加载。

AGENTS.md 也应该克制

我还踩过另一个坑。

以前，每次 Agent 犯一次错误，我都会忍不住往 AGENTS.md 里补一条规则。

时间久了，它越来越长。

后来我才发现，很多规则其实并不适合默认出现在每一次任务里。

现在我的做法很简单：

AGENTS.md 只放那些几乎每次都需要遵守的内容。

至于工作流、检查清单、一次性的要求，都放到更合适的位置，而不是全部堆在入口。

入口越简单，Agent 越容易理解真正重要的事情。

我现在的一个小习惯

现在每次准备新增一个 Skill，我都会先问自己几个问题：

  • 不使用它，Agent 能完成吗？
  • 它真的会反复使用吗？
  • 它会不会引入更多无关上下文？
  • 当前任务真的需要它吗？

如果没有足够坚定的理由，我通常就不会新增，也不会加载。

很多时候，少一点规则，反而会得到更稳定的结果。

写在最后

这篇文章没有什么高深的方法论，只是我这一段时间使用 AI Agent 的一些实践。

如果让我总结成一句话，那就是：

AI Agent 不是配置越多越好，而是上下文越干净越好。

很多时候，当 Agent 开始跑偏，我们第一反应是继续增加规则、增加 Skill、增加文档。

但我的经验恰恰相反：

先试着做减法。

也许，它会比继续做加法更有效。

后记

文中提到的一些实践，我后来整理成了两个自己日常也一直在使用的开源 Skill，感兴趣的话可以参考：

  • agent-workflow-governance
    用于在复杂任务中提供轻量级的软件工程工作流约束，而不是把所有流程默认塞进每一次任务。

  • workspace-health-review
    用于定期检查工作区是否出现规则膨胀、上下文堆积等问题，帮助保持工作区长期可维护。

不过，我还是想强调本文最想表达的一点：

不要因为有 Skill，就去使用 Skill。

Skill 应该解决真正重复且复杂的问题，而不是代替 Agent 本身已经具备的能力。

很多时候，克制，比增加更重要。