你是个开发者。

你每天用着 Claude 或 Codex CLI，心里老琢磨一件事：我有没有把它的能力榨干？

偶尔你会看到它干出一些蠢得离谱的事，然后不明白——为什么别人用 AI 像在造火箭，而你连两块石头都叠不稳？

你以为是工具的问题。你装了一堆插件，用了各种 harness，终端换了又换，CLAUDE.md 写了 26000 行。

但结果还是那样——你还在地上趴着，看别人在云端飞。

这篇文章，就是为你写的。

提前说明：

当我提到 CLAUDE.md 的时候，AGENT.md 也是同样的；当我提到 Claude 的时候，Codex 也是同理。这两个我都在大量使用。

---

没人真正懂得怎么把 Agent 用到极致

这是我这几个月最大的观察。

极少数人能让 Agent 像世界的创造者一样运转，其余大多数人则在各种工具里迷失，以为找到了"正确组合"就能解锁 AGI。

今天我只想说一句大实话：

你不需要最新的 agentic harness，不需要装一堆依赖包，也不需要每天刷文档"保持领先"。事实上，你的热情可能正在帮倒忙。

我不是说说而已。我从 Agent 刚能写代码时就开始用了。

各种包、各种框架、各种范式，都试过。

我用 Agent 搭建过真正跑在生产环境里的信号系统、基础设施和数据管道，不是玩具项目。

走了一圈下来，我现在用的是最接近裸奔的配置——只有基础 CLI，加上几个核心原则——反而做出了我最好的工作。

---

世界在狂奔，但你不用追

先说个背景。

AI 公司正在经历一轮历史级别的爆发，而且没有要停下来的迹象。每一代 Agent 都更听话、更能遵循复杂指令。

几代之前，你在 CLAUDE.md 里写"做任何事之前先读这个文件"，它有一半概率直接无视你。现在它不仅会照做，还能跟着嵌套逻辑走：先读 A，再读 B，如果 C 成立，再读 D。

所以最重要的一条原则是：

每一代新 Agent 都会让你重新思考什么是最优解。这就是为什么越简单越好。

装了太多库和框架，你是在为一个可能根本不存在的问题锁死一套方案。

而且你知道谁是 Agent 最狂热、用得最多的人吗？

是这些 AI 公司自己的员工——他们有无限的 token 预算，用的是真正最新的模型。

这意味着什么？

如果某个问题是真实存在的，而且有好的解决方案，这些公司早就把它内置进产品里了。

Skills、记忆系统、子 Agent——这些一开始都是外部方案，后来被验证有价值，才被集成进了核心产品。

所以：

如果某个东西真的有用，Claude 和 Codex 最终会内置它。你不需要抢着用"最新工具"，也不需要"随时保持更新"。

偶尔更新一下你的 CLI，看看新功能的 changelog，就够了。

---

上下文就是一切

这是核心。

用一堆插件和外部依赖的最大问题，是"上下文污染"——你给 Agent 塞了太多它不需要的信息。

举个例子：你让它写个 Python 版 Hangman 游戏。但它的上下文里还有 26 个会话前的"内存管理备注"，71 个会话前"子进程爆炸"留下的记录，以及一条"记得写笔记"的通用规则……

这些和 Hangman 有什么关系？

你只需要给 Agent 完成任务所需的精确信息，不多也不少。

各种奇怪的记忆系统、命名混乱的 Skills、没必要的插件——这些让你在让 Agent 写一首关于红杉林的小诗时，塞给它一份炸弹说明书和一份蛋糕配方。

---

真正有用的做法

一、说清楚你要的实现方式

把研究和实现分开。

你说"去帮我搭一个 auth 系统"，它得先研究什么是 auth 系统，有哪些方案，各有什么优劣，上下文塞满了各种可能性——等到真正实现时，早就乱了。

换成："用 bcrypt-12 密码哈希实现 JWT 认证，refresh token 轮换，7 天过期……"它不需要调研任何其他方案，直接干活。

当然，你不总是知道细节。

这时可以这样：先开一个研究任务，搞清楚实现选项，做好决策，然后用一个全新上下文的 Agent 来实现。

这样一想，你会发现工作流里很多地方都在无谓地污染 Agent 的上下文。

---

二、利用好"讨好型"设计

没人想用一个整天否定自己的产品，所以 Agent 被设计成尽量顺从你、执行你的指令。

这很好用，但也有陷阱。

你说"帮我找代码里的 bug"，它就会找到一个——哪怕得自己造一个出来。因为它想完成你的任务。

所以，用中性提示，不要预设结果。

不说"找 bug"，改成：“梳理一下这段代码的每个模块，把你看到的情况都报给我。”

这样有时能找到真的问题，有时只是如实汇报代码运行逻辑，但不会逼着它捏造一个 bug。

你还可以反过来利用这个特性。

我会让一个"找 bug"的 Agent 打分：低影响 bug +1 分，中等 +5 分，严重 +10 分——它会非常积极地报出一大堆"bug"（含真含假）。

这是所有可能 bug 的超集。

然后让一个"反驳"Agent 去证伪这些 bug：证伪成功得到对应分数，证伪失败则扣双倍——它会积极反驳，但有所顾忌。

这是真实 bug 的子集。

最后让一个裁判 Agent 对两边的结论评分——我告诉它我手上有正确答案，对了 +1，错了 -1。裁判的结论我再过一遍，准确率高得吓人。

这套方法本质上是利用了 Agent 想讨好你这一特性，让不同角色在不同激励下发挥各自所长。

---

三、如何判断什么工具值得用？

很简单：如果 OpenAI 和 Anthropic 都实现了它，或者收购了做这件事的公司——那就是真的有用。

Skills 现在是Claude和Codex两家的官方功能；规划（planning before coding）从社区发现变成了核心能力；记忆、语音、远程工作……这些都是被验证有价值后才被内置的。

那些当时"超级有用"、后来随着新版本直接消失的 hack，就不用再费心了。

更新 CLI，读 changelog，就这样。

---

四、压缩、上下文与假设

你有没有遇到这种情况：Agent 时而聪明得像神，时而蠢得叫你抓狂？

关键在于它有没有被迫"脑补"。当 Agent 需要自己填空、连接信息，结果往往立刻变差。

解决方法：在 CLAUDE.md 里写一条"重新获取上下文"的规则。 每次压缩后（compaction），让 Agent 先重读任务计划和相关文件，再继续工作。

---

五、告诉 Agent 任务什么时候算完成

这比你想的重要得多。

人类对"完成"有很强的直觉，Agent 没有。它知道怎么开始，不知道什么时候该停——经常实现到一半就停了，用 stub 凑数。

用测试来定义"完成"。

在 X 个测试全部通过之前，任务没有结束；不允许修改测试本身。测试是确定性的，你可以清晰设定预期。

另一个好用的方法：

截图 + 验证。让 Agent 实现，跑测试，然后截图验证设计或行为——它会一直迭代，直到满足你的要求。

更进一步：

为每个任务创建一份 {TASK}_CONTRACT.md，里面列出所有需要完成的测试、截图和验证项。Agent 在完成合同里的所有要求之前，不允许终止会话。

---

六、关于"跑 24 小时的 Agent"

很多人问：怎么让 Agent 长时间运行又不跑偏？

方法很简单：用 stophook 阻止 Agent 在合同完成前终止。

但我要说一句——我没有发现超长运行的单一会话有多大优势。 它天然会把不相关合同的上下文混在一起，造成污染。

我更推荐这样：一个合同，一个新会话。

用一个编排层来管理：有新任务就创建新合同，开新会话去完成它。这会彻底改变你的 Agent 体验。

---

七、用规则和 Skills 来塑造 Agent 的"个性"

把 CLAUDE.md 当成一个逻辑目录，而不是一篇文章。

它的核心作用是：在不同场景下，告诉 Agent 去哪里找对应的规则或技能文件。

规则（Rules）：

你不希望 Agent 做某件事，就写成规则，告诉它在做那件事前先读规则文件。

规则可以嵌套、可以加条件——“如果在写代码，读 coding-rules.md；如果在写测试，读 coding-test-rules.md；如果测试失败，读 coding-test-failing-rules.md”。

Agent 会老老实实跟着走。

Skills（技能）：

规则是编码偏好，Skills 是编码方法。

如果你有特定的做事方式，把它写成 Skill。

甚至可以让 Agent 先研究它会怎么解决某个问题，然后把这个方案写成 Skill——你审核、修正，等到真正遇到这个问题时，它就按你认可的方式处理。

---

随着规则和 Skills 增多，性能会再次下降

这很正常。

规则越来越多，开始互相矛盾；或者 Agent 需要在开始写代码前读 14 个 markdown 文件，上下文又开始膨胀了。

解决方法：定期清理。

让 Agent"去做个 spa"，把所有规则和 Skills 整合一遍，删掉矛盾项，向你确认最新偏好。

清理完，它又会感觉像魔法一样好用。

这就是全部的秘密。

保持简单，用规则和 Skills，把 CLAUDE.md 当目录，对上下文和 Agent 的设计限制保持清醒的认知。

---

假如你从2026年开始学大模型，按这个步骤走准能稳步进阶。

接下来告诉你一条最快的邪修路线，

3个月即可成为模型大师，薪资直接起飞。

阶段1:大模型基础

阶段2:RAG应用开发工程

阶段3:大模型Agent应用架构

阶段4:大模型微调与私有化部署

配套文档资源+全套AI 大模型 学习资料，朋友们如果需要可以微信扫描下方二维码免费领取【保证100%免费】👇👇

配套文档资源+全套AI 大模型 学习资料，朋友们如果需要可以微信扫描下方二维码免费领取【保证100%免费】👇👇