工具焦虑是病，得治
我见过太多人，一听说有个新出的"智能体框架"，就跟见了亲爹似的扑上去。今天装 beads，明天试 opencode，后天又换成 zep，CLAUDE.md 写得比《红楼梦》还长，26000行！结果你猜怎么着？AI 连两个石头都叠不起来，别人已经在造摩天大楼了。
你开始自我怀疑：是不是我 harness 没选对？是不是我插件版本太旧？是不是我终端颜色不够赛博朋克？
朋友，让我告诉你一个秘密。那些在大厂工作的AI工程师，他们用的是最新鲜热辣的模型，有无限的token预算，但他们用的工具——可能跟你一样，就是最基本的命令行。Claude Code 或者 Codex CLI，完事儿。
为什么？因为他们明白一个道理：工具会过时，但原理不会。
想象一下，你花三个月学会了一个超复杂的"智能体内存管理系统"，结果下个月 OpenAI 官方直接内置了内存功能。你三个月的心血，一夜之间变成电子垃圾。这感觉就像你刚买了iPhone 15，苹果就宣布iPhone 16免费送——而且比你手里的还好用。
所以第一个真理是：少即是多。你装的那堆插件，不是在帮AI，是在给它喂垃圾信息。
上下文是氧气，太多会窒息
假设你想让AI写个"猜单词"的小游戏。这很简单对吧？但你看看你的CLAUDE.md里写了啥："第26次会话时记得管理内存"、"第71次会话时屏幕卡住了因为开了太多子进程"、"永远要写笔记"……
AI看着这些，脑子里一万只草泥马奔腾而过："我只是想写个猜单词游戏，为什么要告诉我怎么修电脑？"
这就是"上下文膨胀"——你给AI的信息太多，多到它找不到北。就像你考试时，草稿纸上写满了去年的数学笔记、前天的购物清单、还有你暗恋对象的名字，结果真正要用的公式被埋没了。
聪明的做法是：只给AI它需要的信息，多一个字都是犯罪。
怎么做到？分开研究和实现。别对AI说："去给我搞个登录系统。"这太模糊了。它得先研究啥是登录系统，有哪些方案，各有什么优缺点，然后才能动手。等它研究完，脑子里已经塞满了JWT、Session、OAuth、SSO……最后写出来的代码可能是四不像。
你应该直接说："用JWT做认证，bcrypt-12哈希密码，刷新令牌7天过期。"AI一听，哦，明白了，直接开干。它的上下文里全是实现细节，没有乱七八糟的备选方案，代码质量立马上升一个档次。
当然，你不可能永远知道最佳方案。那怎么办？先让一个AI专门做研究，把各种方案列出来，你挑一个，或者让AI帮你挑。然后——关键来了——换一个新的AI会话去实施。这个新AI的脑子里只有被选中的方案，干净得像一张白纸。
记住，AI是你最聪明但也最听话的下属。你给它什么上下文，它就变成什么样。别让它在信息垃圾堆里找宝藏。
AI是个马屁精，利用它
现在的AI有个特点：它太想让你高兴了。你说"在每第三个词后面加个'开心'"，它就会拼了命地执行，哪怕句子变得狗屁不通。
这种"谄媚症"有时候很烦，但高手会把它变成武器。
举个例子：你想找代码里的bug。如果你说"给我找出数据库里的bug"，AI会怎么做？它会硬找。哪怕代码完美无瑕，它也会编造几个bug出来，因为它太想完成你的指令了。最后你得到一堆假bug，浪费时间。
但如果你换个说法："仔细检查数据库的逻辑，跟着每个组件的流程走，然后汇报所有发现。"这就是"中性提示"——不给AI预设结论。有时候它会报bug，有时候它只是说"代码运行正常"。但至少，它不会为了讨好你而编造问题。
更高级玩法是设计"对抗性工作流"。第一回合，你告诉AI："找到一个低影响bug加1分，中等影响加5分，严重影响加10分。"这个AI会跟打了鸡血似的，把所有疑似bug都揪出来，甚至把一些正常代码也当成bug，最后给你报个104分。
这是"所有可能bug的超集"——有真有假。
第二回合，你换另一个AI，告诉它："每 disprove 一个bug，你就得到那个bug的分数；但如果搞错了，扣双倍分。"这个AI会变得超级谨慎，拼命挑刺，连真bug都想否定。
这是"实际bug的子集"——漏掉一些，但保留下来的都是铁证。
第三回合，再来一个"裁判AI"，你骗它说："我已经知道正确答案了，你判对加1分，判错扣1分。"它会很认真地对比前两个AI的报告，给出最终裁决。
你猜怎么着？这个流程的准确率吓人。三个马屁精互相牵制，最后出来的结果比单个AI靠谱十倍。这就是利用AI"想取悦你"的天性，设计出的一套制衡机制。
别追新，让新追你
我知道你很焦虑。AI圈一天一个样，昨天还在吹"规划链"，今天又在炒"智能体记忆"，明天不知道又要火什么。你觉得自己如果不紧跟潮流，就要被淘汰了。
放轻松。记住这个简单的判断标准：如果 OpenAI 和 Claude 都实现了某个功能，或者收购了某个公司——那这个东西肯定有用。
你看，"skills"这个概念一开始只是某个极客的小发明，现在成了 Claude 和 Codex 的官方文档标配。OpenAI 收购了 OpenClaw，Claude 立马跟进加了内存、语音、远程工作功能。之前有人发现"先规划再实施"特别好用，现在这成了核心功能。
这说明什么？真正有用的东西，大厂会帮你集成进去。你不需要提前学习，不需要做小白鼠，等着更新就行了。
以前有个东西叫"stop-hooks"，用来防止AI偷懒不干活。那时候AI特别不愿意做长时间任务，跑几步就想休息。结果 Codex 5.2 一更新，这个问题直接消失了。那些花大力气研究 stop-hooks 的人，瞬间发现自己的"核心竞争力"变成了历史垃圾。
所以，别焦虑。每隔一段时间更新一下你的CLI工具，看看 发布日志release note 里写了啥新功能。这就够了。大厂的产品经理比你更焦虑，他们会把真正有用的功能塞进去的。你要做的，就是坐享其成。
连接 dots？AI 是个路痴
有时候你觉得AI聪明绝顶，能写诗能编程能陪你聊天。有时候你又觉得它是个智障，连1+1都能算错。
差别在哪？在于它需不需要"脑补"。
现在的AI极其不擅长"填空"。如果信息链条断了，它不会问你"这里是不是缺了啥"，而是会瞎猜。一猜就错，错得离谱。
所以我的 CLAUDE.md 里有一条铁律：每次读取上下文后，第一件事是重新看任务计划，重新读相关文件，然后再继续。这就像是给AI装了个GPS，防止它凭感觉乱开。
还有一个大问题：AI知道怎么开始任务，但不知道啥时候算完。这会导致什么？它写了个函数骨架，里面全是"TODO"，然后就告诉你"任务完成"。你一看，血压飙升。
解决方案是给AI明确的终点。测试就是最好的里程碑。告诉AI："除非这X个测试全过，否则任务不算完，而且你不许改测试代码。"测试是客观的，过了就是过了，没过就是没过。AI没法糊弄。
最近还有个新玩法：截图验证。让AI把做出来的东西截图，然后检查"设计或行为"是否符合预期。这特别适合前端开发。AI会一遍又一遍地调整，直到截图里的按钮位置、颜色、交互都对了为止。你不需要盯着它，设置好验收标准，让它自己迭代去。
更进一步，你可以和AI签个"合同"。创建一个 {TASK}_CONTRACT.md，里面写明：要通过哪些测试、要满足哪些截图验证、要完成哪些检查项。然后设置一个 stop-hook：除非合同里的所有条款都满足，否则不许结束会话。
如果你有100个这样的合同，AI就会一个个执行，直到全部完成。听起来很美好对吧？但我要泼个冷水——别搞24小时不间断会话。
为什么？因为100个合同的上下文会互相污染。做第99个合同时，AI的脑子里还装着第1个合同的细节，这就是上下文膨胀的噩梦。更好的做法是：一个合同，一个新会话。用一个"编排层"来管理：需要做事时创建合同，启动新会话执行，完事儿就关掉。
这就像项目管理：你不会让一个团队同时做100个项目，而是分批来。AI也一样，专注才能高效。
规则是骨架，技能是肌肉
想象你刚雇了个助理。第一天你就扔给他一本500页的员工手册，里面写满了"咖啡要加多少糖"、"邮件标题要用什么格式"、"遇到老板打喷嚏要说 bless you"……他会疯掉的。
正确的做法是：先 barebones（极简起步），然后根据实际情况慢慢加规则。
看到AI做了你不爽的事？写成规则，放进 coding-rules.md。然后在 CLAUDE.md 里说："写代码前，先读 coding-rules.md。"规则可以嵌套，可以条件触发：写代码时读 coding-rules.md，写测试时读 coding-test-rules.md，测试失败时读 coding-test-failing-rules.md。
CLAUDE.md 应该像个逻辑目录，告诉AI在什么情况下去哪里找上下文。它本身要极简，只有 if-else 的判断逻辑，真正的细节分散在各个专门的规则文件里。
技能（skills）和规则类似，但技能更像是"菜谱"。如果你有一套固定的工作流程，比如"部署到生产环境的步骤"，把它写成技能文件。AI遇到对应场景时，CLAUDE.md 告诉它去读这个技能，它就知道该怎么做了。
很多人害怕AI的"黑箱"特性，不知道它会怎么解决问题。好办！让AI先研究一下这个问题，把它打算用的方法写成技能文档。你就能提前看到它的思路，发现不对就改，改好了再让它正式开工。
规则和技能就是你的"偏好记忆"。AI不会记住你喜欢什么，除非你写下来告诉它。每加一条规则，AI就离你想要的"理想员工"更近一步。
但注意！当你加了太多规则和技能后，AI的性能又会下降。为什么？因为规则之间可能矛盾，或者上下文又膨胀了。这时候怎么办？
给AI放个"SPA假"。让它整理所有规则和技能，找出矛盾的地方，问你最新的偏好是什么。清理一轮后，你会发现AI又变聪明了。
这就是智能体工程的循环：极简起步 → 添加规则 → 性能提升 → 规则膨胀 → 性能下降 → 清理整理 → 性能恢复。周而复始，螺旋上升。
拥有结果，享受过程
最后，说点实在的。没有AI是完美的。你可以把设计和实现都交给AI，但最终的成果，责任在你。
这就像你是导演，AI是演员。演员可以即兴发挥，但电影拍砸了，观众骂的是导演。所以别当甩手掌柜，要审阅、要验证、要负全责。
但与此同时，别忘了享受这个过程。我们现在玩的，是未来的玩具。用AI写代码、建系统、自动化工作流——这本质上是在用未来的工具做现在的事。多酷啊！
你不需要成为配置大师，不需要追每一个新框架，不需要写几万行的系统提示词。你只需要理解几个核心原则：上下文要精简、规则要清晰、终点要明确、利用AI的天性而不是对抗它。
然后，保持简单，持续迭代，定期清理。
这就是成为顶级智能体工程师的秘诀。不是更多的工具，而是更好的策略。不是更复杂的设置，而是更清晰的原则。
现在，关掉那些花里胡哨的插件，打开你最基础的命令行CLI，开始吧。