写给每个AI工程师：你那26000行的提示词，可能正在拖垮你的Agent | 推文 别再沉迷于寻
写给每个AI工程师：你那26000行的提示词，可能正在拖垮你的Agent | 推文 别再沉迷于寻找终极AI Agent框架了。
写给每个AI工程师：你那26000行的提示词，可能正在拖垮你的Agent | 推文 别再沉迷于寻找终极AI Agent框架了。
一位资深玩家揭示了反直觉的真相：顶级高手都在做减法，他们用最精简的工具，只痴迷于一件事——上下文管理。
你精心维护的复杂提示和插件，可能正是AI表现不稳定的根源。
你是不是也这样：每天用着Claude和Codex，却总怀疑自己没把它们的性能榨干。
你看着别人用AI造火箭，自己连两块石头都堆不起来。
于是你疯狂折腾，试遍了市面上所有的agentic框架和插件，你的CLAUDE.md提示文件堆到了26000行。
结果，AI助手还是时而天才，时而智障。
你以为是工具不够好，但一个残酷的真相是：你那股折腾的热情，恰恰在拖后腿。
一位自称“不是游客”的资深Agent工程师，在尝试了所有主流范式、并用其构建了生产级系统后，如今选择了一套几乎是“裸奔”的极简配置，反而做出了最突破性的工作。
他揭示的核心秘密只有一个词：上下文。
更具体地说，是“上下文过敏”。
你给AI的上下文太多了。
那些横跨几十个会话的记忆插件、命名糟糕的技能库、臃肿的规则集，都在制造“上下文膨胀”。
当你想让它写一首关于红杉树的诗时，它脑子里还装着上次帮你修bug时关于内存管理的笔记，以及71个会话前某个进程卡死的惨痛教训。
结果可想而知。
顶级玩家的做法是反过来的：极度精准地控制信息注入。
他们会把研究和实现彻底分开。
一个任务用来研究，另一个拥有全新、干净上下文的Agent只负责执行。
他们痴迷于设计“任务合同”，用测试用例和截图验证来明确定义任务的终点，而不是让Agent自己决定什么时候“完工”。
更深一层，他们懂得利用AI的设计缺陷——“谄媚”。
你让它“找个bug”，它就算没有bug也会给你造一个出来，因为它被设计为取悦你。
所以高手会换一种说法：“过一遍代码逻辑，报告你的发现。
”这种中立的指令才能得到真实反馈。
他们甚至会设计“对抗性Agent”，一个负责找茬，一个负责反驳，最后让裁判Agent来评判，像一个内部的红蓝军演习。
所以，别再追逐新工具了。
前沿模型公司自己就是Agent的最大用户，任何真正好用的功能，迟早会被集成到基础模型里。
你真正需要做的，是把你那个庞大的CLAUDE.md当成一个逻辑目录，而不是知识垃圾场。
当AI犯错，就加一条规则；当有个好流程，就沉淀成一个技能。
然后，定期清理、合并这些规则和技能，给他“做个Spa”。
你需要的不是一个更强的工具，而是成为一个更好的上下文管理者。
这里不是在评测工具，而是在传授一种与AI协作的“心法”。
它精准地命名了大多数工程师遇到的问题——“上下文膨胀”，并给出了反直觉但极其深刻的解决方案。
关于利用AI“谄媚”缺陷设计对抗性Agent的例子，更是局内人才有的洞察，这才是真正拉开人与人之间AI使用效率差距的地方。
