我以前很怕 Agent 漏步骤。
它漏了一次，我就补一条规则。它改了不该改的文件，我再加一个 NEVER。某次忘了跑 Lint，那就把验证命令也写进去。
每次添一点，都觉得挺合理。
慢慢地，AGENTS.md、System Prompt、Skill 和项目说明里，开始出现越来越多相似的句子。它们都有来由，也都曾经防住过一个问题。可读到后面，人开始记不清哪一条还有用，哪一条只是为旧模型留下的。
前几天看到 OpenAI 新发的 GPT-5.6 Prompt 指南，我对其中一个建议很有感觉。
先删。
别急着加新规则。从一套已经能用的 Prompt 和工具开始，每次删掉一组重复指令、无效示例或无关工具，然后用同一批任务重新评测。
OpenAI 给了一组很有冲击力的内部数据。在一些编码 Agent 评测里，更精简的 System Prompt 让评分提高约 10% 到 15%，总 Token 减少 41% 到 66%，成本降低 33% 到 67%。官方也说得很克制，这些区间只能当方向参考，具体有没有效，要用自己的真实任务验证。
这一点让我开始重新看自己的 AI 工作流。
我现在的系统里，规则真的很多。
有些是写作习惯，比如中文优先，少一点模板腔。有些是项目边界，比如 Aries Wiki 里的启动台只是展示层，真正的事实要回到项目、来源和主题笔记。还有一些是风险门，发布、删除、付费、账号和真实写回，都要停下来问我。
这些不该因为「做减法」就被拿掉。
它们会真正改变行为，也在保护我的文件、账号和公开边界。
另一批规则就没那么确定了。
同一个执行步骤，在根规则、项目页和 Skill 里各写一遍。一个很少再用的工具，仍然每次都被放进上下文。旧模型曾经需要的提醒，模型升级以后还留在原地。
更麻烦的是，重复多了就会漂移。
某个步骤在一处已经改了，另两处还留在旧版。Agent 同时读到三套说法，反而更难判断。这种时候，再加一条 MUST 往往只会让问题更厚。
我现在正在做的 Aries OS，是一个很具体的例子。
这个项目已经进入真实生产迁移。后端任务可以让 Agent 自主推进，每个实质 Task 结束后都要独立审查。一旦涉及 App Support、LaunchAgent、双机传输、真实 selector 切换或 Aries Wiki 写回，任务就要停在明确的确认门前。
这些边界没有写清，Agent 的「自主」就很容易越界。
可当一个 Task 真的开始执行，它需要带着的东西可以很少。这一轮的目标，什么算完成，哪些东西能动，要留下什么证据，哪种情况必须停。
至于整个项目的历史、所有旧阶段和每个命令的详细解释，它们可以留在 spec、plan 和 handoff 里。当前任务只需要准确引用，不用每次搬进 Prompt。
个人网站的每周巡检也一样。
我已经有一份很长的 loop brief，里面记录了域名、Contact、简历、OG、robots、sitemap、移动端、Lighthouse 和公开风险。这份手册有价值，因为它保留了细节。
真正运行时，Prompt 可以更轻。
什么情况触发，这轮检查哪里，允许做什么，最多花多少成本，什么时候停，结果写回哪里。具体页面和检查命令继续放在 brief，运行中需要时再读。
这种分层不会削弱系统。它只是让当前任务少背一点行李。
我的 Wiki 自动化又是另一种情况。
比如播客来源沉淀，每天最多处理一条，只有找到公开音频才继续。空队列就直接结束，证据不足就标记阻塞。Aries Ledger 可以做学习和复核，不能自己去买卖。
这些句子看起来很像限制，实际上是自动化能稳定运行的原因。边界可以保持原样，只让它们出现在对应的工作流里。
官方指南还提到一个我很容易忽略的问题。Reasoning Effort 并非越高越好。
架构决策、安全边界和生产迁移，多花一点推理成本有可能值得。一条固定格式的提醒，或者一轮已经有明确步骤的 Lint，用最高档位只会更慢。
当 Prompt 还没说清成功标准和工具条件时，继续提高推理强度，很像让一个人在资料不全的情况下想得更久。时间花了，缺的东西还在。
对我来说，这也意味着一种更现实的分工。
日常整理、固定巡检、格式检查可以用稳定的中低档位。遇到架构、隐私、真实切换或难以回滚的决策，再让模型多想一会儿。
另一个很中我下怀的提醒，是生成了结果，还不算完成。
代码写完以后，测试、Lint、build 和最小冒烟检查还要跑。前端页面要看真实渲染，桌面、手机和关键状态都得确认。如果当前环境验不了，就把缺少的条件说清楚。
这套习惯我已经在做，只是以前会把它看成一种保险。现在我更愿意把它看成 Prompt 合同的一部分。完成标准里没写验证，Agent 就很可能把「生成完」当成「交付完」。
所以我现在会给一轮任务留下六格信息，目标、完成标准、事实源、允许动作、验证和停止条件。
不一定每一格都很长。
有时只是一句话。但这六件事都比「请认真」、「请深度思考」更能改变结果。
我也想给自己的几条高频工作流做一组固定评测。
每日轻整理的空队列，播客匹配成功和匹配失败，营销日报遇到重复案例，个人网站巡检碰上脏工作树，Aries OS 停在真实切换门前。这些都是真正发生过的场景，很适合拿来检查删规则以后系统有没有变差。
这样做，Prompt 减法就从凭感觉的大扫除，变成了一次可回归的维护。保留当前基线，一次改一组，跑相同的评测，看评分、Token、成本和越界情况怎么变。有问题就退回去，有收益再继续。
我大概还是会继续加规则。
因为系统真的出过错，人的第一反应往往就是补一个洞。这很正常。
只是下一次加之前，我想先停一下，问问模型缺的究竟是新规则，还是一个更清楚的结果和停止条件。再看看已经写进去的东西，还有多少真的在影响行为。如果找到一组可疑内容，就删掉重跑一遍。
这个暂停可能比再加一条 MUST 更有用。
After reading
Keep browsing Off the Deck, go back to the homepage, or get in touch directly.