把 AI 编程工具从「能用」调成「好用」

一句话:同一个工具,新手用着"还行",老手用着"真香",差距就在三件事——给它规则、给它可复用的技能、给它跨会话的记忆。这也是「上下文工程」(第 5 篇)在工程上的落地。

三件事各解决什么

① 规则约束:把叮嘱变成"常驻"

与其每轮对话都重复"用 pnpm、别引新依赖、跑测试再结束",不如把这些沉淀成项目级规则(很多工具支持放一个规则文件 / 配置在仓库里),让支持该机制的工具在任务开始时加载。本质是把项目约定固化、共享；模型仍可能偏离规则，实际副作用要由权限、沙箱和执行检查约束。

还有一类是自动触发的检查:在「它要执行某操作之前 / 之后」挂一个钩子,比如"改完代码自动跑 lint""执行删除命令前必须确认"。这把"靠自觉"变成"靠机制",安全得多。

② 可复用技能:把 SOP 封装起来

一套固定流程——比如"新增一个接口:写路由 → 写校验 → 写测试 → 更新文档"——如果每次都口头描述,既慢又容易漏。把它写成一个可调用的技能(一段结构化的操作说明 + 步骤),以后一句话就能让 AI 按这套 SOP 走。

本质:把"怎么做"从一次性的对话,变成可复用的资产。团队里沉淀得越多,AI 越像个懂行的老员工。

③ 跨会话记忆:给它一本"项目手册"

换个新对话,AI 就不知道你的项目背景了。解决办法是维护一份项目级记忆(架构、约定、踩过的坑、术语表),让它每次开工先读。

记忆不是越多越好(还是那句:会稀释注意力):

• 该记的:稳定的约定、架构决策、反复用到的背景。
• 别记的:一次性的临时信息、很快过期的细节。
• 定期精简 / 更新,别让手册变成一本越堆越厚没人看的流水账。

常见坑

1. 规则写成长篇大论:模型抓不住重点。规则要短、要硬、要可执行。
2. 技能封装得太死:把不该固定的也固定了,遇到变体反而碍事。封装"稳定的流程",留"可变的参数"。
3. 记忆只增不减:越堆越多 → 注意力稀释 + 烧 token。要有"遗忘"机制。
4. 不挂安全钩子:能跑命令的工具,危险操作不设确认 = 给自己埋雷。

关联面试题

• 「怎么让 Agent 在多轮 / 跨会话里保持一致性和记忆?」
• 「Agent 的记忆系统怎么设计(短期 / 长期 / 检索)?」

👉 去 题库 搜 Agent 记忆 / 多轮一致性 / 上下文管理。

训练营延伸

这三件事往工业级走,就是 Agent 的「记忆系统 + Harness 工程」:三层记忆(工作 / 情景 / 语义)、记忆的写入与遗忘策略、技能注册与版本管理——是训练营 Agent 工程那条线的核心。