已学完
💡 一句话解释： 不要给技能写几十行适用范围，一旦塞几十个技能进上下文，Codex 会强行腰斩截断描述，导致它彻底抓瞎！
# Bad: Use when working with databases, queries, models, or persistence... (泛滥触发)
# Good: Create and validate Postgres schema migrations. Use when adding or changing a migration.
烦恼：描述又臭又长，系统强行腰斩截断
啰嗦大段背景说明...
任何数据库都要用我...
✂️ 强行截断
模型看不到核心，到处乱调技能
小作文太长，被剪得面目全非
办法：一句话切中要害，精准触发
🎯
精准边界：仅迁移时触发
Short & Distinct Trigger
百发百中，零多余上下文损耗
一句话点题，该出手时才出手
解决了什么： 彻底消灭多技能环境下的描述截断与相互撞车，大幅降低误触发率。
代价是什么： 编写技能时必须精准提炼最少关键字，不能偷懒复制泛化口号。
已学完
💡 一句话解释： 别让技能变成几十页的百科全书！根目录只放一个极简路标（Router），具体支持文档让它需要时再自己去翻！
# SKILL.md 仅保留最小路由与索引 ➔ 将庞大分流细节沉淀至 scripts/ 或 references/ 按需读取
烦恼：一次性灌入整本操作手册，窗长爆掉
SKILL.md
8000字全塞进来
Compaction
引发过早 Compaction，丢失关键事实
背着百科全书跑，直接累瘫倒
办法：做个轻量目录，用哪个分支点哪个
轻量路由
按需读 docA
按需跑 run.py
上下文极其纯净，持久专注主任务
轻装上阵，要看哪页翻哪页
解决了什么： 将大体量技能解耦为“路由+按需支持文档”，推迟会话 Compaction 压缩，节约海量 Token。
代价是什么： 需要规划良好的目录架构（如 assets/、references/），不能单文件偷懒堆砌。
已学完
💡 一句话解释： Astra 已经非常懂代码常识了！别再写“先建文件夹，再打开文件，再写第3行”的机械菜谱，过度指导反而让它变笨！
# 旧时代：把每步命令焊死在提示词中 ➔ Astra：讲清楚目标与约束，给足模型推理空间
烦恼：死板照方抓药，遇到非标准场景当场撞墙
机械菜谱
必须分5步执行
环境微变卡死
无法自适应现代复杂多变的代码库
死记硬背步骤，遇到新路就摔跤
办法：说清预期标准，让智能体自主规划
Astra
自主规划路线
灵活自愈修复
发挥高智商推演，方案更优越
指明终点目标，高手自会选路
解决了什么： 解除对高阶推理模型的过度微观干预，允许 Astra 运用更聪明的策略完成复杂任务。
代价是什么： 对于弱模型（如旧版小型模型），放任自由可能会导致执行步骤出现偏差。
已学完
💡 一句话解释： 别在 AGENTS.md 里写“每次改代码前必须读完 3 个长架构文档”！修个错字也去通读全仓，纯属烧钱发呆！
# Bad: Before every edit, read architecture.md, database.md, and deployment.md.
# Good: Use architecture.md for service boundaries, database.md for schema changes.
烦恼：改个逗号也要通读全仓架构书
💸 烧钱
改一个错字前
强读 10 万字文档
又慢又贵，严重拖慢交付节奏
杀鸡用牛刀，换个灯泡读百科
办法：按需挂钩，改哪里查哪里
改数据库?
Schema
仅读 db.md
零冗余直奔靶心
响应速度秒级提升，开销直降
对症下药，按需翻阅最轻松
解决了什么： 解除 AGENTS.md 中的无差别全量阅读绑定，让智能体仅在对应场景查阅针对性文档。
代价是什么： 项目内的各类分项说明文档（schema.md / deploy.md）必须保持时刻最新。
已学完
💡 一句话解释： Astra 骨子里就会自己跑测试验证！如果你还在提示词里死命催促“千万记得跑测试”，它反而会神经质地反复刷无意义测试！
# 旧提示词满屏“跑测试跑测试” ➔ Astra：默认自主跑测，过度提醒会导致冗余测试死循环
烦恼：过度强调测试，陷入无限死刷循环
反复刷测
30遍无意义轮询
提示词恐惧症导致不敢收工
反复催促，神经紧绷不敢停
办法：默认信任，给它一次跑完自愈即可
修改完毕
自主跑测验证
绿灯通过
适度自检，高效收工
自主自检，一把通过就交工
解决了什么： 删去无休止的“必须验证”说教，避免 Astra 产生强迫症式的重复运行与耗时。
代价是什么： 在关键合规性业务上，仍需在最终阶段设置硬性流水线断言门禁。
已学完
💡 一句话解释： Astra 的守纪律属性极强；如果没给足权限，它稍微测一下就会停下来找你确认！在 AGENTS.md 里明确告诉它：“本地测试是安全的，请一口气改完，别每动一下都问我！”
# AGENTS.md 赋权声明：
"The local tests use disposable fixtures. Run them, fix failures, and rerun without asking for approval at each step."
烦恼：太谨慎小心，做一小步就请示一次
动了一行
我可以跑测吗？
我可以保存吗？
人类被无休止的确认弹窗淹没
寸步难行，芝麻小事也要请示
办法：划清安全隔离区，开辟绿色通道
本地无害测试区：全权自决
Fix and Rerun Freely
一气呵成，闭环交付修改成果
划定安全圈，闭环冲刺不卡顿
解决了什么： 消灭了 Astra 因过度谨小慎微而产生的频繁早退打扰，实现单次指令直达完工。
代价是什么： 必须确保本地测试环境真实隔离（Disposable Fixtures），不可直连生产数据库。
已学完
💡 一句话解释： 以前为了防旧模型“拆家”，大家在提示词里写满了严厉的“绝不允许、严禁私自、必须先问”；Astra 太当真了，看到这些恐吓直接吓得不敢干活！
# 过去：防止旧模型越界而设置的“防御性恐吓词”
# 现在：Astra 本身对齐度极高，必须拆除陈旧的防爆网，换成清晰合理的权限说明
烦恼：恐吓性大棒把模型吓得寸步不敢迈
严禁做任何...
违者打断进程
不敢碰
正常该修的 bug 也不敢修了
处处是地雷，吓得原地不敢动
办法：拆除大棒，给予清晰的放行准绳
合理客观准则
安全即放行
从容解决
自信开展工作，效率翻倍
准绳客观明确，才能大展身手
解决了什么： 消除了旧时代残留的恐吓式限制，释放 Astra 原生极佳的对齐判断力。
代价是什么： 如果有外部第三方不可控人员提交 PR，仍需由人类审查真正的破坏性风险。
已学完
💡 一句话解释： GPT-5.6 Sol 习惯闷头跑长途，而 Astra 容易“写了个初步实现就停下来求夸赞”。在任务开始时就写清楚完整的“完工验收清单”！
# 明确注入持久交付预期：
"Task includes: 1. Code implementation; 2. Run local tests; 3. Inspect errors and fix them. Do not stop until all tests pass."
烦恼：刚写完草稿就停下，以为已经完工
写了初版
还没跑测
早退求评
需要人类多次踢一脚才肯继续走
写完初稿就交卷，留下半拉工程
办法：开工先立军令状，以验收通过为终点
完工定义：改完 + 调通 + 绿灯
End-to-End Acceptance Standard
一口气干到真正交付，不再中途断流
定好验收标尺，不干完绝不收兵
解决了什么： 利用明确的前置完工准则（Acceptance Criteria），彻底消除 Astra 的早退观望倾向。
代价是什么： 若任务定义不清或缺少测试脚本，模型可能会无所适从。
已学完
💡 一句话解释： 仓库里的技能不仅你在用，队友可能还在用 Sol 或 Luna！针对 Astra 的精简优化，不要变成其它模型的毒药，要做好分层兼容！
# 仓库规范：公共 AGENTS.md 保持简洁中性，高阶特化逻辑下沉到专属技能中按模型自洽
烦恼：为旧模型加的死板指令，把新模型逼疯
为 Sol 定制
死板硬性脚手架
Astra 被捆
不同代际智能体相互撞车冲突
老靴子硬套新脚，走路别别扭扭
办法：分层架构，基础统一、高阶自适应
公共基础：简洁核心约定
Astra 自主层
Sol 辅助脚手架
团队全家桶和谐共生，各取所长
分层解耦，新老模型皆得其所
解决了什么： 在多人协作开源仓库中，让 GPT-6 Astra 与其他模型共享一套干净解耦的工程上下文。
代价是什么： 需要团队定期开会对齐提示词库，避免不同代际的私货累积。
下一站
💡 一句话解释： 不用你一页页去人工筛改历史提示词！把这篇文章丢给 Astra，让它自己把仓库里的 AGENTS.md 和技能全面体检一遍、大刀阔斧重构！
# 自动化重构指令：
"Audit all skills and AGENTS.md based on OpenAI Astra guidance. Prune bloated descriptions, remove micromanagement, and report diffs."
烦恼：手动排查几百个旧技能，眼花缭乱
人类熬夜查
堆积如山
50个旧 skill
人工维护历史负担极其沉重
大海捞针，人工排查累到崩溃
办法：让模型自查自改，一键大扫除
Astra
全自动智能审计
精炼修剪一次完成
轻装上阵，去创造过去不敢想的系统！
神医自查，焕然一新战未来
解决了什么： 直接让最新模型根据官方新准则自我重构技能与配置，免除海量繁琐的人工迁移成本。
代价是什么： 人类需要对最终审计产出的 Git Diff 进行一次快速高层抽检确认。