博文
几个月心血搭好的 AI 元技能，我为什么全拆掉？ 
精选
|
刚柔
几个月前，我 做了一个专门管 AI 干活的 Skill，当时特别兴奋。
Skill 可以理解成一份能反复调用的工作说明。你把做一件事的要求、方法和检查办法放进去，AI 接到这类任务时就能照着执行，不必每次从头叮嘱。
我做的这一份 Skill，可以称为「元」技能（Meta Skill）。因为它管的是更基础的事：怎样让模型不偷懒，不把任务打折扣。否则看似答应得好好的，交出来却少了该做的工作。
比如，让它做一份调研，不能找到几条材料就直接下结论。比较的究竟是什么，资料是否还适用，推导有没有反例，报告里的事实能不能找到出处，这些都得有交代。
我希望把当时能想到的要求尽量补齐，装进一套可以反复使用的规则里。
光写一句「请认真完成」当然不够。我给这套安排起名叫「刚柔」。翻看如今归档的说明，它的核心是一份 graph.json：把复杂工作里的步骤、契约和约束写成程序能读取的图。这叫图 IR，可以理解成一份既能指导执行、又能用于复盘的步骤关系图。
它只做两件事。第一件照着那份步骤关系图，把工作一步步执行下去。图里有一类「受控节点」，包括检查必须达到的要求的契约闸，以及明确绑定为必做的步骤。
执行器要启动子进程，把这些节点真正跑起来，再按预先写好的规则判定执行结果，不能接受模型一句「我做完了」就算通过。需要返工的回环也有上限，不能无限重来。
除此之外，方法层留给模型选择：怎样理解材料、采用什么做法、怎样调整安排，可以按任务改变，并把经过记录下来。必须兑现的要求要守住，具体怎么做保留余地。
第二件是 viz，运行后复盘。它读取图和运行记录，渲染成一个 HTML 页面，方便查看这次工作是怎样走过来的。它核对的是图的结构、表达和渲染是否正确，不替任务本身下质量结论。下面这张图依据归档原文简化重绘，展示的就是这一套机制。
拿我当时维护的 Deep Research 调研流程 来说，我把什么时候该检查、检查什么，都写进了文件：15 个阶段，24 条契约，3 道检查。
起步要重新诊断问题，推导时还安排多路候选相互参照。这些数字不是成绩单，却能看出我（结合 Claude Code + Fable 5）当时想得有多细：从接题到交报告，我想把模型可能省掉的功夫，一处处补上。
我在这个「刚柔」Skill 身上花了很多心血。让我兴奋的是，原来通过元技能的设定，真的可以把用户对「认真干活」的要求做成一套东西，留下来反复用。以后让 AI 干活，就不只剩下临场催促，还能把要求和检查办法一起交给它。这套安排后来也确实用了挺长时间。
时间来到 2026 年 9 月 5 日早上，我给 Codex 下了命令：把「刚柔」Skill 拆掉，全拆，就连其他 Skill 和配置文件里残留的相关调用也清理干净。
这就像一幅精心铺好的沙画坛城，细细的彩沙一点点排成图案，最后却由做它的人亲手抹去。
我这是怎么了？像疯子一样，费了几个月心血建好的东西，怎么突然说拆就拆？
因为 GPT-6 来了。
拆除GPT-6 Astra 最让我关注的，是它把复杂任务一路做下去的能力。按 OpenAI 官方模型使用指引 的介绍，它更擅长跨代码、浏览器和专业软件完成多步工作；中途追加要求、纠正方向，也能应对变化，继续推进原来的任务。对我来说，这直接关系到过去那些需要反复叮嘱、替模型补漏的工作。
可这份官方说明里，最有意思的还不是能力介绍，而是一条使用提醒：官方强烈建议，检查新模型会读到的 AGENTS.md 和 Skills，看看里面有没有会影响它行为的指令。
AGENTS.md 是给 AI 的工作规矩，Skills 里则放着具体任务的说明。官方为什么特意提醒检查它们？因为 GPT-6 更能遵循指令，也更容易受到这些文件的影响。含混、冲突的要求，可能让它提前停住。
正是这条提醒，让我回头审视自己积累的那套「刚柔」规则。过去，我总担心模型漏掉要求，于是不断补充规定。现在模型更认真地照着做，那些为了弥补旧模型短板而加上的安排，会不会反过来妨碍它完成任务？
顺着这个问题往下查，我才分清楚：有些规矩是在守工作底线，有些规矩则是在替当时的模型能力补缺口。事实核查、隐私保护、真实授权和最终交付检验，今天依然要保留；至于从头重跑、强制分出多路候选这类安排，就得看看当前任务到底需不需要。
想明白这层差别，我便不再犹豫，决定把那套额外的过程约束拆掉。官方建议的是检查规则，具体拆哪些、留哪些，是我（当然，也要加上 Claude Code 和 Codex）核对自己的工作流之后做出的判断。前面那道看似发疯的拆除命令，就是这样来的。
既然想清楚了要动手术，接下来的问题就很自然：谁来梳理这些千丝万缕的规则，又由谁来执行这次彻底的清理？
托付解铃还须系铃人。我选择把官方指引直接交给 Codex + GPT 6 Astra，让它来负责这次清理方案的梳理与具体落地。
在这场手术里，参与协作的还有我的秘书 Grok Bot。它在整个过程中承担了至关重要的上传下达工作：一方面把我的总体意图、边界约束以及执行途中的调整传达给 Codex，另一方面把 Codex 梳理出的方案、执行进展以及核对报告及时反馈给我。
这里的分工非常清晰：
我负责定下目标、划出红线并在出现偏差时纠正方向；
Grok Bot 作为沟通枢纽，负责把要求和反馈准确传递；
Codex 则承担具体的代码阅读、技术判断、文件修改与结果核实。
整个过程中，我既没有让负责沟通的秘书去越俎代庖制定技术方案，也没有丢给 Codex 一句轻飘飘的「帮我打扫一下」，就撒手不管。
面对这样一套运行了数月、彼此咬合的规则体系，清理到底难在哪里？需要多深的推理力量，又得给它怎样的指导和纠正？
难度这件事情的难点，而在于对规则关联的细致辨析。你面对的是一条条过去为了解决某些特定痛点而写下的规定，必须准确分辨：这条要求最初是为了防范什么风险？在现在的模型能力下，那个风险是否还存在？如果贸然删掉它，会不会引发链条上其他环节的连锁反应？
正因为牵涉到大量上下文判断，推理强度的选择就成了关键。
在刚接触新模型时，我最初觉得思考强度放在 medium 就足够应付日常工作了。但在这次实际动手的过程中，我改变了想法，跟 Grok Bot 嘱咐，必须让 Codex 根据任务的具体类型来选用档位。像眼前这种牵一发而动全身的系统清理，必须把档位显式调到 high。而在日常其他常规任务中，全局默认依然保留在 medium。
清理规则涉及修改前后的逻辑关系，我希望给这类判断更多推理空间。
给 Codex 的提示，我提炼出三个不可或缺的要点：
首先是讲清目标，明确指出这次清理要拔除的是哪些束缚当前任务的旧约束；
其次是划清边界，讲透哪些过程性门槛应该删除，哪些关乎事实、隐私与核验的底线必须保留；
最后是明确要求它拿出检查关联影响的具体依据，并提供可供人工复核的结果。
目标、边界和推理档位都交代清楚了，接下来就看实际执行中会遇到什么。
执行拆掉一个深深嵌入整个儿 AI Agent 系统的元技能时，一帆风顺是不大可能的。
就拿前面提到的 Deep Research 举例。
修改前的流程文件，登记了 15 个阶段、24 条契约、3 道检查。阶段不只有查资料、提取事实、写报告，还包括初始化目录、判断问题类型、评估时效、复验比较口径，以及两处审核。
图多、阶段多，本身并不能证明设计有问题。查资料要找到权威来源，比较两个工具要统一口径，推导之后要找反例，这些工作今天照样需要。真正需要清理掉的，是主线外围的几条规定。
先看起步。旧版写着：「每次调研必须从零重做 Step 0 / 0.5 / 1」。紧接着，它把上次的对象定义、比较维度、事实卡片骨架等，也列进了不能复用的范围。只有同一任务的明确延续，或我明确要求沿用，才允许承接。
这条要求原本防的是偷懒：换了题目，却把上一份分析框架原封不动套上来。但要不要复用比较维度，也被它预先限定了。举例来说，上一份报告按费用、部署方式、隐私要求比较工具，这次换成另外两款同类工具。这些维度是否仍然合适，本可以结合新问题逐项判断；旧版却原则上要求重新诊断，不允许直接承接上次的维度模板。这就是当时所要求的「刚性」带来的结果。
改完后，要求变成了先核对象、时间、口径和受众，可信的既有证据可以复用，变化的部分增量核验。模型要回答的是「这条材料现在还适用吗」，而不是先证明自己从头跑过一遍。
再看推导。旧版会先探测是否能调用子代理；一旦能，就自动走三路候选，再把三份推导融合起来。这相当于规定，只要有条件叫三个人来做，就要叫齐三个人。
新版把普通调研改成默认单遍完成。问题确实复杂、有争议，或我要求多路比较时，再采用三路候选。对于 GPT-6 这样的强悍模型来说，弄三个来同时做，有可能起到的作用不是「三个臭皮匠顶个诸葛亮」，而是「人多了打瞎乱，鸡多了不下蛋」。
独立审查仍然保留。Codex 提出的这个修改建议我很满意。
最后才是那张流程图的地位。旧版把它称为工作流的「权威图表示」，连修改步骤、契约和检查的语义，都要求同步维护图中的定义。新版则明确，它只是历史流程文档，或主动选择旧图工具时的输入，不再统领普通调研的执行。
新图把工作归成几个便于理解的环节，不是宣称底层文件只剩这几个步骤。它想展示的是：AI 可以按问题组织研究，证据与推导检查、最终交付检查仍要做。对应的三道脚本检查，也仍分别在成稿前、最终交付前和打包后执行。
比如，结论里出现了一条新事实，却没有对应的事实卡片和出处，依然不能放过去。审核之后又改了材料，就要核对新的版本，不能拿上一版的审核结果替它背书。
概括起来：取消的是从零重做、自动三路候选和流程图的强制统领，留下的是对事实和最终产物的检查。
这也解释了我在清理途中为什么要纠正 Codex。我明确要求删除的旧门槛，不能只是改成温和的建议继续留着；已经停用的流程，也不能转头又被推回来。因为那样就等于没做修改。
改善还有一个修改，比「让模型更自由」具体得多：调研报告怎样打包。
这次独立验收发现，旧交付脚本虽然声称按清单打包，实际却递归收进了整个工作目录。测试放进去的一份模拟私密材料，也跟着进了压缩包。
这说明什么？说明所谓的刚性，并不一定保证我们拿到自己想要的结果。机械的执行，甚至有可能适得其反。
修正后的脚本改成只收最终报告、网页、图片清单和清单里实际列出的图片。原始提示、内部审核记录、未列出的材料都留在本地。同一套明确的文件清单，也用于准备网页部署的资源。独立验收又检查了目录穿越和符号链接，防止看似在清单里的路径指向清单之外。
当然，被选进来的正文和图片仍要查隐私，文件在清单里，不等于内容就一定适合公开。
这些变化也让我更具体地理解了 harness 的作用。所谓 harness，就是让模型接触文件、调用工具、接收人类指令与纠偏，并把最终产物交还给你的工作框架。
在这个案例里，Grokobot 就起到了这样一个上传下达的作用。它做的事情并不抽象：把我的纠正传给 Codex，让 Codex 读到修改前后的文件，调用检查脚本，再把当前报告和图片交出来。
所以，这次拆除一个元技能及其在不同的 SKill 里带来的影响，结果里既有模型承接修改的能力，也有我的纠正、规则调整和脚本修复。
梳理清楚了这些关系，我们终于能回望最初的那个心结：既然都是为了把事情做好，为什么几个月前搭建是合理的，几个月后拆掉同样是合理的？
答案几个月前搭建，几个月后拆掉，这两个看似矛盾的动作，其实遵循着完全相同的判断标准：怎样才能可靠地完成工作。
几个月前，面对能力有局限的模型，我搭建「刚柔」，希望把不能省掉的检查和步骤真正执行起来，同时给模型留下选择方法的余地，再通过运行图回看经过。那时的搭建，是对现实约束的积极应对。
几个月后，模型能力的变化让我重新检查这些安排，发现其中一些旧要求已不再合用。这时候拆掉它们，正是为了让新的生产力不再受制于旧的习惯。
小结OpenAI 此次发布 GPT-6，不少看客惊呼「见识到了 AGI 时代的来临」。我觉得这么说似乎有些夸张，但是模型能力的提升却是实打实的。而作为大模型的使用者，用户不能忽视这将给你和模型交互带来的变化。
如果某项规则当初防范的风险早已不复存在，如果它不仅不能带来确定性，反而在拖慢现在的执行，那就不要因为当初投入了心血而舍不得放下。
技术的条件一直在变，值得保留的是那个把工作可靠完成的目标。至于具体的脚手架与护栏，该立的时候果断立，该拆的时候，也要干脆利落地亲手拆掉。
所以在使用最新的旗舰大模型之前，我也建议你去查看一下自己之前的设定，是不是也有需要去清理一下的地方。
如果你觉得本文有用，请点击文章底部的「推荐到博客首页」按钮。
如果本文可能对你的朋友有帮助，请转发给他们。
欢迎关注我的专栏，以便及时收到后续的更新内容。
延伸阅读
https://blog.sciencenet.cn/blog-377709-1551217.html
上一篇：如何用 WorkBuddy 把手头资料做成交互式智能问答网页？
