你还在用对话框跑长程任务吗?

  • 上下文溢出
  • 状态漂移
  • 遗忘初始目标

这些深渊巨坑还没让你清醒过来吗?

不要再默认 Agent 聊的越久越聪明
不要再期待下一代模型能解决这些问题
也不要觉得我换一个更强的Harness就能解决

按照我玩Agent一年多的实战经验,
全都没用,唯一有用的只有一个笨办法:

用Agent结构构建本地项目文件

不要神化记忆系统。
模型的记忆 的本质,其实就是 精准读取。
能让模型更快、更准地读到该读的东西,就是好记忆。
用纯对话框跑长任务必死无疑:上下文溢出、状态漂移、遗忘初始目标

为什么对话框跑长任务必死?

  • 上下文是租来的:每次推理只看到当前窗口,压缩/摘要会悄悄丢信息。
  • 状态漂移:模型会“觉得自己记得”,但真实真相只在对话历史里,一旦被压缩就不可恢复。
  • 目标遗忘:初始约束(“不要动某目录”“必须用某命令”)在长对话后权重下降。

State 必须活在文件里,Context 只持有指针

比较可靠的长程系统,不是“让模型记住更多”,而是让模型每次都能从磁盘读到同一份真相。

对话框只是执行通道,本地项目文件才是真正的记忆与架构。
对话框 vs 本地项目文件:状态是租来的会蒸发,真相写在磁盘每次读同一份

目录即架构,文件即记忆

先理解什么是Agent架构?

所谓 Agent 架构,不是再堆一套复杂 runtime,而是把项目本身组织成 Agent 能稳定读取的结构:

  • 有一份短入口(AGENTS.md / CLAUDE.md)做地图
  • 规则、决策、进度都落在可被定位的文件里
  • 换模型、换窗口、换 Harness,都能从同一份真相接续

不管你做网站、App任何项目,按照这个架构都能让外在工具无缝快速接入。

项目根目录 · 一份任何 Agent 都能接续的落点

  • ├──AGENTS.md跨工具权威源:入口只做索引与约束地图
  • ├──CLAUDE.md薄包装:只写 @AGENTS.md 或软链,不放规则本体
  • ├──CHANGELOG.md决策留痕:feat / fix / decision / note,知道自己走到哪
  • ├──docs/方案、边界、决策记录:需要时按路径展开
  • ├──skills/可复用的执行流程:换项目也能带走
  • └──references/外部资料与信源:只在该用时读

它的核心其实只有三件事:

一、单一真理源:入口只做地图,不做仓库

大家都知道Agent.md应该要越短越好,但真正的重点其实不是行数——是长了之后能不能把细节委托出去、只留索引。一份 300 行却全是链接的 AGENTS.md,比一份 60 行却把所有规则塞在正文里的更可靠。
项目目录中的Agent.md作为项目入口,只做索引和约束地图,规则本体存在你的项目文件中。

玩过Openclaw/Hermes的同学,都维护过这些Agent的记忆系统,把无数规则全塞进龙虾/爱马仕的全局Agent/全局memory中,结果就是:

  • 入口永远无法精简
  • 项目之间规则互相污染
  • 模型识别必然会漂移

把 AGENTS.md 下沉到每个项目目录之后:

  • 全局 Agent 可以减负
  • 模型读项目时更精准
  • 换项目不会把上一个项目的规矩带过来

二、项目更换模型、Agent,不应该再重新交代一遍

大家一定都遇到过,各家harness层出不穷的新功能,或者模型又有新的突破性能力。
如果你把你的项目直接切换过去,默认的情况就是这些模型工具,会全量通读你的项目,理解你的项目结构,可能你还没开始进行下一步,你的Tokens余额就已经开始报警了。
目录即架构,文件即记忆:AGENTS.md 为根,CLAUDE.md、docs/、skills/、references/、CHANGELOG.md 为分支

如果你按照Agent结构来构建

  • 模型先读 AGENTS.md,快速建立项目地图
  • 再读 changelog / 决策记录,知道你走到哪一步
  • 需要细节时,再按路径去读对应文件

全程消耗的tokens及时间会大大的缩减,你也能更快速的进行下一步的优化迭代;

  • AGENTS.md 做跨工具权威源
  • CLAUDE.md 只做薄包装(@AGENTS.md 或软链)
  • 根文件保持极短,细节放进按需读取的 docs/、skills/、references/

这就是渐进披露(Progressive Disclosure):入口永远短,细节按需加载。

渐进披露 · 模型读你项目的固定顺序

  1. STEP 01读入口AGENTS.md先拿到项目地图与约束
  2. STEP 02读留痕CHANGELOG.md知道走到哪一步、上次为什么这么改
  3. STEP 03按需展开docs/ · skills/ · references/只读这次任务真正需要的那些文件

顺序固定、细节按需 —— 入口永远短,token 花在该花的地方。

三、记忆系统别神化,模型的记忆本质就是结构化读取

能让模型更精准的读取,就是一套好的记忆系统

不管是qmd、openviking、还是各种 memory 方案,核心本质就是

优化海量数据的结构,让模型更快更精准的定位读取。

而本地项目文件Agent结构化这套办法更直接:

  • 不管换模型
  • 不管换 Harness
  • 不管新开对话窗口

只要读取项目目录,就能快速接续。
比大多数“黑盒记忆”更高效,也更可审计——能 git diff,能人工检查,能跨工具复用。
AGENTS.md 入口与地图:changelog 记录决策,docs/skills/references 按需读取,入口永远短

注意,长期维护过程要防腐化:
文件也会腐化。
规则过期、路径改了、命令变了,入口却没人更新,一样会漂。
所以需要 changelog 留痕,也需要定期体检:入口是否过长、索引是否失效、决策是否还成立。

一个技能就能搭起来: 【agents-md-kit】

方法讲清楚了,但是具体怎么用?每次创建项目都要手动创建那么多文件吗?

我把它封装成了一个一键skill:agents-md-kit
agents-md-kit:一键搭好 Agent 项目结构,开源 MIT 许可零依赖

当你新建项目时,@agents-md-kit 运行这个skill,就能自动帮你构建整个完成agent结构,你只用继续跟你的对话框聊天,AI会自动把相关的内容在项目目录对应的文档中沉淀。

agents-md-kit 主要做这些事:

  • 按 Agent 结构初始化项目目录
  • 生成并尽量精简 AGENTS.md 入口
  • 适配不同 Harness:Codex、Claude 公用同一套 agents
  • 决策留痕:更改记录记 changelog(feat / fix / decision / note)
  • 渐进披露:入口只做索引,细节按路径展开,更省 tokens
  • 结构体检:检查入口行数、文件是否过期等腐化信号

直接下载部署这个Skill,加入到你的长期项目中吧。

下载地址:agents-md-kit

祝大家都能早日VC出🐮🍺的作品!


你的长任务项目也是在对话框里推进的吗?评论区聊聊你的用法?

#Agent架构 #AGENTS.md #目录即架构 #AI提效 #自动化工作流