天天用 Codex 的人，可能都干过这件事：今天发现它没有跑测试，就往 AGENTS.md 里加一条“必须运行测试”；明天发现它修改了不相关的文件，再加一条“禁止修改无关文件”；后天发现它没有提前搜索 GitHub，又加上“GitHub First”。
用了一段时间，整个文件可能变成几千字甚至上万字。看起来规定越来越完善，Agent 应该越来越可靠。但这里可能存在一个反直觉的问题：你写进去的规则越多，模型就需要同时处理越多约束，而且这些约束不一定始终兼容。
比如一个项目要求优先复用开源方案，另一个要求尽量不引入新依赖；全局规则要求每次执行完整测试，当前任务却只是在修改一段文档。还有一些规则，是为了几个月前某个已经解决的问题专门添加的，现在却继续影响所有任务。
这就很像软件项目里的历史包袱。每次遇到问题都往上加一层补丁，最后没有人敢删，也没有人知道哪些还真正有效。
OpenAI 关于新一代 Codex 的工程文章里，也能看到类似方向：更强的模型未必需要以前那么多手把手的指令，冗长甚至互相干扰的约束需要重新整理。
所以更合理的做法，是把 AGENTS.md 当成项目的长期约定，而不是一个无限增长的提示词垃圾桶。全局只保留真正通用的原则，比如不要泄露密钥、不要擅自覆盖用户改动、重要修改需要验证。具体技术栈、运行命令、项目目录和特殊约束，放在对应仓库。更复杂的任务方法，再交给按需调用的 Skill。
最重要的是，修改规则以后还得观察它有没有真的改善结果。否则你可能以为自己正在训练一名越来越专业的 AI 工程师，实际上只是不断给它塞更多互相矛盾的工作指令。
AI Coding 发展到现在，值得研究的不只是怎么写出更长的 Prompt，还包括什么时候应该把已经写过的 Prompt 删除。
正文完