Agent 刚开始用的时候很聪明，用久了反而答非所问，连简单任务都容易出错——问题往往不在模型，在越积越多的记忆、Skills 和提示词互相打架。每隔半个月，给自己的 Personal Agent 做一次记忆大扫除，效果立竿见。
核心就一点：先让 AI 找出问题，再决定怎么改，不要一上来就让它直接删。删改清单一定要单独过目——别让 Agent 自己全权决定删什么，它倾向于删掉让它难堪的冲突记录、留下顺手的偏好，清理完反而更像回声室。
1、检查重复和冲突的规则
先让 AI 扫描全部记忆和 Skills，找出重复、矛盾、互相覆盖的内容，列出问题清单，标明冲突位置和修改建议，确认之后再动手。明显重复的可以合并，互相矛盾的规则自己拍板，别让 AI 把重要内容删掉。记忆可以按三类分开处理：仍有效、已过时、失败教训——失败教训不要一删了之，留着它才能避免重蹈覆辙。
2、清理过期的记忆和规则
Agent 用得越久，越容易攒下失效信息：旧的操作流程、已经不存在的 Skill、过时的配置说明，都可能让它按错误信息执行任务。让 AI 逐条核对文件和实际情况，确认失效再改，别只凭记忆里的描述就直接删。
3、精简记忆，重新整理 Skills
长期有效的偏好和核心规则留在记忆里，具体的操作流程放进对应的 Skill。记忆尽量短而完整，Skill 负责某一类任务的具体执行方法。同一条规则在多个地方重复，就定一个主要维护位置，避免改了一处、别处还留着旧版本。
4、改完再让 AI 自检一遍
文件改完不算完，再让 AI 检查一次有没有遗漏的冲突、失效的引用、没清理干净的旧规则。重要文件改前先备份，改完检查差异，确认没有误删再保存。
还有两点要注意：Skill 通常是能直接编辑的文件，但 Agent 的记忆可能有独立的存储机制，不一定支持精确删除，要按实际情况处理。手上有知识库的话也要花时间整理，里面同样会堆积过时内容——可以单开一个文件夹让 AI 处理客观事实类的文件，但整理一定要人工介入、逐条审核，不然关键信息也可能被它顺手处理掉。
整理最重要的就一句：让 AI 协助，但你当指挥官。