在使用 AI Agent 开发项目的过程中，我的一些理解 以及 推荐一下我开发的工具： 一句话总结版 模型决定能力上限，规则决定底线与一致性； Agent 规则文档是给智能体用的长期执行手册，拒绝直接抄模板，聚焦你反复遇到的问题，写死动作与验收标准，约束长任务每一步的判断。 正文 维度 模型层 规则层 决定因素 理解、推理、创作、工具调用的能力边界 目标拆解、工具白名单、权限审批、可验证性 典型约束 成本与速度（复杂任务需大模型，简单判断用小模型） 把“必须”“禁止”变成程序必经节点，而非仅靠模型复述 失败模式 “能做但太贵太慢” “写了却跳过”“自由发挥导致乱写” 模型负责“能做什么”，规则负责“按什么流程做、做到什么程度算完成”。两者缺一不可：没有模型，Agent 没有能力；没有规则，Agent 没有纪律。 一：能力上限 模型的能力边界直接决定了 Agent 能完成的任务类型。但关键在于， 不是所有任务都需要调用最大最强的模型 ——复杂规划用大模型，简单判断用小模型，这既是成本控制，也是速度优化的必然选择。 二：规则的本质 “规则决定会不会乱写” 规则层的核心机制包括： 目标与边界 ：通过任务拆解、工具白名单、权限审批点，将模型的“自由发挥”约束为“按流程执行”；； 避免“写了却跳过” ：把“必须”“禁止”等约束变成程序必经节点，而非仅靠模型在提示词中复述——这是规则从“建议”升级为“强制”的关键。 三：Agent 规则文档是长期执行手册 Agent 规则文档的定位是 权重极高的长期持久提示词 ，接近系统提示词，在长任务的每一步持续约束 Agent 的判断，一般用 Markdown 编写。这与“临时 prompt”有本质区别：临时 prompt 解决单次交互，规则文档解决 跨任务、跨会话的一致性 。 系统提示词是 Agent 的“核心规则基石”，负责定义模型的角色定位、应答规范与能力边界，为全程对话定下基础框架。规则文档正是这一理念的具体载体。 四：好规则写动作与验收，坏规则写价值观 这是最具操作性的判断： 坏规则 ：写抽象形容词（“回答要有审美”“方案要高级”），无法让 Agent 落地判断； 好规则 ：从日常反复踩坑的真实工作问题出发，写清楚 遇到这类问题时下一步要执行什么动作，以及怎么验收结果 。 一个完整的 Agent 规范应定义角色、场景、输入、输出、可做/不可做、工具边界、人工确认、失败处理、验收标准，把可观察的 Agent 行为验收清楚。可落地、可校验，才是好规则的检验标准。 五：知识库工具 knloop 是一个 Agent 原生知识库，让你的规则成为 Agent 的长期执行手册——你定义动作与验收标准，Agent 在每一步对照执行，全程可审计、可回滚。 knloop 让你把规范、SOP 、QA 、复盘写成持久化的 .md 文档，Agent 通过 MCP 读取，按你的规范执行，产出写回同一个库。

  • 情报分类：技术学习与提效
  • 分类依据：内容涉及技术、AI、软件工具或工程实践
  • 信息来源：服务器 / V2EX
  • 发布时间：2026/10/1 01:56:27