如果你玩 AI 编程，今年六月到八月的信息流大概率被同一类标题轰炸过：照搬一份 K 神版规则，Codex 和 Claude Code “瞬间变好用”。教程们反复灌输的逻辑只有一个方向：往你的代码仓库里加规则。写 AGENTS.md、装 Skill、列禁令，规矩越细，AI 写得越像人话——"规范率从 60% 飙升到 95%"就是这么被讲出来的。知乎知乎
但九月开始，风向被官方自己掰了过来。9 月 12 日，OpenAI 的 Eric Provencher 发文：Skills、AGENTS.md 越多，反而越影响新旗舰 Astra 的发挥，建议减负。紧接着，OpenAI 官方开发者博客挂出一篇《Rethinking skills and prompts for GPT-6 Astra》，翻译过来就是：重新审视你写给 Astra 的那些指令和提示词。微博微博
让这事变得不像单向营销的是对手的姿态：Anthropic 也在同一周期官方背书减负，Claude 侧甚至有一句现成的减负指令——Run skill-doctor，然后删掉它报告为未使用的全部 skill。
官方点名了哪四类"过时规矩"
对完全文，被点名的基本是四种你在夏天亲手写过的东西。
第一，Skill 数量失控，描述先被压缩再被误触发。每个 Skill 都带一段描述，模型靠描述决定调不调用；Skill 一多，上下文装不下，每条描述被自动砍短，模型对每个 Skill 的理解就都变模糊了。官方给的错误示范是一段"处理数据库、查询、模型或持久化相关的工作时使用"——范围宽到碰见数据库就触发；正确写法收窄成"在添加或修改迁移文件，或者审查迁移上线方案时使用"。微博
第二，菜谱式的分步指令。模型弱的时候，“第一步做什么、盐放几克"确实防跑偏；模型理解力上来之后，每一步写死反而不给它留发挥空间，该按文件拆的要用"渐进式展开”——根文件只留路由表，模型按需再读。爱可可那类 AI 博主月初就在敲同一根钉子：以前为了驯服模型写的复杂脚手架、冗长 Skill 描述、强制先读全局文档的规矩，在更强的推理引擎面前成了干扰本身。微博
第三，AGENTS.md 里的强制阅读。"改任何代码前必须先读架构文档、数据库文档、部署文档"这类条款，被官方建议改成参考式：说清楚每份文档管什么用，让模型自己决定读不读——你改个错别字，不该要求它先通读架构图。微博
第四，也是最反直觉的一类：旧模型留下的护栏。因为 Astra 被官方称为他们"最 aligned 的模型"、拿不准时会主动停下来问，你再堆一层"任何操作前必须先征求同意"“不许自行决定”，它就会保守到不该停也停。但新模型也有新毛病：相比上一代 GPT-5.6 Sol，Astra 更容易提前收工，写完第一版就回来问"这样行不行"。对策不是加规矩，而是在派任务时就把"完成"定义清楚：做到哪一步、哪些环节不用回来问。微博
558 份 AGENTS.md 的体检报告：堆得最狠的，正是被点名的
这轮"规则热"到底堆成了什么规模？9 月 11 日，知乎用户"简中文"把 GitHub 公开能拿到的 558 份 AGENTS.md 抓下来做了结构化标注，有效样本 511 份，结果相当扎眼：87% 的文件写了构建、测试、运行命令，66% 写了 git/PR 流程，而用整节写"不要做什么"的禁令型内容占 65%——NO FILE DELETION、DO NOT EVER、Never run cargo build，全是划线。作者自己的解读是一句话：人对 AI 的信任不是从授权开始的，是从划线开始的。知乎
矛盾恰好卡在这：整个 6—8 月教程周期都在教人划线，9 月的官方口径却说这些线现在会勒住模型。按那 65% 的比例推，现在被 Astra"过度保守"困扰的人，手里多半就攥着一份禁令比命令还长的 AGENTS.md。同份数据里还有一处反差值得记住——覆盖率最低的恰恰是最值钱的内容："坑"只占 14%，这种只有踩过的人才写得出来的经验，读到的人省下的是几个小时。边界也得说清楚：这份统计的标注靠规则而非逐份人工校验，候选仓库偏向 AI/agent 话题，只能当量级参考，不代表全部开发者生态。知乎
减负省的不只是效果，还是你的额度
社区里最狠的一条实测，把"规则债"直接接到了钱上：有博主 9 月 13 日发文说，刚用上 Astra 如果觉得额度掉得异常快，先新建对话框，让模型自己审阅你的 AGENTS.md 和 Skill，找出含糊、冲突、重叠、导致它不必要停下来要多余确认的指令。这条被大量转存的提示词里还有一句关键限定：保留你有意设置的批准要求，只删那些"意外让常规工作需要确认"的摩擦条款——减负不是放权。微博
规则债和额度之间的逻辑链条其实很短：臃肿规则 → 每次任务读更多上下文、停下来问更多次 → token 花在低产出环节 → 周额度先见底。这不是小众抱怨，用了两年 Plus 的研究生用户在 9 月的提问里说得很直白：Astra 推送后，“即使用 subagent 省 token 的情况下，一周额度也不够用了”，想上 Pro 又嫌贵。而在最顶上的 Pro 20x 已暂停新订阅、普通用户根本挤不进去的当下，砍规则几乎成了唯一不用花钱的扩容手段。知乎知乎
你属于哪一档，决定这次要不要动手
按手里的资产量对号入座即可。只 vanilla 用 ChatGPT 问话、没写过任何 Skill 和 AGENTS.md 的，这条新闻与你无关，不用特意去装一套规则再学怎么删。有三五个边界清晰 Skill 的，只检查描述宽不宽，把"什么都管"的改成"只管这一件事"。Skill 上两位数、AGENTS.md 几百行的，值得做一次全量审计——官方给的路子就是让 Astra 自己把你的 Skill 和 AGENTS.md 审一遍，列出哪些过时、哪些可精简、哪些已不需要，然后轻装上阵。团队仓库里禁令比命令还密、模型频繁在中途停下来等确认的，重点排查过度保守：那种停下来不是安全问题，是成本问题。微博
最后泼两盆冷水，免得减负令被读成万能药。其一，这是清理，不是清零——87% 的人都写的"怎么跑测试"、14% 几乎没人写的坑，恰恰是必须留着的部分；砍的是微观管理，不是领域知识。其二，也别把官方对新模型脾气的复盘当成"AGI 已来"的证据，Astra 是 9 月 3 日随"欢迎来到 AGI 时代"的口径发布的，能识别屏幕像素、自己操作电脑，但同一个模型也干出过设计一台没有旁通涵道的涡扇发动机这种事。官方指南承认新模型有新毛病，这本身就和"完美"两个字不兼容。微博
下一步按顺序做三件事：先跑一次审计提示词让模型复核自己的规则，再把过宽的描述逐条收窄，最后给常用任务模板补一段"完成定义"。然后观察两个信号——周额度消耗速度有没有放缓、模型有没有不再为小事回来问"这样行不行"。如果两个都没变，说明你的瓶颈本来就不在规则债上。
官方博客留在结尾的那句话，可能比所有具体条款都耐用：每次新模型发布，先别急着学新技巧，打扫一下你给 AI 写过的旧规矩。帮过你的规则是写给旧模型的，定期回头问一句"这条还有必要吗"，这个习惯本身，才是这轮 Astra 减负令真正的增量。
