为AI智能体编写规约常因上下文过大或指令模糊而失败。本文提炼了一套实用框架，通过结构化设计、分阶段执行和持续迭代，引导AI高效完成复杂任务，避免项目偏离轨道。
智能速览
启动时仅提供高层次目标，让AI扩展为详细计划。
规约应像PRD一样结构化，涵盖六个核心领域。
将大任务分解，为智能体提供专注的上下文以避免过载。
采用“始终/先询问/绝不”三层系统设置清晰边界。
将规约视为活文档，与AI共同迭代、验证与完善。
精华内容
编写有效的AI智能体规约，关键不在于面面俱到，而在于结构清晰与迭代专注。它是一份活的蓝图，引导AI从规划走向精准执行。
规划先行
应避免向智能体抛出庞大规约。有效方法是启动时只提供高层次目标，如项目愿景与核心需求，然后引导AI将其扩展为详细计划。此法利用了AI在阐述细节上的优势，同时保持对方向的掌控。
利用“规划模式”可强制AI在只读状态下分析代码库、澄清疑问并完善计划，确保在编写任何代码前，双方对目标达成共识，避免后期返工。
结构化规约
规约应被视为一份结构化文档，而非松散笔记。GitHub对超过2500个智能体文件的分析显示，高效规约普遍涵盖六个核心领域：可执行命令、测试框架、项目结构、代码风格、Git工作流及边界限制。
例如，需明确 `npm test`、`src/` 目录用途，并规定“绝不提交密钥”。这种清晰度能为AI提供遵循的蓝图，大幅减少模糊性，确保输出符合预期。
分而治之
研究表明，指令过多会导致AI“注意力崩溃”，无法高质量完成所有任务。核心策略是“分而治之”，将大任务分解为专注的子任务。
可根据功能模块（如后端、前端）或开发阶段划分规约，在处理特定任务时仅提供相关上下文。对于大型规约，可生成包含摘要的扩展目录，让AI按需加载细节，从而绕过上下文限制，保持输出质量。
迭代与验证
规约并非一成不变，而是需要随项目演进的“活文档”。在每个里程碑后都应进行测试或审查，根据结果修正规约与代码。
鼓励AI进行自我验证，如要求其在实现后对照规约进行检查。同时，应利用测试套件作为质量控制的硬性标准，确保AI的输出不仅语法正确，更在逻辑和功能上满足需求，形成“编写-验证-修正”的闭环。
掌握这套规约编写与迭代方法，意味着能与AI建立更高效的协作模式。它将模糊的指令转化为精准的工程实践，最终将AI从被动的工具转变为可靠的数字合作伙伴，共同构建更稳健的系统。
