大家好，我是Zack。

前几天跑一个三小时的活，最后一步全忘了，又从头跑了一遍。

那天我盯着屏幕上的进度条，想的却是同一句话：这玩意儿要是能自己记住就好了。

后来我发现，能记住的其实不是 agent，是文件。

从那之后我把跑长任务的流程改了三处，从此没再返工过。今天把这三处摊开讲，都是能直接抄的。

一、开工前先要方案，别让它直接动手

这是我最早改的一处。

以前我把需求一句话说清楚就让它开干：「把这个功能加上」。结果它一口气改了 8 个文件，等我看到的时候已经晚了。

现在我有个硬规矩：涉及多文件、多接口的活，先出方案，写第一行代码之前必须等我点头。

提示词我是这么写的，直接抄：

先别动手。读完代码后用 5 步以内说清楚：
1. 你打算改哪几个文件
2. 每个文件改什么，为什么
3. 哪里有不确定的

写完等我确认。确认之后再写代码。
遇到拿不准的地方直接问我，不要自己假设。

差别在成本。

方案阶段改一句话，5 秒。

代码写完再回滚，半小时。

这半小时不只是机器时间，还有我重新读一遍自己刚写的代码的心情。

二、中间产物必须落盘

三小时那个活之所以从头跑，是因为中途上下文被截断了——agent 看不见自己之前干过什么，就重新开始找。

我现在的做法是：凡是超过半小时的任务，每个阶段写一份状态文件。

不用多，就一个 STATUS.md，长这样：

## 当前阶段
3/5 已完成：抓取脚本跑通，去重逻辑写完

## 已落盘的东西
- fetch.py 已通，输出 raw.json（120 条）
- 去重在 dedup.py，阈值 0.85

## 下一步
写打分函数，输入 raw.json，输出 scored.json

## 踩过的坑
- 去重用编辑距离会误杀短文本，改成 Jaccard
- 0.9 以上才判重

这四个小节就够：当前阶段 / 已落盘的东西 / 下一步 / 踩过的坑。

最后那个「踩过的坑」别省。我有两次同一个坑踩了两遍，就是因为第二次翻车时没翻到第一次的记录。

效果是这样的：agent 忘了，我读文件就知道；上下文满了要重启，读文件接着干；隔三天回来看这个任务，也知道当时停在哪。

agent 会忘，磁盘不会。

三、写能验的验收条件，不采信自述

这是最反直觉的一处。

agent 干完活会跟你说「已完成」。我被这句话坑过——它说改好了，跑一下测试根本没跑过。

后来我改了规矩：完成标准要写成能跑的命令，跑通了才算完成。

现在我给 agent 的验收条件长这样：

完成标准（以下都要跑一遍，通过才算完成）：
1. python -m pytest tests/ -q 输出 0 failed
2. python scripts/stats.py 打印总条数，与 docs/expected.txt 一致
3. git diff --stat 不包含 config/ 下任何文件

第 3 条是关键，我单独说一下。

只告诉 agent 目标，它一定会顺手多干点事：重构、改命名、补文档、升级依赖。不是它坏，是它看到问题就想修。

所以我会在需求最前面加一段负向清单：

不许动的：
- 不许改 config/ 下的任何文件
- 不许引入新依赖
- 不许改 package.json
- 不许做重构、改命名

实测下来，负向清单的命中率比正向描述高得多。你说「要写得规范点」它不知道怎么做，但你说「不许动这 3 个文件」它一秒就知道。

顺带说两个我踩过的

上下文不是越多越好。 我硬塞过 15 份文档进去，200k tokens，结果模型开始跨文档串信息，答案看着特别通顺，其实全是我没给过的内容。现在我只喂它真正要用的那几段，其余让它自己检索。判断标准很简单——塞进去的东西，跟答案有没有直接关系，没关系的就删了。

并行 agent 别共用一个浏览器。 多个 agent 同时跑，报错说「找不到页面」，看着像页面没了，真实原因是一个 agent 把另一个的会话收走了。现在每个 agent 一个独立工作目录，端口、浏览器、数据库这些共享资源显式分配。别指望 agent 互相礼让，它们看不见对方。

前后对比

三条能带走的

1. 状态要存磁盘，不存上下文。 agent 的记忆靠不住，文件靠得住。
2. 「不许做什么」要比「要做什么」写得具体。 列黑名单比讲道理有效。
3. 自述不算数，命令输出才算数。 验收条件一开始就是命令形式。

这三句话不是 AI 工具的技巧，是任何长任务都适用的。

你跑 agent 的时候卡在哪个环节？或者你自己项目里有什么「返工三次才明白」的事，欢迎留言聊聊，我挑几个写细一点。

我是 Zack，关注我，一起把工具用明白。