来自钱泽的实战经验，打磨 AI 助手系统的五条底层逻辑。
AI 在阅读超长上下文时存在「概率性偷懒」。规则一旦过多且相互冲突，AI 的逻辑就会混乱，最终按概率随机执行。
核心指令放根节点：最重要的内容必须放在最外层（如 agent Markdown）。优先级越靠下，遵循概率越低。
压缩过的记忆必定丢失细节（就像几年后只记得大概轮廓）。依赖 AI 的记忆去自动调用功能是非常不可控的。
❌ 希望 AI 自动想起用哪个 Skill ✅ 要么显式指定 Skill，要么在全局 Prompt 里写明触发条件不要把所有信息一股脑塞进上下文，而是像漏斗一样分层处理：
第一层（Impact）先提问提取核心需求 → 第二层判断走哪个路由、读哪个文档 → 兜底策略交给搜索脚本。
一旦确定了具体目录或分支，就不需要加载无关的子节点，既节约上下文，又防止数据互相污染。
Skill 的本质是逻辑文本，不是带有明确输入输出的代码。让 AI 自动改 Skill，它很可能只改了一部分而忽略全局，导致新旧逻辑冲突。
必须定期剪枝：去除 AI 为了强调而产生的冗余废话，否则系统会越来越臃肿。
不能只靠「看多了知道这里容易坏」的学徒经验，必须要有架构思维。
只有大概逻辑化地理解系统本质上是怎么工作的，出了问题时脑子里转一转，就能模拟并定位出问题在哪。
万法归宗于「上下文」：无论用多少种复杂的记忆方式，目前的本质依然是把需要的内容检索出来放回去。利用结构化数据（如 Obsidian）进行结构化寻找，才是最高效的途径。