当你的 AI 系统越来越臃肿、越来越难以预测，是时候系统性地重构了。这是一套经过验证的方法论。
重构之前先搞清楚「症状」和「病因」的区别。AI 表现不稳定，真正的原因通常是：规则冲突、上下文过载、Skill 触发不可靠、或者 Prompt 逻辑混乱。
大多数人的直觉是「系统不工作就加规则」，这会让系统越来越脆。正确的姿势是先删：删掉重叠的规则、删掉已经不用的 Skill、删掉过时的上下文。
重构时最常见的错误是同时改多个地方，导致不知道是哪个改动起了作用。必须像科学实验一样：固定其他变量，只改一个，观察结果。
核心规则放根节点（最外层），场景规则放 Skill，细节规则放具体对话。越重要的规则越要往上放，因为 AI 读取时越靠前的内容权重越高。
重构完成后，不要假设「这样应该能工作」。拿 3-5 个真实的失败案例重新跑一遍，确认问题确实被解决了，同时确认没有引入新的问题。
AI 系统的复杂度不是线性增长的——每增加一条规则，系统的不可预测性以指数级增长。重构的本质不是「让 AI 更强」，而是「让系统更可预测」。一个你能完全预测行为的简单系统，比一个强大但神秘的复杂系统更有价值。