模型变强之后，Skill 和 Prompt 该做减法了

模型变强催生 Prompt 与 Skill 的减法需求

过去一年，用 Coding Agent 的人可能都有一个共同经历：Prompt 越写越长，项目里的说明文件越来越多，Skill 也越装越多。模型哪里表现不好，就补一条规则；不主动测试，就告诉它“修改完成后必须运行测试”；容易漏文件，就规定“开始任务前先阅读项目结构”；怕它做过头，再补一条“执行下一步之前先询问用户”。时间久了，一套给 Agent 使用的说明，慢慢变成几十条甚至上百条规则。

但是近几个月，模型厂商们开始重新调整对 Prompt、Skill 和 Agent 指令的建议：随着模型能力提升，一些为早期模型设计的规则和约束，也需要重新评估。

测试与验证类指令可直接删除

上周，OpenAI 发了一篇文章专门讨论 GPT-6 Astra 中的 Skill、AGENTS.md 和任务 Prompt。文章开头就提到，过去一年里，开发者为了让 Coding Agent 得到理想结果，积累了大量指令。但随着模型能力提升，过去需要大量引导和脚手架才能完成的事情，现在未必还需要。

一个很典型的例子是测试。以前的模型要专门提醒：“修改完成以后运行测试，并检查自己的工作。”但 Astra 会主动完成这些步骤。继续保留过去的提醒，反而会让模型重复测试，增加额外操作。

Anthropic 最近给出的使用建议也很类似。Claude 最新的 Prompt 指南提到，Claude Opus 5 会主动检查自己的工作。如果把给旧模型准备的“完成后再次验证”“反复检查结果”继续留在 Prompt 里，可能会出现过度验证，增加 Token 和延迟。Anthropic 给出的迁移建议很直接，这类旧指令可以删掉。

以前优化 Prompt，经常意味着要继续往提示词中加东西；现在升级模型之后，第一件事变成了看看哪些东西可以删。

Skill 应转向渐进式展开

要优化、删减的不只是 Prompt，还有 Skill。OpenAI 提到，现在一个项目里会放很多个 Skill，而每个 Skill 的名称和 description 都需要进入上下文，帮助模型决定什么时候调用。

如果 Skill 太多，description 又写得很长，Codex 会对部分描述进行截断，以控制上下文长度。最后模型看到的信息反而更少，也更难判断到底应该选哪个 Skill。

所以 OpenAI 给出的建议是，把 description 写得尽可能短，只把“这个 Skill 做什么、什么时候需要它”说清楚。Skill 本身也不用变成一本完整操作手册。

如果一个 Skill 包含多个工作流，可以让根目录里的 SKILL.md 承担导航作用：告诉模型不同任务应该去哪里找资料、调用哪个脚本。等真的用到某一步时，再继续加载对应内容。

OpenAI 把这种方式称为渐进式展开。先给模型地图，需要的时候再让它去找具体资料。这和过去那种“为了保险，把所有说明都提前塞进去”的用法不大一样。

Prompt 重心转向目标与边界定义

Prompt 要写什么也变得有些不一样了。模型处理模糊信息和细节的能力提升之后，一些过去写成“操作指南”的 Skill 会限制模型。Anthropic 建议，在需要模型进行推理的任务中，优先说明目标和总体要求，减少人为预设的逐步推理流程，让模型自行决定具体的分析和执行路径。

比如以前写：先读取项目目录，然后搜索相关代码，再查看测试文件，制定修改方案，修改代码，运行测试，分析错误……现在其中不少步骤可以交给 Agent 自己决定。

人需要说清楚的内容开始向另外几个地方集中：我要什么结果、哪些地方不能动、你有哪些权限，以及做到什么状态才算完成。

针对最后一点，OpenAI 在 Astra 的 Prompt 建议里专门提到，如果希望 Agent 完成实现、运行代码、检查结果、修复问题，再重新测试，最好在开始时就定义清楚完成条件。否则它大概率会做完第一版就回来等待下一步指示。

所以 Prompt 的“减法”，并不等于只留一句“帮我把这个功能做了”。操作步骤可以减少，目标和边界反而需要说得更清楚。

单个组件变轻，管理体系却在变重

上上个月，Mistral 发布的 Studio 开始支持管理 Prompt 和 Skill，也把这类管理问题摆到了明面上。我们的关注点也从“一个 Prompt 应该怎么写”，延伸到了“公司里到底运行着哪个 Prompt”。

在它描述的场景里，Prompt 和 Skill 会有版本、Owner、生产版本和修改记录，可以从测试状态逐步进入正式环境，也可以追踪某一次行为到底来自哪个版本。

这形成了一个反差，单个 Prompt 和 Skill 在变轻，围绕它们的管理体系却在变重。

模型自己能够处理的事情越来越多之后，人不需要继续把每个执行步骤写进 Prompt。但当这些 Prompt 和 Skill 真正进入 Agent、进入团队甚至进入生产环境，我们又需要知道它们什么时候被调用、哪个版本正在生效、修改以后有没有让结果变差。

Google 在谈及 Agent 质量时也提到了类似的问题：修改一个 Prompt，看几个案例变好了，并不能说明 Agent 整体变好了；Prompt 的每一次调整，都应该重新回到评测中验证。

于是，Prompt 的工作也在慢慢换位置。以前花很多时间研究一句话应该怎么写、步骤应该怎么拆；现在还要考虑上下文该什么时候加载、旧规则什么时候删除、修改之后该怎么验证。

真正需要保留的四类核心要素

所以，“模型变强以后，Skill 和 Prompt 该做减法”，减掉的其实很明确：为弥补旧模型能力留下来的规则、每次任务都会加载但多数时候用不到的资料，以及模型已经能够自行判断，却仍被提前写死的执行步骤。

真正需要保留的，更接近四件事情：目标、边界、必要上下文和完成条件。

随着模型能力继续提高，Prompt 不用再写成一套详细的操作流程。把任务目标、可用信息和执行边界交代清楚，剩下的步骤，可以更多地交给 Agent 自己判断。