作为一名一线做业务、画原型、写 PRD，同时日常高强度调度多个 Coding Agent（Cursor、Claude Code、Codex、Antigravity 等）独立开发工具的 AI 产品经理，我和许多重度依赖 AI 编程的开发者一样，经历过一个极其漫长的「加规则执念期」。
刚开始用 Coding Agent 协助写代码时，每当 Agent 犯了一个错，我的第一反应往往是：
"这一定是我的规则没写全。我必须把它加进
.cursorrules（或者全局 System Prompt）里，给它立个规矩！"
- Agent 不小心改了不该改的样式文件？在规则里加一条："禁止私自修改任何 CSS/SCSS 文件！"
- Agent 写了一个长函数？在规则里加一条："每个函数长度严禁超过 30 行，必须拆分子函数！"
- Agent 把配置参数硬编码了？在规则里加一条："所有常量必须提取到 config.ts，严禁硬编码！"
- Agent 漏掉了单测断言？在规则里加一条："写完代码必须立刻编写完整的单元测试用例！"
- Agent 没按特定命名法写接口？在规则里加一条："后端 API 必须严格遵循 RESTful 动宾命名规范！"......
随着项目不断演进，踩过的坑越来越多，我的规则文件也像滚雪球一样越滚越大。直到上个月，我偶然打开项目的规则配置看了一眼，自己都吓了一跳： 不知不觉中，规则文件竟然已经膨胀到了整整 540 多行！
然而，极其讽刺的事情发生了：规则加得越多，AI 反而越不听话。
在那个拥挤不堪的会话环境里，我遇到了前所未有的协作灾难：
- 注意力彻底稀释，关键红线被彻底当耳边风 ：
规则写满了整整几屏，结果在一次重构中，Agent 竟然毫不犹豫地把项目中一个核心的数据库迁移文件给删了！我质问它为什么违反"禁止物理删除"的规则，它在终端里客套地道歉，然而下一轮会话，它依然会犯同样的错； - 规则自相矛盾，AI 在生成时"左右互搏" ：
翻看那 500 行规则，我甚至发现了相互冲突的补丁：前面第 40 行写着"优先使用内联计算以减少文件碎片 "，后面第 210 行又写着"严禁出现任何大闭包，必须彻底解耦小模块"。模型在生成代码时无所适从，经常写出一半内联、一半抽离的畸形代码； - 上下文极度浪费，Token 消耗呈指数级增长 ：
每次在终端敲下一句"帮我改个输入框宽度"，还没等正文开始，这 500 行庞大的规则就已经白白吃掉了将近 8,000 个上下文 Token。会话才聊了三四轮，窗口就迅速接近截断阈值，响应卡顿、胡言乱语。
我盯着终端里那段逻辑混乱的代码，终于按下了 Ctrl+C：为什么我们明明费尽心机给 AI 制定了如此详尽的规则法典，到头来它却越跑越偏？
一、认知升级：把偶发 Bug 当成规则，是最大的工程误区
经历了那次惨痛的翻车，我复盘了过去几个月与多个 Coding Agent 的协作记录。我发现许多开发者在使用 AI 辅助编程时，普遍陷入了一个**「规则归因谬误」**：
把本该由编译器、自动化测试、类型系统或架构分层拦截的代码问题，误当成提示词规则，一股脑塞给大模型。
从底层逻辑来看，规则盲目膨胀会在三个层面直接摧毁协作系统：
- 注意力分配的有限性（Attention Dilution） ：
大模型基于 Transformer 架构，其注意力权重是有限的。当你喂给它 500 行规则时，它分配给每一行规则的注意力权重就被平均摊薄到了千分之几。那些真正关乎项目生死的"核心红线（如禁止物理删除、必须单测验证）"，被淹没在一堆关于"变量怎么命名、缩进用两空格还是四空格"的细枝末节里，根本无法被有效激活； - 缺乏生命周期的临时创可贴 ：
很多规则只是针对某一次特定的偶发报错打的临时补丁（比如某次某个第三方库版本不兼容）。一旦这个库升级了，那条规则不仅失去了意义，还会反向阻碍 Agent 使用该库的新特性； - 缺乏机器可执行的强制力 ：
自然语言规则是概率性的约束，而不是确定性的约束。指望通过在 Prompt 里反复叮嘱"写完必须跑测试 "，其可靠性远远低于在 CI 脚本里写一行npm test。
真正的上下文防腐，不是把规则写得像一部刑法典，而是把规则减到最少，只保留最核心的系统边界。
基于这个思考，在开源项目 Context Continuity (v0.1.1) 中，我们确立了一套系统的「五层根因排查法」与「规则四步瘦身实践」。
二、传统规则堆砌 vs Context Continuity 治理：全方位对比
| 治理维度 | 常见传统做法：规则堆砌（500+ 行） | 依赖外部长记忆插件（向量黑盒盲捞） | Context Continuity (v0.1.1) 核心治理 |
|---|---|---|---|
| 规则体量与形态 | 500~1000 行庞大法典，越堆越厚 | 碎片化自然语言条目，由向量库检索注入 | 严格控制在 80~100 行内（单文件 AGENTS.md） |
| 规则表述方式 | 大量"务必、必须、绝不可"等情绪化修饰词 | 孤立事实与历史记忆片段混杂 | "一句原则 + 必要反例"，每条不超过两行 |
| 对代码质量的约束 | 试图用文字教 AI 怎么写出好代码 | 依赖过往采纳偏好匹配 | 下沉到代码正文与工程工具（Linter / TypeScript / 测试） |
| 面对偶发报错时的动作 | 立刻在 Prompt 里追加一条新规则 | 自动记录到全局记忆库 | 先做五层归因排查，修源头与环境，不滥加规则 |
| Token 启动开销 | 每轮会话启动常驻吃掉 8,000+ token | 每次检索动态注入 3,000~5,000 token | 单次加载仅耗 1,000~1,200 token，信噪比极高 |
| 指令遵循命中率 | 随着轮次深入，遵循度迅速滑落至 40% 以下 | 经常捞出过时记忆干扰当前决策 | 首轮遵循与代码一次性命中率 > 85% |
三、我是如何用「规则瘦身四步法」把 500 行精简到 80 行的？
在 Context Continuity 的项目治理规范（遵循 context-continuity/SKILL.md）中，给项目规则进行彻底瘦身遵循严格的四个步骤：
第一步：剥离业务事实，物归原主
翻看那 500 行规则，我发现有将近 200 行根本不是"开发规则"，而是具体的"业务逻辑"！比如："用户类型分为 VIP、企业和普通用户，VIP 享受 8 折...... "
这种做法极其愚蠢。业务规则随时会变，一旦写进 Prompt，只要业务调整，提示词就会与实际代码脱节。
- 瘦身动作 ：把所有业务事实、领域状态机、字段枚举全部请出规则文件，原汁原味回写到对应模块的正式 PRD 或代码接口注释中。规则只留一句话："具体业务事实以目标源文件与对应 PRD 为唯一信源。"
第二步：下沉确定性校验，把代码问题交给工程工具
规则里有将近 150 行在叮嘱代码格式和基本语法："属性命名用小驼峰 ""禁止使用 any ""每个文件结尾留一个空行 "。
让昂贵的大模型去记忆并肉眼检查语法规范，是对算力的极大浪费。
- 瘦身动作 ：将格式与语法约束下沉到 ESLint、Prettier 和 TypeScript 编译器中。配置好
tsconfig.json的严格模式，在规则中仅保留一条指令："每次修改后运行 npm run lint && npm test 验证，测试全绿即代表合规。" 编译器能干的硬性拦截，绝不在 Prompt 里多废话一句。
第三步：用「五层根因排查法」过滤偶发补丁
面对每次偶发的问题，先不要急着写规则，而是对照 Context Continuity 的五层归因表进行判断：
- 理解问题？ 是否是任务目标描述不清？（优化当次任务提示，不加全局规则）；
- 读取问题？ 是否是 Agent 根本没读目标源文件，全凭脑补？（指引 Agent 显式读取具体文件路径）；
- 信源问题？ 是否是项目里有新旧两个版本冲突，导致 Agent 读错了文件？（清理或归档旧文件，确保单一信源）；
- 执行问题？ 是否是代码改对了但没跑测试导致漏查？（强化最低验证标准）；
- 能力问题？ 是否是当前所用模型的上下文或推理上限受限？（换更强模型，或拆小任务）。 只有当同类错误跨会话重复发生、且确属全局共性约定缺失时，才允许落盘为规则。
第四步：顶层刚性约束收敛（遵循 AGENTS.md 规范）
经过前三步清洗，剩下的核心规则收拢到根目录的 AGENTS.md 中，严格控制在 80~100 行内。内容只保留四个刚性维度：
- 任务级别分级（只读快任务、标准修改任务、高风险重任务）；
- 唯一信源表（判断业务看哪里、判断规范看哪里）；
- 行为安全红线（禁止物理删除文件、未经授权不动主链路配置、Git 提交前必须核对范围）；
- 最低验证标准（文档看链接结构、代码看自动化测试、严禁无证据声称完成）。
所有条款全部写成**"一句原则 + 必要反例"**，每条不超过两行。
四、时间账与总结：克制才是最好的上下文防腐剂
完成这轮规则瘦身之后，我和几个 Coding Agent 的协作体感迎来了颠覆性的改善：
- 启动成本暴跌 ：规则文件从 540 行压缩至 82 行，单次会话注入的 Token 消耗从原来的 8,200 token 直降至 1,200 token 左右，降幅超过 85%；
- 指令遵循度质的飞跃 ：因为没有海量细碎噪音的干扰，Agent 对"禁止删除""必须跑测试"等关键安全红线的遵循率达到了 100% ；代码一次性生成命中率从过去的不足 50% 攀升至 85% 以上；
- 排错时间大幅节省 ：过去平均每天要花 1.5 小时 在拉扯纠偏和清理无效规则上；现在规则精炼透明，几乎无需再为"AI 为什么不听话"而抓狂。
规则不是给大模型打补丁的创可贴，克制与边界才是最好的上下文防腐剂。
在多 Agent 协作开发中，少即是多。把业务还给业务文档，把代码校验还给工程工具，只把最底层的安全红线留给 Agent。给上下文做减法，AI 才能真正跑出高确定性的生产力。
Context Continuity 现已全面开源，规范与模板开箱即用：
- 一键安装 Skill：
npx skills add JasperLin2333/context-continuity --skill context-continuity - GitHub 开源仓库：github.com/JasperLin23...