你的 AI 变聪明了，你的设置还停在原地
大多数 AI 设置都是这样膨胀起来的。模型做错一件事，你就写一条规则。它跳过一步，你再写一条。一年下来，你有了规则文件、项目笔记、记忆、技能和保存的提示词，而它们全都是为了让旧模型听话而写的。
后来模型变聪明了，规则却原封不动地留在那里。
这是一份把这些清理干净的实用指南：三个步骤，三个可以直接复制的提示词，以及一份该保留什么的简短清单。这周我在自己的设置上跑了一遍，主规则文件缩到不到原来的一半，而我在乎的底线一条都没丢。
旧规则为什么会反过来拖你后腿
以前的模型需要手把手地带。它们会跳过步骤、中途忘事、太早放弃，所以我们写指令告诉它们该怎么做，一步一步地写，经常还用大写字母强调。新模型会自己推理。同样的指令，现在是在用你的判断替换它的判断，而你的判断原本是为一个更弱的模型准备的。
Anthropic 在自己的提示词指南里说得很直白。如果你的提示词曾经催促旧模型做得更彻底，就把这些指令调弱。以前写“CRITICAL: You MUST use this tool”的地方，改成“在以下情况使用这个工具”这样的正常写法。从旧提示词里沿用下来的自检步骤，应该直接删掉，而不是改写，因为新模型本来就会检查自己的工作。
下面的结构来自 Actionable AI 的指南 Make Your AI Smart Again：先审查，再删减和重写，然后改变以后提需求的方式。提示词是我实际用过之后调整的版本。
第一步：动手之前先审查
最容易犯的错是一上来就删。先别删。让你烦的规则不一定是代价最高的，你很可能会删错。先让模型把所有东西读一遍，再排个序。
读一遍我的整套设置：所有规则文件、项目文件、记忆笔记、
技能和保存的提示词。
对每一条指令，告诉我：
1. 它是在规定“怎么做”，而不是说明“要做什么”吗？
2. 它是为旧模型写的吗？现在会不会拖慢你，或者限制你的思考？
3. 它和别处的某条指令矛盾吗？
4. 它是不是一条已经不再成立的事实？
5. 它是否真的在起作用，应该保留？
按照它对你输出质量造成的代价，把所有内容排序。
先不要做任何修改。第四个问题是我加的。原来的指南里没有这一问，但我建议不要跳过。
要找什么
大多数人以为问题出在“怎么做”上，也就是太多“先做这个，再做那个”的规则。这类问题确实存在，但很少是代价最高的。审查通常会找出四类问题。
规定做法。描述步骤而不是结果的指令。“打开文件，读两遍，然后用三个要点写摘要”是在告诉模型怎么思考。“我需要一份十秒钟能读完的摘要”是在告诉它做完是什么样子，让它自己找到最好的路。
旧模型时代的习惯。每次会话开始都要提醒我。因为说一次不够，所以把规则重复一遍。回答之前把所有东西检查两遍。模型会在任务中途丢失上下文的时候，这些规则有道理。现在它们只是模型不得不服从的噪音。
矛盾。花几个月写出来的设置，最后会自己跟自己打架。某条项目笔记允许了全局规则禁止的事情。某个技能会自动去做另一个文件规定只有在你要求时才能做的事。模型并没有无视你。它是在同时服从两个版本的你，而你没法预测哪一个会赢。
过时的事实。已经变了的产品描述、不再使用的工具、调整过的价格。过时的事实比糟糕的指令更麻烦，因为模型没有任何理由怀疑它，只会满怀信心地在上面继续搭建。
我做审查的时候，矛盾和过时事实造成的代价，比所有规定做法的规则加起来还高。这是我自己绝对猜不到的部分。
第二步：先删，再重写剩下的
根据审查结果，做两件事。
第一，删掉所有不需要的内容。告诉我删了什么，每条用一句话说明原因。
第二，把剩下的内容重写成适合会自己推理的模型：写清楚要达到的结果，
写清楚不能越过的底线，写清楚什么样算好，不要再描述做法。
每个文件都把修改前和修改后并排给我看。在我批准之前，什么都不要改。有两点能让这一步变得安全。第一，不要真的删除。把删掉的规则移到一个永远不会被加载的归档文件夹里，这样任何删减都随时可以恢复。第二，每个文件都左边放旧版、右边放新版并排审阅，一个文件一个文件地批准。这样更慢，但这是唯一能让你信任结果的办法。
一个典型的重写是这样的。修改前：
回复要短。绝对不要超过六行。不要解释你的理由。
不要列出选项。发送前检查长度。修改后：
好的回复在内容允许的范围内尽量短。进度汇报三到四行。
我要求的分析，需要多长就写多长。第一个版本对进度汇报很合适，却悄悄拖累了其他所有事情，因为它把你真正需要的分析里的提醒和保留意见都砍掉了。第二个版本描述了什么样算好，让模型自己决定。上限是替模型做决定。把“好”描述清楚，就是让模型自己决定，而它通常决定得更好。
该留下的东西
精简不等于什么都交给模型。模型猜不到的事实，以及无法撤销的事情，都要留下。
- 你的客户、你的价格、你的表达风格和你的约束条件。模型再聪明，也推断不出这些。
- 一切不可逆或者对外的操作：它可以发送什么、花什么钱、部署什么、删除什么、发布什么。把这些集中在一个很短的部分里，叫“底线”，每一条都写明：先问我。
- 背后有真实原因的规则。如果某条规则是因为曾经出过问题才存在的，就留着它，但把它压缩成一行，只写该做什么，不写来龙去脉。
检验标准很简单：删掉做法，留下背景和底线。
第三步：换一种方式提需求
设置精简之后，如果每写一个提示词又把旧习惯重建一遍，那就白费了。这份指南最后给了一个四层结构，任何正经任务都值得用。
目标：[最终完成的样子，而不是下一步]
调研：开始之前，先找出做这件事的最佳方法，告诉我你选了什么、为什么。
访谈：需要知道什么就问我。一次只问一个问题。
好的样子：[一个真实的成品示例]大家最容易跳过的是最后一层，而它恰恰最管用。直接、友好、自信这样的形容词清单，只是在描述一种文风。给模型看一段你自己写的真实文字，它才知道这种文风写出来是什么样子。想要你的风格，就贴你自己的文字，而不是对它的描述。
调研这一层，一开始会感觉有点别扭，因为多年来我们一直在告诉模型该怎么解决问题。试着让它自己找最好的方法，并说明理由。有时它选的正是你心里想的那个。有时它找到了更好的，而如果你把做法写进提示词里，你根本不会看到它。
模型越强，你的设置就应该越短
大多数人对待自己的 AI 设置，就像对待一个只增不减的代码库。每个糟糕的下午都会多出一条规则，却没有人删掉任何一条，因为谁也不知道它当初在防什么。
我觉得这恰好反了。每出一个新模型，你的指令都应该变短。如果你的指令还在越写越长，你管理的其实是一个已经不存在的模型。
去做一次审查，在动手之前先看完排序。你担心的那些规则代价可能很低，真正的代价藏在矛盾和过时的事实里。