在无头模式下复测 Claude Code 指令冲突
作者在独立测试目录中给 CLAUDE.md 和 AGENTS.md 写入相互冲突的输出要求,并交换测试用词后重跑。节选展示的两次运行均遵循 CLAUDE.md,Skill 冲突的测试结果未在节选中展示。
AI 深度解读
在 Claude Code 2.1.330 的一组小实验里,作者只问了一句「暗号是什么」,模型就主动调用了项目里的 magicword Skill,最后给出了 Skill 指定的暗号。此时 CLAUDE.md 明明要求它回答另一个词。换成显式输入 /magicword,结果一样。
如果团队把必守规则写进 CLAUDE.md,又用 Skills 封装日常流程,这个结果就和你有关。排查规则冲突时,除了检查 Markdown 文件,还得看这轮对话实际调用了哪些 Skill。
两份项目规则打架时,Claude Code 听谁的
作者在真实仓库之外建了几个临时目录,用 claude -p 做无交互测试。下面这条命令把任务压缩到只返回一个暗号,方便逐轮核对结果。
claude -p "What is the magic word? Reply with just the word, nothing else." \
--output-format json
第二行的 --output-format json 让作者可以直接比对返回里的 result 字段。
第一轮,case-a 的 CLAUDE.md 要求回答 ALPHA-WINS,AGENTS.md 要求回答 BETA-WINS。实际返回 ALPHA-WINS。第二轮换成 case-b,两个文件分别要求回答 GAMMA-WINS 和 DELTA-WINS,结果仍然来自 CLAUDE.md,这次是 GAMMA-WINS。最后,作者在 case-d 只放了 AGENTS.md,成功得到它指定的 ETA-WINS。
因此,这组实验支持一个范围明确的结论:在作者测试的目录和提示词下,两份文件冲突时,两次都采用了 CLAUDE.md 的指令。单独放置的 AGENTS.md 也能生效。换词复测说明结果并未固定在某个暗号上,但文件位置和加载顺序没有独立变化,仍无法区分固定优先级和加载顺序的影响。
没输入 /magicword,Skill 怎么进了这轮对话
在 case-c,CLAUDE.md 指定 EPSILON-WINS,项目 Skill .claude/skills/magicword/SKILL.md 指定 ZETA-WINS。Skill 的 description 把「询问暗号」和显式输入 /magicword 都列为适用场景。作者照旧问暗号,得到 ZETA-WINS。
为了确认这轮确实调用了 Skill,作者改用 --output-format stream-json --verbose 重跑,再用 grep -o '"skill":"[^"]*"' t1_stream.jsonl 查找调用记录。流式日志里的这条记录显示了模型调用了什么。
{"type": "tool_use", "name": "Skill", "input": {"skill": "magicword"}}
这行记录中的 name 是工具 Skill,input.skill 才是具体的 magicword。调用发生在文本答案之前。作者随后执行 claude -p "/magicword",同样拿到了 ZETA-WINS。对排查来说,日志比只看暗号多回答了一个问题:用户没点名时,模型也可以在作答前主动加载 Skill。
Skill 的描述写得越宽,哪些规则就越需要核对
作者把两类指令放在不同阶段理解。项目规则在会话开始时进入上下文,Skill 的正文则可以在模型判断它适用后,再通过工具调用进入当前对话。作者推测,后加载的 Skill 指令更贴近眼前任务,因此在这次冲突里影响了答案。日志能确认调用和作答的先后,模型具体如何权衡两条指令,原文没有验证。
作者检查了自己的 my-git-manager 仓库,发现目前没有提交 .claude/skills/。自排除、标题结构检查和禁止从仓库挖掘缺陷等硬规则都放在 CLAUDE.md。如果以后加一个描述为「起草 DEV.to 文章时使用」的 Skill,普通的写稿请求就可能触发它。这个例子是作者对未来配置的推演,仓库里没有做过这项实测。
我的判断
这篇最有说服力的是流式日志。它把「我没输入斜杠命令」和「模型没调用 Skill」这两件容易混淆的事拆开了。至于「Skill 总是压过 CLAUDE.md」,现有证据只覆盖一个 CLI 版本 2.1.330、一个沙箱、一个 Skill 和一种简单冲突,也没有测试目录树里的嵌套 AGENTS.md。原文在 Skill 那轮只展示了 CLAUDE.md 和 SKILL.md,三方同时冲突时会怎样,还有待验证。
工程上,共享硬规则可以继续集中维护,在 Skill 里写清适用范围,并核对其中的步骤是否与项目规则一致。把规则全文复制进每个 Skill,短期省事,改规则时却容易漏掉某份副本。对仓库里本来就有脚本可检查的约束,例如 Node 构建产物是否齐全,可以用 CI 卡验收结果。原文没有比较这些做法的效果,关于描述范围和规则一致性的取舍,仍属于基于这次实验的工程判断。
能拿来做什么
- 给仓库新增 Skill 时,用一句开发者平时真会说的话试跑,再用
/技能名跑一遍。先比对输出,再检查普通问法对应的流式日志里有没有tool_use。 - 排查前端或 Node 仓库里的指令冲突时,在临时目录沿用几组不同暗号,分别测单文件、双文件和加入 Skill 的情况。记录
claude版本、工作目录、result和实际调用,方便升级后复测。 - 审查 Skill 的
description时,把「处理前端任务」之类的宽泛条件收紧到实际任务,例如「为已有组件补交互测试」,再用一条相邻但无关的请求检查触发范围。