AI 编码 Agent 犯两次同类错误才值得建 Skill

AI 编程工作流中最大的浪费来源，并不是某个 Agent 解决不了问题。而是下一个 Agent 遇到了同类问题，却要从零开始。

我现在遵循一条简单的规则：同样的错误，最多允许发生两次。

第一次，解决这个任务。第二次，再次解决它，同时决定下一个 Agent 本该在开始之前就在哪里遇到这堂课。

把课程写回去的四个地方

1. Session 文档（记忆快照）

捕获结论、证据、风险和未完成的工作。这能防止下一个 session 把一个自信满满的总结误当作已验证的状态。

2. 项目文档

稳定的事实、当前状态和导航信息属于项目本身。它们不应该只存在于某一次对话中。

3. Skills 和 Agent 指令

只有当某个行为已经稳定时，重复执行的模式才应该被写入默认指令中。记录什么内容需要优先阅读、哪些边界是硬性的、如何验证结果，以及何时应该停下来等待人工判断。

指令会老化。定期清理过时的入口点，合并重复的规则，修复那些触发条件过于嘈杂或难以命中的情况。

不是每一个事故都值得新建一个 Skill。一次性的上下文留在 session 中。项目事实留在项目文档里。只有在多个任务中反复出现、且有稳定响应方式的行为，才应该成为可复用的默认规范。

这不是 Agent 自我改进的过程，而是人类将经验转化为指令，让下一次运行能够默认加载这些经验。

4. 小实验

找出你这周遇到两次的一个问题。写一份不超过 20 行的检查清单，包括一种验证方法和一种停止条件。然后看看下一个 Agent 是否能在重复这个错误之前就察觉到它。