如何有效提升 AI Agent 輸出準確率：從 40% 到 90%
來源: @xxx111god | 原文連結
日期: Fri Feb 13 16:51:33 +0000 2026
標籤:
Agent 規則Prompt 工程系統設計
★ Insight ───────────────────────────────────── 這是一篇關於 AI Agent 規則設計的深度實戰經驗。作者發現：
- 抽象規則命中率只有 40%，但「具體流程 + 真實失敗經驗」可達 90%+
- Context Attention Budget：規則文件超過 200 行，後半部分遵守率會大幅下降
- Markdown as Pseudo-Law：把規則寫進輸出格式，用結構強制執行，而非依賴記憶 ─────────────────────────────────────────────────
現實的底層邏輯是機率分布，AI Agent 也不例外
翻車現場
睡前讓 Agent 自己升級系統。
「update yourself」
「好的，正在升級...」
早上醒來，發現一晚上的定時任務全沒跑。
日誌裡一堆：
Error: Cannot find module './dist/gateway.js'
網關重啟中...
Error: Cannot find module './dist/gateway.js'
網關重啟中...循環了一夜。升級失敗 → 崩潰 → 重啟 → 又崩潰。
我的 AGENTS.md 裡明明寫著：
## 升級規則
- 升級前檢查 git status
- 返回 skipped 要處理
- 不要只 pull 不編譯它全部忽略了。一晚上白等。
之前我寫過一篇《4 層防禦體系》，核心觀點是：
Markdown is Suggestion，Code is Law
pre-commit hook 是法律——你 commit 不了就是 commit 不了。
AGENTS.md 是建議——Agent 可能聽，可能不聽。
今天這篇是那個觀點的延續：當你沒法用程式碼的時候，怎麼讓 Markdown 盡量接近法律？
命中率層級
之前的經驗告訴我，Markdown 的條例是不穩定的
但我發現一個例外：
Markdown + 結構化失敗經驗 → 命中率可達 90%+
不是所有 Markdown 都只有 40%。關鍵在於怎麼寫。
案例 1：升級失敗 → 自我修復
回到開頭那個翻車。
Agent 升級時返回了：
{"status": "skipped", "reason": "dirty"}它沒看這個返回值。直接跑 git pull && restart。
TypeScript 專案，只拉原始碼不編譯 = 崩潰。
我的修復：把抽象規則改成具體流程
## 自升級檢查清單
1. 升級返回 "skipped"？
→ 運行 git status --porcelain
→ 清理或 stash 髒檔案
→ 重試升級
2. 永遠不要只 git pull 就重啟三天後，同樣的場景：
我：update yourself
返回值：{"status": "skipped", "reason": "dirty"}這次 Agent 的反應不一樣了：
6 分鐘完成。我沒碰鍵盤。
$ git status --porcelain
?? skills/nano-banana-pro/*.png
$ mv *.png ~/drafts/
$ gateway.update.run
→ status: "ok"差別在哪？
- 之前：「升級要小心」→ 抽象指令 → Agent 會忘
- 之後：if skipped → git status → clean → retry → 可執行流程 → Agent 能機械執行
案例 2：規則文件膨脹綜合症
我的 AGENTS.md 曾經有 426 行。
配置安全、密鑰管理、程式碼規範、進程管理、發帖規則、交易紀律...全寫在一個文件裡。
結果？Agent 開始選擇性遺忘。
我做了個測試：
- 前 50 行規則 → 遵守率 ~70%
- 50-200 行 → 遵守率 ~50%
- 200 行之後 → 遵守率 <30%
為什麼？
Context 不是無限的。128K 看起來很大，但塞太多，每條規則分到的「注意力」就被稀釋了。
這在學術上叫 Attention Budget——注意力是有預算的。
我的修復：426 行 → 96 行
怎麼做到的？把詳細規則移到 Skill 文件裡，AGENTS.md 只保留指標：
## 發帖規則
寫 X 回覆前，先讀 `x-draft` skill。Agent 需要的時候才載入完整規則，不是一次性全塞進 context。
案例 3：檢查流程被靜默跳過
我建了一個 x-content-checklist skill，要求每次寫回覆前跑 24 條去 AI 味規則。
- 第一次測試：成功。5 條 draft 都帶著
Humanizer: ✅ 已檢查。 - 兩小時後：失敗。5 條 draft 全部跳過檢查，直接出內容。
為什麼？
長對話會被壓縮。OpenClaw 為了省 token，會把長對話總結成短摘要。
壓縮 = 總結 = 丟細節。
壓縮後的摘要裡只剩下 「skill created」，沒有 「must use before draft」。
規則存在，但沒到 Agent 眼前。
我的修復：不依賴 context 記憶，依賴輸出格式強制
## 輸出格式（強制）
每條 draft 必須包含這一行：
Humanizer: ✅ 已檢查
沒有這一行 → 系統不顯示發送按鈕Before（被跳過時）：
Draft: 這個工具很好用，推薦大家試試
[✅ 發送] [❌ 取消] ← 直接出按鈕，沒跑檢查After（強制格式後）：
Draft: 笑死 這玩意兒我折騰倆月 現在離不開了
Humanizer: ✅ 已檢查
[✅ 發送] [❌ 取消] ← 必須有 Humanizer 行才出按鈕規則寫在文件裡 → 可能被壓縮丟失。
規則寫在輸出格式裡 → 不輸出就沒法繼續。
這就是把建議偽裝成 Code Law。
命中率公式
三個案例的共同點：
命中率 = 具體程度 × 是否來自真實失敗
- 「配置要小心」→ 具體程度低 + 無失敗經驗 = ~30% 命中率
- 「配置前備份」→ 具體程度中 + 無失敗經驗 = ~50% 命中率
- if skipped → git status → clean → retry → 具體程度高 + 真實失敗 = ~90% 命中率
Agent 不需要通用智能。它需要的是你餵給它的結構化失敗經驗。
Checklist
下次寫規則之前，問自己：
- [ ] **夠具體嗎？** 是 `if-then-else` 流程，還是抽象指令？
- [ ] **來自真實失敗嗎？** 還是你「覺得應該這樣」？
- [ ] **文件夠短嗎？** 超過 200 行就該拆了
- [ ] **有輸出格式強制嗎？** 規則不只寫在文件裡，還寫在輸出模板裡
- [ ] **會被壓縮丟掉嗎？** 核心規則要在每次會話都載入的文件裡總結
回到那句話：Markdown 是建議，程式碼是法律。
但當你沒法寫程式碼的時候：
- 把建議寫成 if-then-else 流程 → 接近法律
- 讓建議來自真實翻車 → 接近法律
- 把建議寫進輸出格式 → 接近法律
- 把文件控制在 200 行以內 → 建議不被稀釋
Agent 不需要變聰明。它需要的是你把建議偽裝成法律的技巧。