Agent 规则管理:Memory 做索引,Skill 存规则

围绕 Agent 规则全量塞入 Memory 导致漏执行与 token 飙升的问题,梳理“Memory 做索引、Skill 存规则”的分工方法,并结合 CLAUDE.md 的 200 行限制,给出可落地的上下文组织清单与维护原则。

文章目录

原文:Agent 规则管理:让 Memory 做索引、让 Skill 存规则——上下文上限实测与分工方案

这条资讯讨论的是 Agent 规则管理中的一个常见误区:把所有规则都塞进 Memory,看起来信息很齐全,却可能让 AI 漏执行规则,同时推高 token 消耗。原文摘要给出的方向很明确——Memory 做索引,Skill 存规则;每轮都要看的内容放进 Memory,其余规则交给 Skill。结合 CLAUDE.md 限制 200 行的约束来看,这不只是文本压缩问题,更是上下文职责划分问题,值得正在搭建 Agent 的团队认真审视。

可以拿走的是一套规则分流框架:先识别必须每轮出现的约束,再把其余规则正文拆进 Skill,通过 Memory 中的索引建立联系。相较近期已经讨论过的 Skill 评测复盘、Agent 交互改造与派活返工,这次的新进展不是继续比较单个能力,而是把规则放在哪里、何时加载、如何控制上下文这三件事放进同一套分工方案中讨论;具体触发方式和实现边界以原文为准。

1、规则全部塞进 Memory,为什么反而容易失效

1、规则全部塞进 Memory,为什么反而容易失效(AI 生成示意图)

1、规则全部塞进 Memory,为什么反而容易失效 · AI 生成示意图

规则集中管理有一个直观优势:所有约束都能在同一个位置找到。但当 Memory 同时承担索引、规则正文、操作步骤和详细说明时,它就会变成一个不断增长的长文本。原文摘要已经指出,这种做法可能带来两个直接问题:一是 AI 漏执行规则,二是 token 消耗飙升。

问题并不在于规则写得越完整越好,而在于每轮上下文承载的内容没有优先级。真正需要每轮看到的规则,应始终保持可见;只在特定任务中需要的规则,则没有必要每轮都完整展开。

内容 建议归属 加载方式 主要作用 需要避免的问题
每轮都要看的信息与规则索引 Memory 每轮保留 帮助 AI 识别当前约束和可用规则 把规则正文也复制进来,导致上下文膨胀
其余具体规则 Skill 通常按需调用 保存完整规则内容 索引不清楚,导致规则没有及时进入执行过程

这张表体现的是职责分离,而不是把 Memory 和 Skill 变成互不相干的两个仓库。Memory 负责告诉 Agent“有哪些规则可用”,Skill 负责保存“规则具体怎么写”。两者仍然需要建立清晰的指向关系。

2、Memory 做索引:只保留每轮必看的信息

Memory 的核心任务不是容纳所有知识,而是提供稳定、清晰、可快速扫描的入口。可以把每轮必须知道的信息放在前面,再列出可交给 Skill 承载的规则名称和关联入口。

判断某条内容是否应该常驻,可以用一个简单问题:如果缺少它,Agent 每轮执行任务时都会失去关键约束,那么应当进入 Memory;如果它只在某类任务触发时才需要,一般更适合放入 Skill。具体分类标准仍应以原文和实际场景为准。

下面的结构仅用于说明 Memory 与 Skill 的关系,不代表某个产品的实际配置语法:

memory:
  role: "索引"
  every_turn:
    - "每轮必须看到的信息"
  skill_index:
    - rule_name: "示例规则"
      source: "Skill"
skill:
  role: "规则正文"
  rules:
    - name: "示例规则"
      content:
        - "完整规则内容"

这种组织方式有两个明显价值。第一,Memory 不再被长篇规则撑大,每轮上下文更容易保持在稳定范围。第二,规则正文集中存放后,修改一条规则只需要维护对应内容,不必同时修改多份重复文本。

索引也不等于简单堆砌名称。一个有效的索引至少应让执行者知道规则存在、归属哪里,以及什么情况下需要进一步查看。至于不同平台采用文件、命令还是其他方式建立关联,通常需要结合具体实现确定,以原文为准。

3、Skill 存规则:把非必读内容移出常驻上下文

当 Memory 只承担索引后,Skill 就可以成为规则正文的集中承载位置。这里适合放入篇幅较长、用途明确,或者仅在特定任务中需要遵守的内容。

这种分工能够减少两个方向的浪费。一方面,不必每轮重复发送所有规则;另一方面,也不需要让 Agent 在上下文里反复寻找规则正文。遇到相关任务时,再通过 Memory 中的索引定位并使用 Skill 中的具体规则。

需要强调的是,Skill 并不是规则堆放箱。如果一个 Skill 只有名称,没有清楚的规则正文和适用入口,Memory 的索引依然无法发挥作用。因此,迁移规则时不能只移动文件,还要同时检查规则能否被准确发现和理解。

维护时可以逐条追问:这条规则是否真的需要每轮出现?它与已有规则是否重复?规则正文是否应该继续拆分为更小的单元?这些问题没有统一的产品级答案,但它们能帮助团队避免重新回到“所有内容都塞进 Memory”的状态。

4、一套可执行的分流流程

规则治理可以从盘点开始,而不是先改造工具。先列出当前 Memory 中的全部内容,再按照加载必要性分成两组。

  1. 识别每轮必看项。 凡是缺失后会直接影响每轮行为的关键约束,保留在 Memory 中,并尽量使用清晰、紧凑的表达。
  2. 识别其余规则。 只在特定任务、特定阶段或特定条件下需要的内容,迁入 Skill 保存完整正文。
  3. 建立 Memory 索引。 在 Memory 中保留规则名称、归属和必要入口,不重复粘贴大段规则正文。
  4. 检查调用路径。 确认需要某条规则时,Agent 能够从索引找到对应 Skill,而不是知道规则存在却无法获得内容。
  5. 持续观察问题。 如果仍然出现漏执行,重点检查规则是否放错位置;如果 token 持续增加,重点检查是否又把规则正文塞回了 Memory。

这套流程的重点不是一次性整理,而是建立可持续的维护习惯。每次新增规则前都先判断加载时机,每次调整规则后都检查索引与正文是否一致,通常比事后清理一个已经臃肿的 Memory 更有效。

5、CLAUDE.md 的 200 行限制释放了什么信号

原文摘要提到 CLAUDE.md 限制 200 行。这个约束最重要的意义,不是给出一个适合所有项目的固定容量,而是提醒开发者:常驻上下文必须做取舍,不能把“文件还能继续写”误认为“内容适合每轮加载”。

200 行限制可以成为规则整理的一道检查线。当 Memory 或同类常驻文件不断接近这一约束时,应先检查其中是否混入了只应在特定任务中使用的规则正文,而不是立刻寻找更隐蔽的存储位置。

当然,行数只能辅助发现问题,不能直接等同于 token 数量,也不能单独决定规则是否应该常驻。不同规则的必要性仍然取决于它们是否每轮生效。更稳妥的做法,是用 200 行约束作为预警信号,再结合漏执行和 token 变化持续调整 Memory 与 Skill 的分工;相关测试结果以原文为准。

6、避免四种常见退化

第一种退化是把索引重新写成规则全文。Memory 表面变短了,实际每轮仍然要携带所有细节,问题只是被藏得更深。

第二种退化是 Skill 没有清晰入口。Memory 中看不到规则名称,或者无法判断应该在何时使用它,规则就容易停留在“已经写过”的状态,却没有真正参与执行。

第三种退化是同一规则同时存在于 Memory 和 Skill。两份内容一旦分别修改,就可能出现版本不一致。较合理的做法是让 Memory 指向唯一的规则正文,避免重复维护。

第四种退化是只扩容、不分流。出现 token 增长时直接放宽限制,可能暂时缓解问题,却会掩盖常驻上下文职责混乱的根因。解决顺序应该是先检查每轮必看项,再检查 Skill 承载是否合理,最后才考虑调整容量。

写在最后

  • Memory 的首要职责是保存索引与每轮必看信息,而不是容纳所有规则正文。
  • Skill 的首要职责是承载其余规则,让相关内容按需进入执行过程。
  • CLAUDE.md 的 200 行限制提醒团队,常驻上下文必须持续做取舍。
  • 规则治理的关键不是写得更少,而是让每条规则出现在真正需要它的位置。

我的判断是:Memory 与 Skill 的分工不是一次性的配置技巧,而会成为 Agent 规则工程长期需要维护的核心边界。

相关阅读

文中链接

整理自本文的外部链接,请以来源页面说明为准。

Agent 规则管理:Memory 做索引,Skill 存规则 · 阿凡达博客