常见痛点：Skill经常遇到的现象——“规范写进文档了，上下文也说得很清楚，提示词又强调了，但智能体却视而不见，仍然莫名其妙胡来”……一遍遍优化也没什么用，甚至越优化偏差越大，烦死了。

——这种现象的根源，通常不在某一个点，而是参数、Skill 描述方式、上下文等多重因素叠加的结果。

拆成几层来排查：

1. 参数问题（最直接的怀疑对象）

如果你没改过 Temperature，vibe coding工具大模型默认的 0.5 对“遵守规范”来说其实偏高了。0.5 意味着它仍有不小的概率去“自由发挥”，而不是死守文档。

•验证方法：直接把 Temperature 降到 0.2 甚至 0.1 再跑几次。如果规范被遵守了，那就是参数问题。

•连带说明：Top-P 一个道理，不过一般只要 Temperature 够低，随机性就压得住。

2. Skill 描述的“强制力”不足（更隐蔽的深层原因）

这是非常常见的坑。智能体“读”你的 Skill 描述，但它只当参考，不视作必须执行的代码。

•反面例子（太软）：“建议遵循命名规范”“通常使用驼峰命名”

•正面例子（带约束）：“必须遵循 / 强制要求：所有函数名必须为驼峰式。如果不符合此格式，视为无效输出”

为什么要写得这么绝对？ 因为大模型很擅长“找借口”，你写得软，它遇到冲突时就会选择忽略。直接声明“不符合 X 条件即为错误”，它会重视得多。

3. 调用链与上下文截断（最容易被忽略）

“参考文档里一再强调”但被忽视——如果这份文档是放在引用文件里，或是多轮对话后智能体记忆模糊，很可能是上下文太长，被截断或权重稀释了。

•症状：前几轮守规矩，聊深了开始乱来

•对策：把核心规范直接写进 Skill 的 System Prompt 里，别只放在附件或对话历史中间。

或者如果skill.md和参考文档已经行数过多，那么就一定要在skill任务流程设计上明确要求按你设计的“渐进式披露”阶段来，文档只在每个阶段性任务开始前才读取，并且保持各阶段文档不超过模型上下文大小限定，防止AI因为“听一半话就行动”或“工具性记忆”只有你讲话篇幅的一半，而造成各种“不听话”。复杂的skill，分段任务是更可行的。

4.提示词、大模型设定、上下文、参考文档等的内容间相互冲突（复杂流程最常见）

这也是常见的原因，特别是你优化过几轮skill以后，还是在发起的不同对话里优化的，一旦需要读取的内容长于模型上下文限定，AI就可能“断章取义”，几次断章取义间就容易出来互相冲突与矛盾的规范描述。这种情况下skill复现结果不稳定就很正常了。

给一个排查清单：

1. Temperature 先降到 0.1～0.2，跑 5 次看稳定性

2. 把 Skill 描述里的“建议”全部换成“必须”“强制”“否则视为无效”

3. 核心规范从附件挪到 Skill 的固定指令区

4.每个任务阶段后都加一个质量审核任务和相应的规范，确保输出符合既定约束

5，复杂流程务必核对各规范文档间的一致性

一般来说，这几步都做好了，AI的瞎搞基本能压住。