最近在用 GPT-5.6 Sol 做事时，越来越明显地感觉到：
模型越强，不代表执行越好。
它很容易开始：
叠加复杂工作流
安装一堆重型 skill
为了约束而继续加约束
为了极端边界提前设计
把简单任务做成长期维护项目
我现在更倾向于这样分工：
用轻量 harness，比如 pi 或 dsh
规划阶段开 high，执行阶段降到轻量模型
不默认使用 xhigh / max
只安装当前任务真正需要的 skill
先用 Sol 把需求澄清，再用 Luna 或轻量 Sol 落地
约束只做护栏，不要变成迷宫
完成前只检查几件事：
相关测试是否跑过
diff 是否足够小
有没有多余抽象
有没有扩大本轮范围
设计是否真的证明了必要性
一句话总结：
规划可以偏强，执行必须偏轻，约束先行。
完整的 Agents.md、AGENTS.md 和全局规则，我也整理进卡片了，适合收藏后直接改成自己的版本。
#AI协作 #howto修炼提问力 #howto用AI抢救一切 #howto用好AI #Agent #提示词 #工作流 #程序员效率 #AI工具 #工程化