之前用 AI coding agent 基本停留在开箱即用和一些简单特性上，最多换个模型。最近工作负载有变化，想着靠 AI 避免大量 dirty work，高强度用下来发现了几个小技巧： 

针对代码研究分析类的工作，我总结了几条特别有效的提示词，放在 AGENT.md / CLAUDE.md 里：

始终遵循奥卡姆剃刀，如无必要勿增实体。这个原则适用于任务规划、代码修改、脚本编写等任何维度。 
不要静默做任何假设，任何不确定的选择都应该向我汇报。 
优先解决阻塞性问题，非阻塞问题可以延后处理。 
汇报时避免二义性，必须把必要的上下文交代清楚。 

研究分析类工作简单来说，就是在一个长期目标下不断假设、验证、总结，所以一个干净且能维持主线的长上下文环境就特别重要。但每个子任务本身又很复杂，很难做到 one-shot，怎么把上下文隔离好就成了关键。

一开始我的做法是：发现主会话跑偏了就让它...