不会给AI写工作说明?可以试试 X 上这个爆火的方法

她的做法很直接：不自己从头硬憋规则，而是先让 Claude 读三样东西——她最喜欢的编程书和博客、最优秀的开源项目，以及她最敬佩的工程师写的代码；然后再给出适当的指令、约束和项目背景，让 Claude 来写出项目的 claude.md。按她的说法，用这种方式生成的文件，几乎总是比她自己直接写的更好。

看到这条帖子时，我正好在折腾自己非虚构写作项目的 AGENTS.md。如果把她喂编程书和代码的思路搬过来，先喂给模型一本我最认可的写作书，再让它重写我的工作说明书，最后写出来的文章真的会有差别吗？

我决定做一次对照测试。在讲测试过程之前，我先把几个容易混淆的文件名理清楚（老玩家可以跳过这一节）。

如果你平时同时看不同工具的教程，大概率见过 Agent.md、claude.md、CLAUDE.md 和 AGENTS.md 这几种叫法。它们并不是四种完全不同的技术，而是不同工具对“AI 工作说明书”的命名：

Anthropic 在 Claude 帮助中心的引导文档里做过一个很准确的比喻：CLAUDE.md 就像你在新同事入职第一天早上给他的那份工作简报——团队怎么干活、常用命令是什么、有哪些必须避开的坑。官方文档建议这份文件保持简短，尽量控制在 200 行以内，先从最简单的结构开始，等发现 AI 在同一个地方犯了两次错，再把对应的规则补进去。

而在跨工具协作时，根据 Claude Code 的记忆机制文档，如果项目目录里只有 AGENTS.md 而没有 CLAUDE.md（或 CLAUDE.local.md），Claude Code 也会直接读取 AGENTS.md；当两者同时存在时，默认优先读取 CLAUDE.md。

换句话说，无论你用哪个工具，这份文件干的都是同一件事：把你脑子里那些“不用每次都重新解释一遍”的标准固定下来。

因为人在交代工作时，习惯直接下结论，而不擅长拆解动作。

以写作为例。如果我们只是在文件里写一句“请用自然、真诚、没有 AI 味的语气写作”，模型根本不知道什么叫自然。在它的训练分布里，排比句、空洞的过渡词和篇末强行拔高的总结，恰恰是最常见的标准答案。

所以许多创作者在搭建写作工作流时，都会把个人要求写进说明文件——比如花叔在分享写作 Agent 流水线时提到用 CLAUDE.md 配合个人素材库来压低 AI 味，Peter Yang 的 Claude Skills 教程强调要给模型提供优质样本和明确边界。

Cindy 的帖子里虽然没有列出她具体喂了哪几本编程书或哪些开源仓库，但她提供了一个很棒的思路：我们自己很难凭空写出完备的方法论，但我们知道哪些书、哪些作品代表了我们认可的最高标准。

与其自己绞尽脑汁编规则，不如把那本真正把这件事讲透了的书交给模型，让模型站在专业作者的肩膀上，把“好品味”翻译成具体的执行动作。

为了验证这个办法在非虚构写作上管不管用，我自己做了一轮测试。

在设计测试时，我特意避开了一个常见的误区：只对比两份 AGENTS.md 本身哪个更好 。说明书写得再好，也只是一个中间变量；我在意的是，在挂载新的说明书之后，模型写出来的文章有没有变好。

因此，我把测试拆成了五个步骤，用同一个热点题目和同一条提示词来对比成稿：

1.生成基线说明书：在一个空项目里，不喂任何参考书籍，直接让模型为非虚构写作项目生成一份基础版的工作说明书。

2.产出对照稿 A：挂上这份基线说明书，输入固定提示词，围绕近期“员工发朋友圈替公司说话被起诉”的综合热点（涉及京东采销与抖音电商相关的立案报道），让模型写出一篇约 1000 字的非虚构短稿 A。

3.喂入《写作法宝》重写说明书：在同一个对话中，附上威廉·津瑟的《写作法宝：非虚构写作指南》，要求模型依据津瑟的写作与修改方法，结合中文写作与 AI 协作的实际需要，重写出一份新的工作说明书。

4.产出测试稿 B：换上这份喂过书的新说明书，使用一字不差的同一条提示词和同一个热点题目，生成短稿 B。

5.人工对照阅读：把稿 A 和稿 B 放在一起通读对比。

先谈那份说明书发生的变化。没喂书之前，AI直接生成的AGENTS.md 只停留在“结构清晰、语言精炼”等泛泛的要求上；而在读完《写作法宝》之后，模型整理出来的新说明书，把抽象的原则落成了非常具体的动作，比如：

•不用延迟交代基本事实来制造悬念：开头直接从最能带读者进入本篇的事实或观察切入，删去热身式的空泛铺垫。

•寻找具体而有意义的材料：优先使用实际动作、确切说法、工作过程与数字，避免把连续思考拆成一串独立金句或单句段落。

•相信材料，也相信读者：把事实和分歧本身摆清楚，不必居高临下地反复解释显而易见的道理。

•到了终点就停：当主要内容已经完成，找到合适的出口就停下，不必强行提炼宏大意义。

那么，换上这份新说明书之后，写出来的稿 B 到底怎么样？把两篇成稿放在一起看，有三处变化非常直观：

1.开头不再绕圈子，直接把人物、时间和核心冲突立住

2.用确切的数字和动作代替模糊概括

3.去掉了给读者上课的说教感，直接点破分歧的实质

注：我用的是 GPT 6 Astra（中）。

第一，我做的是单次、单样本的主观测试。我只用了一本书（《写作法宝》）、测了一道热点题，判断“更顺、更少 AI 味”也完全基于我自己的阅读体验，并不是严格的双盲评分实验。它证明这个思路在我的写作流程里走得通，但不同题材、不同模型下的提升幅度，还需要每个人按自己的任务去试。

第二，我的测试场景和 Cindy 原帖并不完全相同。Cindy 讲的是喂编程书、开源项目和优秀工程师代码，用来写代码项目的 claude.md；我测的是喂非虚构写作指南，用来改写非虚构写作的 AGENTS.md。两者的底层逻辑一致——都是用经过检验的高质量样本替代凭空编造的规则。

第三，也是最重要的一点：喂书能教会 AI 怎么组织语言、怎么删掉废话，但AI不能替你提供经历和判断。

一本《写作法宝》可以让模型少写空洞的套话，但如果你给它的资料包里缺少关键事实，或者自己对这件事根本没有真实的观察和判断，再好的 AGENTS.md 也不能让AI写出扎实的内容。

如果你也苦于写不好项目里的 CLAUDE.md 或 AGENTS.md，不妨去书架或收藏夹里，挑一本你真正读过、最认可的书，或者挑一段你最佩服的同行作品，先喂给模型，再让它帮你起草那份工作说明。