开源洁癖技能让智能体越用越聪明
在AI辅助开发的日常中，我们常常会遇到一个令人头疼的问题：项目初期文档清晰、记忆整洁，但随着功能迭代和Bug修复，代码库越来越庞大，而配套的文档和AI记忆却逐渐“腐化”，变得过时甚至矛盾。这直接导致了一个普遍现象——你的AI助手似乎越用越“笨”，给出的建议开始偏离实际，甚至犯下一些莫名其妙的错误。
问题的根源，往往不在于模型本身，而在于我们疏于维护的“知识环境”。今天要分享的，就是一个为解决此问题而生的工具：一个名为“洁癖”的Skill。它经过一个多月的迭代，如今已相当稳定，其核心任务非常简单：在你完成一次开发对话后，自动帮你审查并更新整个项目的文档体系和记忆文件，确保一切信息都与最新的代码状态同步。
这个Skill的名字听起来或许有些随意，但其功能却非常务实。在公司内部和一些合作伙伴试用后，反馈都相当积极。它的工作流程是这样的：每当你在Agent（如Claude Code、Codex等）中完成一个功能或修复一个Bug后，只需调用这个Skill，说一句“帮我全面审查一下”或直接输入指令 /neat。接下来，它会自动扫描项目中的所有文档和记忆，根据本次对话的内容，迭代更新需要修改的文档、记忆以及关键的CLAUMD.md文件。在清理完毕后，它还会生成一份清晰的变更摘要，让你一目了然地知道具体改动了什么。
目前，这个Skill在四个主流平台上都能安装使用：Claude Code、Codex、OpenCode和OpenClaw。可以说，它已经成为我个人日常开发中使用频率最高的工具，没有之一。现在，每次结束一个任务窗口前，如果不执行一遍/neat，总会觉得少了点什么，甚至有点“如坐针毡”。
为什么需要“洁癖”？
开发这个Skill的初衷，源于一个非常普遍且具体的痛点。许多开发者，尤其是借助AI进行“氛围编程”（vibe coding）的非专业程序员，都曾经历过类似场景：项目代码已经迭代了七八个版本，新功能上了无数个，但项目文档却还停留在最初的1.0.0版本。这不仅发生在AI协作项目中，许多公司内部项目的文档也难逃此命运——前期雄心壮志，规范清晰，几个月后便无人问津。
我自己就曾在一个项目中吃过亏。当时在开发“AIHOT AI热点监控系统”时，为了后续封装成CLI工具供更多人使用，我将数据库从SQLite切换到了PostgreSQL。整个迁移工作量不小，在长时间的开发对话中，难免顾此失彼，结果我忘记更新相关文档。后来在开发新功能时，Claude仍然调用SQLite的语法，我排查了半天，才发现根源是CLAUDE.md里还赫然写着“本项目使用SQLite数据库”。
这种摩擦点多了就会发现，Agent犯的许多“低级错误”，根源往往不是模型变笨了，而是它赖以理解的文档和记忆已经“脑腐”了，出现了严重的混乱和过时。可能有人认为这是专业开发者才需要关心的事，但实际情况恰恰相反。专业开发者通常有良好的工程习惯，比如规整的git commit和随手更新的README。真正被这个问题困扰最深的，正是那些依靠Agent来辅助编程的设计师、产品经理、内容创作者等。
“氛围编程”前期非常爽快，和AI聊几句代码就生成了，功能也跑起来了。可一旦项目复杂度增加，文档的混乱便不可避免，而且很多人完全没有主动维护的意识。最终，混乱的知识库会让AI的表现越来越差，给人一种“我的Agent怎么越来越笨”的挫败感。
此前，Claude Code推出过一个名为“AutoDream”（自动做梦）的功能，旨在自动整理记忆。初看之下，这似乎正是我需要的工具。但实际使用后，发现一个致命缺陷：AutoDream只处理AI的记忆文件，完全不触及项目本身的文档。
在一个典型的AI协作项目中，知识其实分为三个层次，每一层服务的对象和目的都不同：
- 第一层：Agent记忆系统。包括过去的聊天记录和项目中的隐性知识，主要服务于AI自身对上下文的理解。
- 第二层：项目根目录的
CLAUDE.md。这是写给AI看的“项目宪法”，规定了项目结构、约定、红线和路由清单等。 - 第三层：
docs/目录和README。这是写给“人”看的，包括其他协作者、下游开发者等，内容可能是接入指南、架构说明或运维手册。
这三层职责并不重叠。例如，在CLAUDE.md中新增五个路由，并不意味着docs/integration-guide.md里会自动说明下游如何接入这五个路由。前者是提醒AI自己，后者是教导他人。AutoDream只解决了第一层的问题，对于后两层至关重要的文档却无能为力，因此其实际效果大打折扣。正是这个局限性，催生了“洁癖.Skill”的诞生。
核心原则与工作机制
这个Skill的设计遵循一个核心原则：合并优于追加，删除优于保留。这或许与很多人的直觉相悖，大家通常觉得“信息多总比信息少好，万一以后用得上呢？”
但在AI协作的场景里，信息多并非优势，信息准确才是关键。坦率地说，一条过期的、错误的记忆，比完全没有这条记忆更糟糕。因为当AI没有相关信息时，它至少知道自己“不知道”，可能会向你提问。但如果它读取到一条过时的错误信息，它会将其当作事实，并在此基础上进行推理和操作，从而导致一系列错误。OpenClaw等工具越用越笨，其记忆系统过于臃肿、充斥无效信息正是主因之一。
当你安装并运行“洁癖.Skill”后，它会按顺序执行以下五个步骤，整个过程完全自动化：
第一步：强制机械式盘点。首先，它会遍历项目中的所有Markdown文件，一个不漏地全部读取。这一步是为了避免遗漏，之前遇到过一些工具看似整理了，却偏偏漏掉了最关键的那份文档。
第二步：变更影响分析。Skill会依据内置的“变更影响矩阵”文档，识别本次对话产生的新事实，并分析这些变动会波及到哪些层级的文档。这一步还有一个关键检查：判断本次对话是否涉及跨项目改动。如果项目A的修改影响了依赖它的项目B，那么项目B的相关文档也必须同步更新——这是在团队协作中最容易翻车的地方之一。
第三步：执行更新。按照特定的顺序进行修改：先更新docs/目录下的对外文档，再更新根目录的CLAUDE.md，最后整理AI的记忆文件。这个顺序确保了知识从对外到对内、从显性到隐性的正确同步。
第四步：自检清单。这是所有严谨Skill的标配环节。它会检查诸如“新增的环境变量是否在runbook和CLAUDE.md中都出现了？”“有没有残留的相对时间描述？”等问题，确保更新的完整性和准确性。
第五步：生成变更摘要。所有工作完成后，Skill会输出一份清晰的报告，详细列出修改了哪些文件、更新了哪些内容，让使用者完全掌握变动情况。
这五个步骤听起来复杂，但作为使用者，你需要做的仅仅是在对话结束时输入一个简单的指令：/neat。或者说“审查一下”、“整理一下”等自然语言指令也能触发。
更深远的价值：从对话依赖到文档驱动
表面上，“洁癖.Skill”只是在做文档整理，但它实际解决的问题远比整理文档本身更有价值。它促使项目的知识体系从依赖脆弱的对话上下文，转向依赖持久化、可维护的文档。
由于众所周知的“上下文腐化”问题，一个对话中的信息越多，模型的有效表现往往越差。尽管Claude Opus 4.7宣称支持1M上下文，但在实际测试中，当上下文长度达到500K左右时，模型表现就可能开始不稳定。因此，我个人的习惯是在对话长度达到400K左右时，就运行一次/neat进行“存档”，然后开启一个新的对话窗口。
在新窗口中，因为项目的文档和记忆都得到了良好的维护，你几乎不需要做任何冗长的背景介绍。遇到问题直接提问，Agent就能基于准确、最新的项目知识给出精准的解决方案。解决完后，再次/neat存档。如此循环，你会发现你的AI助手真的在“越用越聪明”。
归根结底，这个Skill倡导的是一种“AI时代的断舍离”。过期的信息就果断删除，重复的内容就合并精简，模糊不清的描述就修改明确。其目标是让项目的知识库，永远只保留当前最准确、最真实的“真相”。在AI协作日益普及的今天，养成定期维护知识环境的习惯，或许比单纯学习如何写出更好的Prompt，更为基础和重要。
相关攻略
全球AI图像生成领域的竞争格局，正迎来前所未有的激烈变革与范式升级。 就在上周，OpenAI正式推出GPT-Image-2，其卓越的视觉表现力与精准的文本遵循能力引发了行业广泛关注。无论是高度拟真的电商直播场景、充满复古质感的90年代风格照片，还是逻辑缜密的知识图谱可视化，一系列令人惊叹的演示案例迅
在影视特效、虚拟现实和三维内容创作中，一个关键难题是如何让AI仅凭一张静态图片，就能准确生成不同相机角度下的新视图。这不仅需要简单的画面旋转，更依赖于对场景三维结构的深度理解与重建。目前的主流技术大多基于图像扩散模型，通过处理离散的视角映射已取得显著进展。 然而，当面对真实拍摄中平滑、连续的相机运动
全球AI编程助手领域的权威评测迎来重要升级。知名分析机构Artificial Analysis今日正式推出全新的Coding Agent基准体系——Artificial Analysis Coding Agent Index。这一全新评估框架旨在系统、客观地测评各类AI编程助手及其底层大模型在实际开
腾讯联合清华等推出Pixal3D项目，通过创新的反向投影技术，将单张二维图像显式映射为三维模型。该方法能生成具备精细几何结构和完整PBR纹理的高保真3D资产，质量接近多视图重建效果，可直接用于游戏、影视等专业生产流程，显著提升内容创作效率。
腾讯云开源了TencentDBAgentMemory分层记忆引擎，采用MIT协议。该引擎通过“上下文卸载”和“Mermaid任务画布”两项核心技术，在多任务连续会话中最高可降低61 38%的Token消耗，并将任务成功率相对提升51 52%。它解决了长周期任务中记忆跨会话断裂、事实与偏好混淆以及上下文膨胀三大痛点。项目已适配主流Agent框架，支持一键集成与
热门专题
热门推荐
潮汐守望者梅丽珊卓的出装策略，核心在于极致放大她的爆发伤害与控制能力，同时构建必要的生存保障。以下这套经过版本与实战验证的装备组合，将帮助她主宰峡谷战场，成为团队不可或缺的法术核心。 核心装备 卢登的回声通常是无可争议的首件神话装备。它提供的法术强度与技能急速完美优化了梅丽珊卓的技能循环，而其被动“
4月29日，阶跃星辰正式发布新一代图像编辑生成模型Step Image Edit 2。这款AI图像模型主打“小身材、大能力、快响应”，参数量仅3 5B，却在轻量级图像编辑评测基准KRIS-Bench中斩获综合排名第一。它全面支持文生图、中英文渲染、局部编辑、视觉推理、主体一致性及风格迁移等多种AI图
2026年的AI圈，时钟仿佛被拨快了。技术迭代的浪潮一波未平，一波又起。 尤其是进入四月以来，整个行业像是踩下了油门。Meta携Muse Spark高调回归，ChatGPT Images 2 0的生成效果在社交媒体上持续刷屏，而GPT-5 5的发布，再次将技术天花板向上推升了一个量级。视线转回国内，
从DeepMind到阿里、腾讯，各路顶尖玩家正涌入“世界模型”这个新战场。但大家争夺的，远不止是算力与资源，更核心的较量在于：究竟什么样的架构，才能真正构建起对物理世界的理解？ 过去一年半，世界模型已然成为AI领域竞争最密集的焦点。参与者名单几乎涵盖了所有前沿方向：全球科技巨头、视频生成公司、机器人
柴犬币自低点反弹约30%，正尝试复苏。当前面临0 0000076美元附近的200日移动均线关键阻力，若能突破可能上涨约21%，但该位置存在解套抛压。价格需放量突破0 0000064美元以确认短期上涨趋势，下一目标0 0000072美元，下方关键支撑位于0 000006美元附近。