用AI开发软件，不靠更多 Tokens，要靠有纪律的上下文

用cursor开发软件时，模型幻觉是bug产生新的来源。人与模型之间的沟通水准，决定了模型表现的上限。也是控制bug的关键所在。

编程AI助手的自主性，它不是要更多的 token，来自有纪律的上下文文档。对于长程的开发任务，尤其如此。

有结构的上下文文档，可以有效地指引模型行动，我将这方面的实践总结成一个skill

sddproskills（https://github.com/Coldplay-now/sddproskills）

这个仓库里的 taskplanner Skill生成的 task 文档有鲜明的结构化、工程化特点，你用它能做出来生产级任务看板task.md

它是真正为多 Agent 并行开发设计的、可执行、可追踪、可动态调整的任务计划书。是有纪律的上下文。

它的内容包含：项目总体概述、输入文档引用、DAG 图、任务列表（按阶段/优先级/依赖分组）、状态管理与元信息、潜在风险、待确认项、重规划历史等。

该文档，实时管理全部任务的依赖关系。

这样方便多个Agent同时认领无冲突任务。

它也会记录因失败而插入的新任务。自动生成修复子任务，并重排 DAG。

一个中等项目，会被拆出 20–60+ 个任务，非常细粒度，甚至 setup、lint、gitignore 都单独成任务。这是为了让每个Agent每次只拿一个小而明确的块，避免大模型一次做太多而出错。

经过实践，我发现，一个好的TASKS.md要

• 带严格模板、

• DAG 依赖、

• 检查点、

• 认领机制、

• 任务分解细腻，

这种任务计划水平，当今推理模型的指令跟随能力都能胜任。

另外，sddproskill的自动化协调 + 重规化机制，让cursor动态调用多个agent并行成为可能。

---

原文链接：https://mp.weixin.qq.com/s/F6zIl1Bis61oDw0ENb7M4A

来源：XT