最初我只是想攒一个skill
之前的稿子里提过，我希望自制一个专属的信息搜索 skill。
出发点很简单，我手里有四五个搜信息的 Skill，各有所长，也各有偏科。只取其一有欠缺，全跑一遍没必要。
于是我有了个“合成大skill”的想法：碎了这几个 skill，集各家所长，把能用的零件抠出来，炼化一个符合我要求的新skill出来。
我最终给它定名为探子，派出去打探消息，再回来按规矩交差。
我以为这个活儿不会太难干，毕竟这需求听上去倍儿清楚，干到第三天我才发现没那么简单。
谁成想最大的坑在于：人机协同，人和机没有一个是靠谱的。
人机协同？不，是卧龙凤雏
这次的主人公是我和 Claude，一个懒汉，一个笨蛋。
本人类：心理学专业出身，对代码一窍不通，指望把活全托给Claude Code，一键生成个成品。
原装模型的Claude Code：头部 AI 工具，知识渊博记性极差的赛博犟种，pro额度不多，在5小时限额下嘎一会掰一会，干一点忘一点，哼哧吭哧，熊瞎子掰棒子。
三天里，它跟我打了无数次包票：TT废了，能救；snowball 那边够不着，我来；X 走不通，不能够……说得老好了，可惜一条都没完成。
于是本人类坐不住了，问它：openCLI是死了吗？
它说：没死，能连173个平台。
我又问它：173个平台包括 TT、snowball 和 X 吗？
它思考片刻，咦了一下。是的，它竟然咦了一下。
然后它突然作恍然大悟状：原来TT不是废啦，是网络组件掉线，一恢复它就好啦！snowball雪球也不是够不着，换个方式连就一路畅通啦！X 也不是不能搜啦！哇，人，你好厉害！
被一个迷失在上下文里的糊涂蛋夸奖，似乎也不是很光荣。于是愤怒的人类哪怕不懂，也得动点脑子入场了。
人踩的坑全是AI挖的
人肉过完所有上下文之后我发现，坑能分三层，越往下，Claude 越不吭声。
第一层简单，偷懒实习生。当Claude说干不了时，也许只是它懒得琢磨。比如最典型的，在英文论坛搜中文话题，因为按点赞数排，常常一坨高赞的无关内容糊你一脸，Claude 这时候特容易顺坡下驴，劝人放弃这条道。骂一顿就好了。
第二层略麻烦，职场大忽悠。它不干活，你还发现不了。它会假装特别努力，勤勤恳恳，实则无所不用其极地偷懒——漏掉核心任务，跳过重要目标，专在小事上打转，全然不顾大问题一个没解决，汇报时却说得头头是道，特能忽悠人。你得亲自把上下文通读一遍，才知道哪儿被糊弄了。
第三层最要命，失忆症爹系霸总。改探子skill 是个超吃上下文的活，Claude 在文山字海里就是条七秒记忆的金鱼，边查边改，撂爪就忘，想一出是一出，但偏偏极度自信，带着项目山路十八弯地跑偏，忘了“自己忘了”，还装作优势在卧。上面三条错误结论，根子都在这儿。
好记性不如好账本，更何况 AI 没记性
人经常在同一个地方翻车，还美其名曰为宿命的回旋镖。我曾一次次告诫自己不要太相信 AI，然而又一次次因为懒，而反复翻进它挖的小河沟子里。
还好每次爬上来，人类的智慧能再次回归大脑——不是没记性吗？上账本。
我让 Claude 把要搜索的每个目标平台、每种搜索工具路子、每条搜索路径、每个已知的问题，全写进一张表作为账本，每条后面必须带验证日期，记录每轮的测试状态。然后立一条规矩：先改表，再改 skill，表没改，skill 不许动。
这个账本有好几百行，作用只有一个：记忆锚点，有点像专属于这个skill修改项目的 CLAUDE.md。
我拿一个刻意跳脱的话题——《Claude Code 用户到底是"高认知穷人"还是"婚恋潜力股"》——从头到尾练了一遍手，一口气收了 84 条候选信息。跑的过程里冒出三个"看似新的老毛病”，但有账本在，它没有一次停下来原地打转：
- 一个通用检索接口，纯中文关键词返回的内容，跟查询完全不沾边，连着测了四次，次次都是些风马牛不相及的冷门词条，Claude 没有放弃渠道，而是换成中英混合关键词，立刻正常。
- 一个岗位检索渠道，偶发中途断连，其实是之前发生过的老毛病换了张脸，Claude对账后找到方案，轻松解决。如果没有账本，Claude 特别容易把老毛病当新故障，从头修一遍，还把重复的解决方案又写回 skill 里，然后一次又一次重复同一个副本，玩了个开端。
- 某平台两篇文章下载报错，Claude 最初认定是工具坏了，反复修，后来依着规矩一查：一篇被作者删了，一个号迁移没了，压根不是工具的事。Claude 很轴，容易只在自己的项目维度里打转，忽略更高维的客观事实——所以必须先拆解基础事实，追究根因，再对症下药。第一性原理诚不欺我。 于是我们靠着这个笨笨的账本，一点一点填土，从坑里爬了出来。
skill不重要，被创出来的经验教训才重要
探子skill 现在问题还很多，每次测试，不是这断了就是那报错。
但老实说，任何免费的信息采集工具都会有毛病，硬怼严防死守的各大平台，玩的是一场“魔高一尺、道高一丈"的持久战。
而AI 发展得太快，信息渠道也在被各大模型作为价值点持续瓜分着，skill本身的价值在疯狂缩水，这个小探子能帮上我的时间窗口会越来越短。
这次真正沉淀下来有价值的，相反是这套"记性差就上账本"的套路。
AI 在未来很长一段时间里，大概率都不会有长期记性这种宝贵品质，更何况token很贵，死磕上下文理解谁也耗不起，得 /clear 和 /compact。
但人得有办法，新任务增加一个踩坑填土的记账环节，能省好大事儿，最后还能抽象出几条写进全局 CLAUDE.md 的通用规则，也是收获。
Claude 这次给自己加的通用规则：
改完不等于改对：说"检查过了/没问题"之前必须真的核实过，不能凭上一轮的印象或记忆担保，—第一轮和第十轮都一样。核实范围就是这句断言本身覆盖的内容，不必每次重读整份文件。
遇到反常之处，先想清楚原因，再决定怎么修：不限于文本，配置异常、命名古怪、步骤被跳过、报错说不通都算。agent需要自己建立推理步骤，找到反常背后的真实原因（外部限制、历史遗留等），直接套最省事的修复只是盖住了原因，后面还会再犯。
第一性原理，只管一种场合：准备依据"大家都这样""一直这么办"这类没验证过的前提下结论、或放弃某条路径时，先停下来查这个前提当下是否真的成立，别直接采信。已验证过的事实和明确的技术规范不用每次重新推导，这条不是让你怀疑一切。
人机协同，说到底就是两个不靠谱的玩意凑一块儿干活，尽人事、看机缘，听天命，也不失为一种顺势而为的探索。
我是盒小啡，一个正在和"没记性的 AI"斗智斗勇的行研分析师。