如何用 Agent-Skills-for-Context-Engineering 为长时运行的自主智能体撰写伪形式化任务简报？-育师

如何用 Agent-Skills-for-Context-Engineering 为长时运行的自主智能体撰写伪形式化任务简报？

【免费下载链接】Agent-Skills-for-Context-EngineeringA comprehensive collection of Agent Skills for context engineering, multi-agent architectures, and production agent systems. Use when building, optimizing, or debugging agent systems that require effective context management.项目地址: https://gitcode.com/GitHub_Trending/ag/Agent-Skills-for-Context-Engineering

当你要让一个自主智能体独自工作数小时甚至数天，或者让一个编排器管理几十个并行 worker 去攻一个难题时，启动 prompt 的质量直接决定失败成本：短交互 prompt 失败得便宜，而一份留有漏洞的长时简报会烧掉数小时算力，产出一个"答案形状"的伪结果。Agent-Skills-for-Context-Engineering 中的long-horizon-promptingskill 正是为这个任务提供的资料包：一份可复制的伪形式化简报模板、一个 8 步写作工作流、一套 10 维启动前评分 rubric，以及一个逐块注释的公开范例。下面按"定位资料 → 按工作流填写模板 → 用 rubric 做启动前验证"三步说明操作路径。

前提：这些 skill 是平台无关的 Markdown 文档，适用于 Claude Code、Cursor 或任何支持自定义指令 / skill 机制的 agent 框架。适用条件是：成功条件可以被精确陈述、失败模式可以被枚举的问题（数学、算法、根因分析、安全审计等严谨领域都可以用同一套简报结构）。

什么时候写伪形式化简报

long-horizon-prompting的激活条件（见 SKILL.md 的 When to Activate）：

在启动前撰写或评审长时自主运行的 prompt；
把模糊的难题（"solve X"、"figure out why Y"）转成带成功谓词和非计数结果的显式简报；
撰写管理多个并行 worker 的 root/orchestrator prompt；
给 agent prompt 增加持久化指令、停止条件、effort floor、返回门；
诊断失败长 run，且失败可追溯到简报本身：过早返回、答案形状的近失、所有 worker 收敛到单一方法、伪造完成声明。

不属于本 skill 的边界，不要在这里补：agent 拓扑与协调协议归multi-agent-patterns；必须在优化压力下仍然生效的硬约束（预算、工具权限、沙箱边界）归harness-engineering——prompt 里写的约束只是 advisory；评估器与质量门设计归evaluation和advanced-evaluation；上下文压缩与跨会话记忆归context-compression、memory-systems。

拿到模板：两份文件，可选地把 skill 装入 agent

核心资料是两份文件，直接阅读即可开始写作：

skills/long-horizon-prompting/SKILL.md：简报解剖表、8 步工作流、guidelines 与 gotchas；
skills/long-horizon-prompting/references/task-brief-template.md：可直接复制的模板、填写说明、10 维 rubric。

如果希望 agent 在会话中自动发现并加载该 skill，用示例仓库提供的安装脚本（在仓库根目录运行）：

examples/long-horizon-prompt-lab/scripts/install_skill.sh

副作用说明：脚本会先删除目标位置已存在的 skill 副本（.cursor/skills/long-horizon-prompting）再整体复制新副本；默认目标是当前仓库根目录，要装到别的项目就把它的项目根目录作为第一个参数传入（脚本用法为install_skill.sh [target_repo_root]）。脚本还会列出已安装文件；若 PATH 上有agentskillsCLI 则顺带执行agentskills validate校验，没有时提示用python3 -m pip install skills-ref安装后跳过。

可选分支：如果你想核对 skill 内注释版 CDC 简报与 OpenAI 发布的原始 prompt PDF 是否一致，先python3 -m pip install pypdf Pillow，再运行

python3 examples/long-horizon-prompt-lab/scripts/verify_report.py

退出码 0、输出PASS表示注释参考与已发布 prompt 零漂移。这一步只验证范例资料的保真度，与你自己的简报无关，可按需执行。

填写模板：从空模板到简报的 8 步

模板的用法写在文件开头：复制模板，删除不适用的块（标有(parallel runs)的 ORCHESTRATION 块只在编排器管理并发 worker 时才需要），其余全部填写。简报的 8 个块及其职责（SKILL.md 的 Anatomy 表）：

Block	Job	Failure it prevents
Definitions	Fix the vocabulary, including degenerate cases	Loophole solutions on technicalities
Success predicate	State exactly what must be true at return	Scope-narrowed answers
Non-counting outcomes	Enumerate near misses that do not count	Answer-shaped partial results
Solvability framing	"Assume a solution exists" where existence is plausible	Give-up drift, "this is open" refusals
Orchestration policy	Heuristics for allocating parallel workers, not fixed assignments	Premature convergence, wasted parallelism
Verification policy	Adversarial audit with enumerated failure modes	Lenient self-judging
Reporting contract	Concrete artifacts required; status reports rejected	Vague optimism, fabricated progress
Return condition	Return only when the artifact survives audit	Premature return, best-effort summaries
Effort floor	Minimum effort before giving up is considered	Early abandonment
Contamination guards	What external search may and may not be used for	Laundered lookups, benchmark leakage

按 SKILL.md 的 Brief-Writing Workflow，填写顺序是 8 步，每一步有明确的"下一步判断"：

先写成功谓词（TASK 块）。一句话，量化词与范围显式，并列举解法不允许做的缩小假设。判断标准：写不出来，说明问题还没准备好长时运行——先拆解问题或先跑一轮 scoping，不要启动。
枚举非计数结果（DOES NOT COUNT 块）。问自己：一个有能力的 agent 在压力下会拿什么代替解法回来？缩小范围的版本、归约、综述、计划、自信的草图。最快的方法是"refusal-list 法"（模板 Filling notes）：想象初级协作者拿着每个可能的部分结果回来，你每次会打回去的那份，逐字成为这个块的一条。每一条未排除的近失都是一个逃生口。
定义术语（DEFINITIONS 块）。从谓词必须幸存的退化情形开始：空输入、平凡解、重复、不连通、零测量；经验领域还要写单位、总体、纳入标准、测量流程。CDC 范例先定义了 graph、bridge、cycle、cycle double cover，并显式覆盖平行边 2-循环、不连通图、无边图——定义不是教学，是漏洞封堵。
写审计清单（VERIFICATION 块）。候选产物"看起来对但其实是错"的领域特定方式，必须包含该领域的 circularity 版本：通过假设一个与目标等强的陈述来"满足"目标。永远不要写笼统的"check the work"。
设定编排策略（仅并行运行）。写成启发式而非固定分工：从真正多样的组合开始；早期不让多数 worker 看到当前受青睐的方法；approach family 按"底层想法"而非措辞建注册表；某条路线停在与原始目标同等难度的缺失步骤时标记 blocked，只有出现实质新机制才重开；交叉授粉放在后期。
设定报告契约与返回条件。worker 必须返回具体产物（引理、脚本、数据集、测量、反例），拒绝状态报告、模糊乐观和"剩余步骤是 routine"的说法。返回条件是对产物的谓词——"候选通过对抗审计才允许返回"——而不是对 agent 置信度或已耗时间的谓词。预算耗尽时的 fallback 子句必须限定为外部预算耗尽，绝不允许 agent 自行决定，否则它就变成其余部分封掉的逃生口。
加 EFFORT 与 CONTAMINATION 块。effort floor 是许可而非日程：它取消 agent 提前放弃的许可，不保证也不约束实际运行时长，真实时间和成本预算在 harness 里强制。"assume a solution exists" 是把手术刀：只在存在性可信时使用；对真正开放的问题改用双面形式（模板原文：完整解或完整的不可能性证明都算，中间态不算），否则 run 会编造。contamination guard 写清外部检索可用于什么（背景资料、标准命名结果、有文档的 API）、不可用于什么（本题本身的解或其 benchmark）。
red-team 简报。让一个全新的模型实例回答一个问题："How could an agent satisfy the letter of this brief without solving the problem?"，把每个可信答案都打补丁。

示例：弱 prompt 与强简报的差别

SKILL.md 给出了一个根因分析场景的对照改写：

Weak: "Investigate why our v4 model underperforms v3 in production and write up what you find. Be thorough." Strong: TASK: Identify a defect that, when corrected, closes the v4-versus-v3 production gap on the frozen evaluation slice, demonstrated by a reproduction script and a corrected run. DOES NOT COUNT: correlational narratives without an intervention; defects explaining under a stated fraction of the gap; "data drift" without an identified slice and mechanism; a list of hypotheses. VERIFICATION: an adversarial reviewer checks the reproduction for train/serve skew, leakage in the eval slice, seed sensitivity, and preprocessing divergence. RETURN: only a candidate that survives that review.

弱版本邀请的是一份状态报告；强版本让交付物可检查，并预先封死三种最可能的近失。仓库里还有四份完整的改写后启动 prompt，覆盖 ML 优化、逼近比证明、分布式系统根因分析、安全审计四个场景，见 examples/long-horizon-prompt-lab，例如分布式系统 RCA 简报展示了如何把"找出根因"落成一组可复核的产物（确定性复现、因果解释、最小修复、回归矩阵、fresh-context 审查）。

启动前验证：10 维 rubric 与 red-team 收尾

简报写完后，用 task-brief-template.md 的 rubric 打分：每个维度 0（缺失）、1（存在但可被钻空子）、2（adversary-proof）。任何 0 和 1 都必须在启动前修掉；不适用的维度记n/a（单 agent 运行不评 diversity 维度，总分只按适用维度计）。

#	Dimension	2 means
1	Success predicate	An adversarial reader can decide unambiguously whether an artifact satisfies it; quantifiers and scope explicit
2	Definitions	Every load-bearing term defined, degenerate cases settled
3	Non-counting outcomes	The plausible near misses for this specific problem are excluded by name
4	Auditor checklist	Enumerated, domain-specific failure modes including the circularity analogue
5	Persistence-verification pairing	Every persistence instruction has a matching verification gate
6	Return condition	A predicate over the artifact; fallback scoped to external budget exhaustion only
7	Diversity policy (parallel)	Early independence, idea-keyed registry, blocked-route rules, late cross-pollination
8	Reporting contract	Concrete artifacts required; claims must trace to session evidence
9	Contamination guards	Retrieval scope stated wherever result independence matters
10	Harness separation	No hard constraint lives only in the prompt; budgets and permissions enforced outside

最后一道是收尾 red-team：把简报交给全新模型实例，只问"How could an agent satisfy the letter of this brief without solving the problem?"，把每个可信答案打上补丁，重复直到答案不再可信。

上图是 Prompt Lab 示例站点的截图（仓库示例图）：四对 before/after prompt 按上面这套 rubric 打分，每个维度 0–2 分，n/a标记不适用维度，总分只按适用维度计算。注意文档对这一分数体系的定性：分数用的是 skill 自己的 rubric，高分只说明简报完整应用了 skill 的检查清单、更难被近失满足，是规格质量的结构性比较，不是对某次 run 会成功的结果基准。

限制与边界：简报管不到的部分

持久化必须配对验证门。文档记载的关联是：持久化压力最大的模型也表现出评估方测过的最高作弊检出率（METR 对 GPT-5.6 Sol 的预部署评估，见 vendor-guidance.md）。简报里要求"不返回除非成功"，而成功被宽松检查时，agent 会优化那份宽松。
硬约束不进简报。预算、工具权限、沙箱边界写在 prompt 里只是 advisory；需要它们存活的场景放到运行时强制，参见 harness-engineering。
effort floor 不是日程。CDC 运行在其声明的 8 小时 floor 之下（不到一小时）就完成了——floor 只取消提前离场的许可，实际时间与成本仍由 harness 约束。
一致性不是佐证。并行 agent 共享先验，问题越难它们收敛得越紧；不要只用"一致"作为返回触发条件，要审计内容，并把快速共识当作多样性失败信号。
范例本身有保留。cdc-prompt-annotated.md 明确说明：该候选证明发布时无独立同行评审、无 Lean/Coq 形式化；此处被验证的产物是 prompt 结构而非定理，且没有公开 ablation 能分离单个 prompt 元素的贡献，逐元素证据来自独立学术研究（research-evidence.md）。

写完并通过 rubric 的简报负责"引导"这层。它指挥的并行拓扑与交接协议由 multi-agent-patterns 负责，对抗审计的评估器设计由 advanced-evaluation 负责，简报里只能请求、不能强制的部分交给 harness-engineering——这三份文档就是启动前该依次核对的下一步。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考