本文基于《写一篇好 CLAUDE.md |HumanLayer 博客 — Writing a good CLAUDE.md | HumanLayer Blog》整理核心信息，并结合实际工程场景给出可执行建议。

核心摘要

• November 25, 2025< 10 min read
• Note: this post is also applicable to AGENTS.md, the open-source equivalent of CLAUDE.md for agents and harnesses like OpenCode, Zed, Cursor and Codex.

• Principle: LLMs are (mostly) stateless

• LLMs are stateless functions. Their weights are frozen by the time they’re used for inference, so they don’t learn over time. The only thing that the model knows about your codebase is the tokens you put into it.

我的判断

这类内容的共同点是：模型能力上限不断提高，但稳定产出仍取决于流程约束。把验收标准、上下文边界、回归测试写清楚，实际收益会明显高于“追最新模型”。

真正有复利的做法不是一次性写出完美提示词，而是形成可复用的协作脚手架：任务拆解模板、失败回喂模板、以及固定的验证清单。

可直接落地的做法

1. 先写可判定的完成标准（测试通过、接口契约、输出格式），再让模型实现。
2. 每轮迭代只改一个维度（正确性/可读性/性能），避免目标漂移。
3. 把失败案例沉淀为检查清单，下次直接复用。

结语

技术文章真正的价值不在“看过”，而在“转化为下一次决策时可复用的方法”。建议把本文结论映射到你当前项目的一项具体动作，并在一周内验证效果。