Hello, 各位 iT 邦幫忙 的粉絲們大家好~~~

這系列文源自這幾年在團隊裡導入 AI Coding 之後，一路踩雷、修正、再踩雷的真實過程。把這些收斂出來的方法整理成文，也許對正在煩惱同樣問題的你會有些幫助。

就當作是一份邊做邊記的工程筆記吧！

本篇是 當 AI 加入團隊：打造可審查、可驗證、會自我改善的 AI 開發工作流 系列文的 EP15。

隨著 skill 與 knowledge 越長越多，我們遇到一個反直覺的現象。

讓 AI 每次都把整個 repository 讀完，品質反而會下降。 上下文塞太多不相關的規則，AI 越容易把不相干的判斷套用到目前的任務上。

所以我們訂了一套明確的「該讀什麼」流程，用router 驅動，而不是全部載入。

讀之前先選，而不是先讀完再想哪些用得上。

我們甚至幫每一類文件都定了一個「預設載入額度」——不是硬性上限，但超過時要有理由：

這不是單純的效能最佳化，而是一種風險控制：讀得越精準，AI 把不相干平台的規則、或不相干情境的知識，誤套到目前任務的機率就越低。反過來說，如果任務本身就明確需要更多背景，那就大方地多讀——這裡的重點是「有意識地選擇要讀什麼」，而不是「盡量少讀」。

這加起來其實就一句話：該讀什麼要用 router 有意識地選，不是把整個 repo 塞進上下文。

上下文管好了，接下來一批很扎實的教訓，來自真正在現場跑過的操作。

下一篇來聊聊那些讓我們回頭修改 skill 安全設計的現場回饋。