聪明体现在哪：递过去的那半

github.com/ciembor/agent-…

GPT-6 Astra 的聪明被拆成了两半，一半在推理，另一半得靠人递过去。

评价照录。它的长处在推理和逻辑思考，说白了就是特别适合做数学题；这本事落到编程上也明显，让它实现一个复杂功能，逻辑能理得很清楚，最后真做得出来，低级错误很少。但软件工程这层差点意思，例子摆了三条，相邻代码都抽了常量它偏要写死；该抽个方法的地方它把逻辑直接内嵌；明明不需要额外封装它又多套一层，架构设计上偶尔也犯类似的毛病。

代码能跑、逻辑没错，实现方式却未必合理，放到长期维护的项目里尤其显眼。作者的解法是两个 Skill 加一份说明：Code Complete 管编码规范，A Philosophy of Software Design 管抽象和架构，再通过 AGENTS.md 让它动笔之前先照着原则走。

"它没意识到该关注这些"这半句是场重心。前面整洁之道新谈讲的是老一辈守住基本盘，这条讲的是把基本盘写成说明书塞给模型。跟前面验收那步留着呼应，那条在人手里留关卡，这条在模型前立牌子。两头都在提醒同一件事，模型的工程短板未必是能力不够，可能只是没人提醒过它。跟前面组里那堂分享也接得上，一个把经验讲给人听，一个把经验讲给模型听，同一批原则换了个听众。

补认知比补推理更有用这个结论我单独拎出来，它把提升的路径从换模型挪到了改提示，成本差着量级，见效却常常更快。

我留的疑问有三处。两个 Skill 之外还有没有备选没给；AGENTS.md 的写法没拆；补了原则之后维护性到底改善多少也没数，这些都在仓库里。

这周照它的样子把两本书的要点抄进自己的配置，跑一周看实现方式有没有变规矩。