@thomaszhou_: 很有用的最佳实践！AGENTS.md的优化几乎每个人都能用到。 我挑了文章里面几个常用场景，把prompt贴过来了，方便大家直接复制带走： 1. 科学优化你的 AGENTS.md Prompt: 查看我最近的 Codex 会话，找出一条似…

X AI KOLs Timeline 新闻
agents-md codex dead-code-cleanup prompt-engineering gpt-6 best-practices ci-optimization

摘要

一条分享 AGENTS.md 优化与死代码清理最佳实践的推文，附上可直接复制使用的 Prompt，涉及用 GPT-6 Astra + Codex 清理 80 多万行废弃代码、以及用 GPT-6.1 Sol 优化 CI 耗时的案例。

很有用的最佳实践！AGENTS.md的优化几乎每个人都能用到。 我挑了文章里面几个常用场景，把prompt贴过来了，方便大家直接复制带走： 1. 科学优化你的 AGENTS.md Prompt: 查看我最近的 Codex 会话，找出一条似乎误导了智能体或导致不必要工作的 AGENTS.md 指令，并选出发生该问题时的原始用户提示词。 使用相同的代码仓库快照和模型，将该提示词重新运行两次： 保持当前 AGENTS.md 指令不变。 仅删除或修正那一条指令。 比较两次运行的任务完成质量、智能体行为、工具调用、Token 用量、运行时间和费用。展示这条指令，并说明修改它是否带来了改善。 2. 清理死代码 Prompt: 帮我识别并清理仓库中的死代码，你可以自由检查 Slack、Statsig（AB实验平台）或任何其他你需要的来源，以确认这些内容确实不再使用，并且可以被清理或简化。 3. 全仓库实验审计与 CPU 成本优先级排序 Prompt: /goal 找出整个代码库中所有过期、固定不变、已废弃或已全量发布的 Statsig 门控、配置、实验和图层，确保它们可以在不影响生产环境的情况下被安全移除。审计所有的 Statsig 项目和清单，而不仅仅是标记为过期的对象。 找出通过枚举、常量、包装器、别名、模式、动态拼接名称以及跨服务消费者进行的间接调用。核对每一个在生产环境中被引用到的常量；不要仅仅生成一份保守的简短列表就停止。 考虑每个对象的云资源使用情况（包括 CPU）。在可用的情况下利用生产环境遥测数据和性能分析文件来识别高开销的无效检查。 生成一份 Markdown 报告，将所有验证过的清理候选项按可并行处理的归属团队/文件工作流进行分组，包含生产环境的值、证据、负责人、调用点，以及观察到的评估开销或 CPU 成本（如有）。不要修改线上配置或服务。
查看原文
查看缓存全文

缓存时间: 2026/10/22 17:44

很有用的最佳实践！AGENTS.md的优化几乎每个人都能用到。

我挑了文章里面几个常用场景，把prompt贴过来了，方便大家直接复制带走：

  1. 科学优化你的 AGENTS.md

Prompt: 查看我最近的 Codex 会话，找出一条似乎误导了智能体或导致不必要工作的 AGENTS.md 指令，并选出发生该问题时的原始用户提示词。 使用相同的代码仓库快照和模型，将该提示词重新运行两次： 保持当前 AGENTS.md 指令不变。 仅删除或修正那一条指令。 比较两次运行的任务完成质量、智能体行为、工具调用、Token 用量、运行时间和费用。展示这条指令，并说明修改它是否带来了改善。

  1. 清理死代码

Prompt: 帮我识别并清理仓库中的死代码，你可以自由检查 Slack、Statsig（AB实验平台）或任何其他你需要的来源，以确认这些内容确实不再使用，并且可以被清理或简化。

  1. 全仓库实验审计与 CPU 成本优先级排序

Prompt: /goal 找出整个代码库中所有过期、固定不变、已废弃或已全量发布的 Statsig 门控、配置、实验和图层，确保它们可以在不影响生产环境的情况下被安全移除。审计所有的 Statsig 项目和清单，而不仅仅是标记为过期的对象。 找出通过枚举、常量、包装器、别名、模式、动态拼接名称以及跨服务消费者进行的间接调用。核对每一个在生产环境中被引用到的常量；不要仅仅生成一份保守的简短列表就停止。 考虑每个对象的云资源使用情况（包括 CPU）。在可用的情况下利用生产环境遥测数据和性能分析文件来识别高开销的无效检查。 生成一份 Markdown 报告，将所有验证过的清理候选项按可并行处理的归属团队/文件工作流进行分组，包含生产环境的值、证据、负责人、调用点，以及观察到的评估开销或 CPU 成本（如有）。不要修改线上配置或服务。

观默 (@guanmo_ai): OpenAI 一个团队用 GPT-6 Astra + Codex 清理废代码，5 个工程师利用两周业余时间，合并了 1400 多个 PR，删掉 80 多万行代码。

他们还用 GPT-6.1 Sol 优化 CI，把中位耗时从约 10 分钟降到 4.5 分钟。

清理废代码的原始 Prompt 也公开在文章里了 👇

相似文章

@mattpocockuk：今日提示词：/writing-for-agents 我的 AGENTS.md 混乱不堪，请提出一系列重构方案：- 删除无用指令……

X AI KOLs Timeline

Matt Pocock 分享了一段用于清理混乱 AGENTS.md 的「今日提示词」：删除无用指令（no-ops）、采用渐进式披露、将规范迁移到 CODING_STANDARDS.md，并通过三个激进程度依次递增的子代理将重构工作合并为一个 PR。他认为 AGENTS.md 是智能体工作流中 token 效率低下的最大来源。

@lee04052822: https://x.com/lee04052822/status/2111618612158935467

X AI KOLs Timeline

作者分享了一套基于 Claude Code 主 Agent 调度 Codex CLI、Subagent 与 GitHub Issue/PR 的 human-in-the-loop 持续开发工作流，包含仓库初始化规范、任务拆解、审查合并流程，并提供可直接复用的提示词模板。