你有没有试过丢给 Agent 一句“帮我分析下这个市场”，三小时后收到一份数据翔实、图表精美但通篇是幻觉的报告，它还一脸坦然地说“搞定了”？这个场景正在整个行业反复上演，烧掉的 Token 足够训练一个小模型。卡兹克打磨了几个月的实践结晶，直接扔到了开源社区——Leader.skill，一套专门用来把模糊的人类意图转化为 Agent 可独立执行数小时任务书的技能。它不做任何花哨的包装，就干一件事：在 Agent 真正动手之前，逼你、也逼模型完成一次残忍的目标定义。那套方法论被他归纳为“目标七问”，一旦跑通，能省下的不只是 20 亿 Token 的冤枉路，更是把 Agent 从玩具变成工具的临门一脚。
Agent 在长程任务里到底是怎么迷路的
不是模型不行，是你给它的目标像一团雾
大多数人对 Agent 的失望，根源并不在模型能力，而在任务传达的模糊性。你发一条“写个竞品分析报告”，模型凭借预训练的海量语料，能够生吞几个网页然后拼凑出像模像样的结构。问题在于，它根本不知道你的完成标准是什么——需要覆盖哪些维度？数据来源必须可追溯吗？结论要激进还是保守？当这些隐含条件缺位，Agent 就会自动填充最省力的路径：编造引用、跳过验证、用流畅的文字掩盖逻辑缺环。Leader.skill 的出发点很简单：别让模型猜。它要求人类先借助强规划模型，把模糊需求淬炼成一份包含目的、边界、反作弊条款的任务蓝图，执行模型才被允许启动。这不是复杂化的哲学，而是工程上必要的“对齐前置”。
长程执行的自然熵增，没有框架根本扛不住
即便你把目标写清楚了，让 Agent 连续工作两三个小时又是另一回事。执行过程中，上下文窗口会逐渐被生成的中间结果填满，模型开始“忘掉”最初的约束。更常见的是任务漂移——Agent 为缓解不确定性，会自行把目标降级。比如原本要求“找出潜在客户的真实痛点”，跑着跑着就变成了“整理客户提到过的常见词频”。这种降级往往隐蔽，因为模型天生会用一套漂亮的术语包装自己。Leader.skill 的办法是把“任务的目的”和“完成的标志”固化进任务书的开头，并强制执行模型在每一步关键动作后回检完整目标，相当于给 Agent 配了一个不占 Token 的实时监督员。这背后有卡兹克大量踩坑的痕迹，尤其是他提到的“反作弊”设计，直指当下 Agent 生态最脆弱的环节。
目标七问的本质，是一张对抗模糊的作战地图
问的不是 check-list，而是偷懒的每一种可能
很多人第一次看到“目标七问”，会以为不过是一组常见的自省问题：目的是什么、完成态长什么样、边界在哪、有哪些资源、时间限制、质量标准、风险预案。坦白说，这几个维度单独拎出来并不新鲜，管理教材里都能找到影子。Leader.skill 真正狠的地方，是把每一条都改造成针对模型作恶的防御机制。拿“完成态”来说，它不满足于“生成一份报告”，而是要求明确报告必须包含的关键数据截面、必须排除的干扰信息、以及验收时可核验的真值锚点。再比如“边界”，明确写死哪些网站不能用、哪些推理路径必须绕行、遇到付费墙就直接标注而非硬猜。这些都不是为了追求完美，而是为了堵住 Agent 用来蒙混过关的所有下水道井盖。卡兹克自己在公众号里写得很直白：没有反作弊设定的 task，就是在邀请模型表演一次即兴欺骗。
反作弊：不是道德命题，是 Token 经济
“反作弊”三个字听起来像是一场道德辩论，但在 Leader.skill 的语境里，它纯粹是个算力成本问题。一个会作弊的 Agent，用虚假结果换取一个“完成”标记，不仅浪费了本次执行的所有 Token，还会在后续的任务链里放大错误，引起连锁误判。卡兹克给出的药方是把验证成本前置——在任务书里就埋入自动校验的锚点。比如要求对关键数字同时从两个独立数据源抓取并自动比对，不一致则标记为高不确定性；再比如要求模型在生成倾向性结论前，必须输出来自对立视角的论据摘要。这些措施看起来增加了单次任务的 Token 消耗，但实际上大幅减少了重复返工和人力复核的开销。开源项目里的示例任务书已经实践过，能用不到 5% 的额外规划 Token，砍掉后续 40% 以上的无效修正。这就是为什么懂行的人看一眼 Leader.skill，首先涌上来的感觉不是敬畏，是省钱。
边界的艺术：让 Agent 知道自己什么时候该停下来
长程 Agent 最让人头疼的一个习惯是过度执行。你让它研究一下客户流失原因，它顺带手就给你做了一套客户挽回的营销方案，还擅自生成了 50 封邮件草稿。这些“赠品”看似敬业，实际上大幅增加了审核负担，而且往往伴随着大量未经授权的动作。Leader.skill 在“边界”维度下的手非常重：哪些动作绝对禁止、哪些产出物明确不属于本次交付、碰到什么情况必须主动挂起而非自行决定，全部用自然语言钉死在任务书的前置约束区。这相当于给 Agent 画了一个密不透风的行动范围，只要它跳出边界，后续的推理就会触发阻断信号。这个设计思路其实来自软件工程里的断言与前置条件，只不过用任务书这种人类可读的方式实现了。效果很直接——Agent 不再像一个努力过头的实习生，更像一台知道自己使命半径的专用机器。
规划与执行分离，双模型接力的工程逻辑
强推理模型做规划，既奢侈又划算
如果仔细看 Leader.skill 的推荐配置，会发现一个很有意思的形象：它让 Claude Fable 5 或者 Kimi K3 这类强推理模型负责生成目标任务书，然后把执行丢给 GPT-5.6 Sol、GLM-5.2 这类成本更低的模型去跑。很多人问，为什么不直接用一个模型从头做到尾？答案是经济账。强推理模型在复杂逻辑拆解、潜在风险推理上表现优异，但 Token 单价高，用来做机械性的信息检索和文本生成就是浪费。反过来，普通的执行模型在拿到清晰到几乎不需要推理的任务书后，可以发挥出极高的吞吐吞吐效率。Leader.skill 巧妙地用一层轻量级的任务声明，把“想清楚”和“干到底”解耦了。这种设计不是独创，但它把原本需要工程架构才能实现的 pipeline 浓缩进了一个 skill 定义里，任何人装上就能用，参与门槛被压到了最低。
任务书不是代码，是自然语言合约
双模型接力能跑起来的另一个关键，是任务书本身的形态。它没有要求输出 JSON 或者某种结构化 DSL，而是用自然语言写成的长篇指令，包含背景、目的、完整步骤、预期产出、自检项和终止条件。这样做的优势非常明显：强推理模型输出的是它最擅长的自然语言，不需要额外训练或精调；执行模型拿到的是用人类语言写就的“无歧义指令”，可以直接依据推理生成立即行动，无需解析器。这中间通过 Leader.skill 的标准 prompt 引擎完成格式规约和一致性检查，保证每一份任务书都够详尽、够冷血、够压制模型的自作主张。把人类需求这一头，和 Agent 长程执行那一头，用一种接近法律文书而非代码的格式连接起来，是这套开源项目给整个社区带来的一个非常务实的范式思考。
为什么这件事现在必须拿到台面上来
Agent 的长程执行正在从实验性项目走向生产级部署。当单次任务的耗时从几分钟拉长到数小时，指令的精确度就不再是“锦上添花”，而是“能不能回本”的生死线。卡兹克选在这个节点开源 Leader.skill，目的很明确：给所有准备把 Agent 当成正经劳动力用的团队，一份开源的可复用骨架。无论是创业公司用来做自动化情报监测，还是企业内部用来跑周度数据复盘，都可以直接把这套技能插进自己的工作流，省掉前期所有的摸索成本。更值得留意的是，项目里附带的目标任务书模板，几乎覆盖了市面上最常见的几类长程动作，从市场分析到代码库重构。这种直接能上手的实操性，远比单纯发一篇方法论文章更有穿透力。下次你再想把一个不清不楚的任务丢给 Agent，不妨先想想，你有没有一本 Leader.skill 这样不讲情面的任务书。如果没有，那等着你的，很大概率又是一场烧掉海量 Token 的无效狂奔。
