将人类编写的CLAUDE.md转换为AI原生的结构化标签格式。在4个模型上经过实战测试。相同的规则更少的令牌更高的合规性。技能概述ai-md 技能是一种将人类编写的CLAUDE.md或任何LLM系统指令转换为结构化标签格式的方法论AI模型更可靠地遵循这种格式同时使用更少的令牌。下载地址https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/ai-md核心悖论我们证明的悖论用自然语言添加更多规则会降低合规性。将相同的规则转换为结构化格式可以恢复并超越它。人类散文6条规则1行 → AI遵循其中4条 结构化标签6条规则6行 → AI遵循所有6条 相同的内容。不同的格式。不同的结果。触发条件您的CLAUDE.md很长但AI仍然忽略您的规则冗长的系统指令导致令牌使用过高您想要优化任何LLM系统提示以提高合规性在AI工具之间迁移规则Claude、Codex、Gemini、Grok工作原理LLM实际如何处理指令LLM不会阅读——它们会关注。理解这一点会改变一切。机制1注意力分裂当多条规则共享一行时模型的注意力在所有令牌之间平均分配。每条规则获得一部分注意力权重。一些规则会丢失。当每条规则有自己的行时模型将其作为独立单元处理。每条规则获得完整的注意力权重。机制2零推理标签自然语言迫使模型从上下文中推断含义。标签明确声明含义。无需推理没有误解。关键洞察像trigger:、action:、exception:这样的标签适用于所有语言。模型不需要解析中文/日文/英文语法来理解结构。标签是人类与AI之间的通用语言。机制3语义锚定带标签的子项创建可匹配的标签。当用户的输入包含关键词时模型将其直接匹配到相应的标签——就像哈希表查找而不是全文搜索。转换过程阶段1理解——像编译器一样阅读而不是像人类将CLAUDE.md视为构建状态机来阅读而不是阅读文档。对于每个句子询问这是触发器吗什么输入激活此行为这是行动吗AI应该做什么这是约束吗AI不应该做什么这是元数据吗优先级、时机、持久性、异常这是人类解释吗为什么存在规则——删除这个阶段2分解——将每个|和()分解为原子规则合规性失败的第一大来源是复合规则。一行包含3条用|分隔的规则对AI来说看起来像1条指令。它需要是3条独立的指令。分割器测试如果您可以在句子的两部分之间放置AND它们是独立的规则必须在单独的行上。实际证明这种特定技术修复了一个在所有模型上连续失败5次的测试用例。标签new-api:在第一次尝试时将Codex T5从❌提升到✅。最佳实践将复合规则分解为原子规则使用结构化标签而非自然语言描述为每个规则元素使用单独的行删除人类动机解释AI不需要这些使用语义锚定创建可匹配的标签在不同AI工具之间测试转换后的提示技能元数据风险等级safe来源community