在 Claude Code 或 Codex 里加载 grill-me 这份 SKILL.md 后最让人困惑的不是它问得不够深而是它有时一口气抛出五个问题有时自问自答继续往下跑。你想要的 Predictability——过程可预测性——并没有稳定出现。真正消耗 Token 的是运行 Skill 的 Agent而不是 Skill 文件本身。要用 TaoToken 把 Agent 的模型通道固定下来打开 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end 创建 Key把 Claude Code 或 Codex 的模型接入地址填成 https://taotoken.net/api再让 Agent 执行压力测试提问。这样你观察的每一次行为偏差都能归因到 Skill 的 description、步骤还是完成标准而不是 Key 或模型通道在换。1. 从 grill-me 一次抛出五个问题说起1.1 你看到的不是模型变笨而是 Predictability 掉了你给 Agent 的输入可能是这样一句话“我打算把订单服务从单体里拆出来用事件总线同步库存你先帮我压力测试一下这个方案。”你期望它像一位严格的评审者读方案、找最薄弱的一点、只问一个问题、停下来等你回答。实际结果却可能是它连续输出三四个问题甚至在没有得到你任何反馈的情况下自己假设了答案继续往下推演。这不是模型“变笨”了而是行为模式没有按照 Skill 的约束稳定收敛。Skill 的目标本来就不是让模型每次给出相同答案而是让它在多次运行中保持可预期的过程。grill-me 的预期过程非常明确先识别关键断言与隐式依赖再选择当前最薄弱的一点只提出一个问题然后停下。只要 Agent 跳过了“停下”这个动作或者把“一个问题”扩写成“一组问题”Predictability 就已经丢了。要诊断这类问题第一步是让运行环境尽量干净。如果 Agent 使用的模型通道今天换一个 Key、明天换一个模型 ID那么你看到的输出波动可能来自模型本身的变化而不是 Skill 写得不好。把 Base URL 和 Key 固定住才有资格去比较 Skill 的行为是否可预测。1.2 TaoToken 在这里的位置把 Agent 的模型通道固定下来TaoToken 的作用不是替 Agent 思考而是提供统一 API 接入让 Claude Code、Codex 这类执行工具可以稳定地指向同一个模型入口。你只需要在创建 Key 之后把工具里的模型地址写成 https://taotoken.net/api模型 ID 从模型广场里选一个固定的值之后的压力测试就有了可重复的起点。这里有个很容易踩的坑官网地址和接口地址不是同一个。注册、创建 Key、看模型广场、看用量要去 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end 填进 Claude Code 或 Codex 配置文件里的 Base URL则要用 https://taotoken.net/api末尾不要加 /v1。把这两个地址混用轻则 404重则你会以为 Skill 失效了实际上只是请求路径不对。2. Predictability过程一致而不是答案一致2.1 可预测地发散头脑风暴 Skill 的稳定行为模式原文里有一个很关键的区分Predictability 衡量的是过程一致不是输出一致。一个负责头脑风暴的 Skill 可以每次给出完全不同的创意但它的行为模式应当是稳定的——先识别目标和约束再从不同方向生成想法最后根据标准筛选。你不会因为它这次想到了物流方案、下次想到了会员体系就认为它不可预测你只会在它这次先发散再筛选、下次直接下结论时才觉得它失控。grill-me 也是如此。它不要求 Agent 每次问出同一个问题因为你的方案不同最薄弱点自然不同。它要求的是每次只暴露一个假设问完就停得到回答后再判断是否继续。这个节奏本身就是 Predictability 的可验证体现。你要观察的不是它问了什么而是它有没有按照“阅读方案 → 选一个点 → 只问一个问题 → 等待 → 更新判断 → 再决定是否追问”这条链路走。2.2 Token 成本与可维护性为什么不是并列目标Token 成本和可维护性经常被当成 Skill 设计的独立目标但在原文的框架里它们是维持 Predictability 的约束。一条极其简短但无法改变 Agent 行为的 Skill 没有价值一条能暂时约束行为、却因为太长而经常被漏读的 Skill同样无法长期保持可预测性。你真正要平衡的是在注意力成本和读取可靠性之间找到让 Agent 稳定执行的那条线。这解释了一个常见现象你把 grill-me 的 SKILL.md 写得非常细里面塞满了各种追问技巧、行业案例和例外规则结果 Agent 反而更容易漏掉“只问一个问题并停下来”这条核心完成标准。因为上下文越长真正重要的规则越容易被淹没。这时候要做的不是继续加字而是把可验证的机械动作下沉给 Harness 或脚本把策略层留在 Skill 正文里并且用清晰的 Pointer 控制加载时机。3. 确定性的三个层次与 grill-me 的完成标准3.1 机械动作、过程结构、认知质量Skill 试图增加的确定性可以自底向上分成三个层次。最底层是机械动作是否读取了指定文件、是否运行了测试、是否按格式输出。这类动作可验证程度高适合交给 Harness、脚本或工具系统可靠执行。Skill 仍然负责规定“什么时候读取文件”“为什么运行测试”但具体动作的执行由执行层保证。中间层是过程结构是否先收集信息再形成假设最后实施修改。这一层很难完全由确定性代码规定却又是 grill-me 这类 Skill 的主要价值所在。最上层是认知质量信息是否充分、假设是否可靠、是否找到了关键问题。这一层可验证程度最低更多依赖基座模型能力和 Skill 的标准与约束。grill-me 的完成标准落在中间层和上层之间。它不要求 Agent 执行某个脚本而是要求它在提出一个问题后停下来等待。这个“停下来”是过程结构的一部分也是可观察的行为证据。3.2 Completion Criterion只问一个问题并停下来在 grill-me 的 SKILL.md 里完成标准可以写成“已经提出一个聚焦于单一假设的问题并停下来等待用户回答。”这句话同时约束了三件事数量是一个焦点是单一假设动作是停下来等待。如果没有这条完成标准Agent 很容易一次抛出多个问题或者在你不回复时自行模拟答案继续执行。但完成标准不是每个步骤都必须具备的固定格式。对于含义明确、结果可直接验证的单义动作重复写“做完就算完成”反而会成为无增益内容。只有当 Agent 容易提前结束、遗漏范围、越过等待点或者对“完成”的理解可能明显低于任务要求时才需要显式建立完成标准。grill-me 恰好属于最后一种它的核心风险就是 Agent 不等你回答。4. Context Pointer 与 Variance Bugdescription 写弱了会怎样4.1 从 description 到 SKILL.md 正文的指针Skill 的 description 是最上层的 Context Pointer。它从 Agent 当前上下文指向 SKILL.md 正文并且编码了“什么时候应该读取它”的条件。比如 grill-me 的 description 可以写成“当用户提出尚未验证的想法、架构或计划并希望在实施前接受压力测试时使用。”这句话说明了处理什么问题也说明了什么情况下应该加载正文。如果 description 写得太弱比如“用于方案讨论”Agent 就可能有时读取、有时跳过。它不会每次都触发 grill-me而触发与否会随当前任务、上下文长度和推理路径波动。你看到的结果就是有时候 Agent 确实在压力测试有时候它只是泛泛地给出建议。这不是 Skill 正文写得不好而是指针没有稳定指向它。4.2 弱 Pointer 导致的概率性漏读原文把这种由弱 Pointer 导致的概率性漏读称为 Variance Bug。一个典型的弱 Pointer 是“如有需要可以参考 DEPLOYMENT.md 中的相关说明。”“如有需要”和“相关说明”都没有明确触发条件Agent 必须自行判断是否需要而这种判断很容易波动。更清楚的写法是“执行生产环境发布前必须先读取 DEPLOYMENT.md并根据其中的环境检查表确认所有发布前置条件。”后者同时编码了触发条件、读取对象和预期用途因此更有可能稳定触发正确行为。对 grill-me 来说description 里写清楚“尚未验证的想法、架构或计划”和“实施前接受压力测试”就是在强化触发条件。出现漏读时更经济的修复顺序是先强化 Pointer 的触发条件如果仍然无法可靠读取再根据材料的重要性、长度和后果考虑把关键部分重新内联回正文。5. 在 Claude Code / Codex 中加载 grill-me 并接入 TaoToken5.1 准备从 TaoToken 创建 Key 与查看模型 ID先打开 TaoToken 注册并创建 API Key。Key 用占位符 YOUR_API_KEY 代替不要直接写进公开的配置文件里。接着在模型广场查看当前可用的模型 ID不要自己拼日期后缀也不要把不存在的模型名写进配置。模型 ID 以 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end 模型广场当时列表为准。拿到 Key 和模型 ID 后把 Agent 的 Base URL 指向 https://taotoken.net/api。注意这里不要加 /v1也不要加任何 UTM 参数。UTM 只用于官网落地页接口地址保持干净。5.2 Claude Code 的 settings.json 配置Claude Code 可以通过环境变量或 ~/.claude/settings.json 的 env 字段接入。推荐使用 settings.json这样换项目时不容易丢配置{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_AUTH_TOKEN: YOUR_API_KEY, ANTHROPIC_MODEL: YOUR_MODEL_ID } }如果你更习惯环境变量可以在 shell 里写export ANTHROPIC_BASE_URLhttps://taotoken.net/api export ANTHROPIC_AUTH_TOKENYOUR_API_KEY export ANTHROPIC_MODELYOUR_MODEL_ID保存后重启 Claude Code让它重新读取配置。模型 ID 先填你在模型广场确认过的值不要留空也不要写“随便一个”。5.3 Codex 的 config.toml 配置Codex 使用 ~/.codex/config.toml不要把 Claude Code 的 ANTHROPIC_* 变量套到 Codex 上。Codex 的配置结构是 model_provider 加 model_providers 段model YOUR_MODEL_ID model_provider taotoken [model_providers.taotoken] name TaoToken base_url https://taotoken.net/api env_key TAOTOKEN_API_KEY然后在环境变量里设置export TAOTOKEN_API_KEYYOUR_API_KEY同样base_url 写 https://taotoken.net/api末尾不要加 /v1。模型 ID 以模型广场为准。配置完成后重新启动 Codex让新的 provider 生效。5.4 把 grill-me 放进 Agent 的 Skill 目录在 Claude Code 中可以把 grill-me 的 SKILL.md 放到 ~/.claude/skills/grill-me/SKILL.md或者放到项目目录下的 .claude/skills/grill-me/SKILL.md。Agent 在上下文匹配到 description 的触发条件时才会加载正文。SKILL.md 里至少保留这几块description 说明触发条件步骤说明“阅读方案、选最薄弱点、只问一个问题”完成标准说明“提出一个问题并停下来等待”结束条件说明“关键假设得到证据支持或未解决风险被明确记录并由用户接受”。如果你用 Codex可以把同一份 SKILL.md 的内容作为项目级指令或附加提示加载。重点不是文件名而是让 Agent 在开始压力测试前读到这套约束。加载完成后再让 Agent 处理一个真实方案观察它是否按预期提问。6. 验证 Predictability观察 Agent 是否一次只问一个单点问题6.1 设计一个可复现的压力测试输入验证时不要每次都换模型或换 Key。固定同一个 TaoToken 通道、同一个模型 ID、同一份 SKILL.md然后重复输入同一类方案。比如我有一个尚未验证的架构调整把库存扣减从同步调用改成事件驱动订单服务只发布事件库存服务异步消费。我担心一致性和补偿逻辑请用 grill-me 对我进行压力测试。每次运行后记录 Agent 的第一条提问。它应该聚焦在一个单一假设上比如“你打算如何保证事件发布与库存扣减之间的原子性”而不是连续抛出“一致性怎么保证补偿怎么做消息丢失怎么办”三个问题。6.2 记录行为序列提问、等待、追问Predictability 看的是过程所以你要记录的是行为序列而不是最终答案。可以建一张简单的表轮次Agent 是否只问一个问题是否停下来等待收到回答后是否更新判断是否继续追问单点第1轮是是是是第2轮是是是否第3轮否抛了三个问题否自问自答不适用不适用当第3轮出现“否”时不要急着改模型。先回到 SKILL.md检查完成标准是否写清楚了“只提出一个问题并停下来等待”。如果完成标准没问题再检查 description 的触发条件是否稳定以及上下文是不是太长导致 Agent 漏读了关键规则。最后才去检查 TaoToken 通道是否被意外切换。6.3 常见报错与排查配置阶段最常见的报错是 401。它通常意味着 YOUR_API_KEY 没有替换成真实 Key或者 Key 不是从 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end 创建的。另一个常见问题是模型 ID 不存在返回 404 或提示模型不可用。这时候不要自己编一个带日期后缀的 ID回到模型广场复制当前可用的模型 ID。还有一种错误是把 Base URL 写成了官网地址或者加了 /v1。记住官网落地页用于注册、创建 Key、看用量填进工具的接口地址是 https://taotoken.net/api末尾不带 /v1。如果你在日志里看到请求路径多了一层 /v1先检查配置文件里有没有手误。7. 排障当 Agent 仍然自问自答或一次抛出多个问题7.1 检查 Pointer 触发条件与完成标准如果 Agent 仍然一次抛出多个问题先看 description。它是否明确写了“尚未验证的想法、架构或计划”和“实施前接受压力测试”如果 description 太宽泛Agent 可能在错误时机加载 Skill也可能加载后不认真执行。再看完成标准。它是否写了“只提出一个问题并停下来等待用户回答”如果只写了“提出问题”Agent 就可能理解为“可以一次提出多个问题”。完成标准要包含可观察的证据。比如“已经提出一个聚焦于单一假设的问题并停下来等待”就是可观察的你可以数它问了几个问题也可以看它有没有等你回复。没有这条标准Agent 的自问自答就不算违规因为它根本不知道“等待”是完成条件的一部分。7.2 检查上下文长度与 Progressive Disclosure如果完成标准写得很清楚Agent 仍然漏读就要检查上下文长度。你把太多参考材料一口气塞进 SKILL.md关键规则可能被淹没。这时候可以用 Progressive Disclosure只在需要时加载相应材料。description 指向 SKILL.md 正文正文里的链接再指向术语表、平台文档或特定分支说明。每一层 Pointer 都要写清楚触发条件、读取对象和预期用途。但渐进式披露不是为了把内容拆得越散越好。如果一份材料必须读取而它的 Pointer 写得太弱Agent 就可能有时读、有时跳过。这时候更可靠的做法是把关键部分重新内联回正文。平衡点是注意力成本和读取可靠性之间哪一边的损失更不能接受。7.3 检查 TaoToken 通道配置最后检查 TaoToken 通道是否稳定。确认 Claude Code 的 ANTHROPIC_BASE_URL 或 Codex 的 base_url 写的是 https://taotoken.net/api而不是官网地址也没有加 /v1。确认 Key 是同一个模型 ID 也是同一个。如果你在验证过程中换了模型那么行为波动可能来自模型差异而不是 Skill 失效。固定通道之后再重复第 6 节的压力测试。只有排除了 Key、Base URL、模型 ID 这三个变量你才能真正判断 grill-me 的 Predictability 是否成立。8. 下一步去模型对话验证 Key再决定是否上 Coding Plan8.1 在模型对话里用同一把 Key 发一条测试消息配置保存后先在 TaoToken 模型对话 里用同一把 Key 发一条测试消息确认模型 ID 和 Base URL 没填错。如果模型对话能正常返回说明 Key 和模型 ID 是通的如果这里就报 401 或 404先不要怀疑 Skill回到控制台检查 Key 和模型广场的当前列表。8.2 长期跑 Skill 压测时看 Coding Plan 是否够用如果你打算长期用 Agent 反复跑 grill-me 压力测试可以打开 Coding Plan 看套餐是否够用Key 在 控制台 API Keys 创建。Claude Code 的环境变量对照见 接入文档。把这次压力测试中观察到的行为序列记下来下一次修改 SKILL.md 的 description、步骤或完成标准时再跑同一组输入看 Predictability 是否真的提高了。