导读｜你的 Prompt 越堆越长，AI 越来越不听话，你以为加的规则还不够，其实是结构该重构了。这篇我用两万行 Flask 项目的翻车经历，加上一套五步分层重构法，带你把读不动的 Prompt 瘦下来。建议先收藏，下次想加规则前翻出来看一眼。
说句实话，很长一段时间里，我都陷在一个错觉里：AI 不听话，是因为我规则加得还不够多、不够细。直到 2025 年 9 月，我用 ChatGPT 5.0 Codex 重构一个两万行的 Flask 项目，被一份几千行的代码文件教做人，我才回头想明白一件事：
想让它读得动，靠的不是再加规则
代码文件太大，AI 根本读不动。靠的是给整个结构分层重构。
这话听着反直觉，我慢慢跟你聊。
01 PART
几千行挤一份文件，AI 读不动、人也排查不动
CODE OVERLOAD · 排查崩溃
那次Flask 项目，核心逻辑挤在两份 Python 文件里，flask_web_server.py 和 web_stock_analyzer.py，每份都有几千行，臃肿得不行。
崩的那次，卡在 SSE 同步。功能跑不通，我得排查到底哪儿断了。打开 flask_web_server.py，光标从第一行往下拖，几千行密密麻麻，我想找 SSE 那段 started、heartbeat、stream-fallback 的处理逻辑，记得大概在文件中后段，具体哪一行根本记不清。Ctrl+F 搜关键词，跳出来一堆位置，有初始化的、有注册路由的、有错误处理的，散在好几个地方，我得来回跳着看，拼凑出完整的调用链。
自己看半天没名堂，就让 AI 帮我定位。结果一提问，它得把整份几千行文件吞进上下文才看得懂，prompt 预算一下子捉襟见肘，它读了半天，给的判断还是模棱两可：可能是这里，也可能是那里，你再看看。
那一刻真的有点破防，怎么说呢？
就像你在一栋几十层的大楼里找一根走错线的电缆，你知道它就在某面墙里，但一层一层翻，翻半天也翻不到，越翻越累，越累越没耐心。
就那一刻我突然想明白：**这文件不是代码写错了的问题，是文件太大、结构太乱的问题。**它大到我自己排查都费劲，大到 AI 每次要吞整份文件才看得懂、prompt 还够不着。再加规则没用，得把这俩大文件拆开、分层重排。
- 图1｜几千行挤一份文件，排查到崩溃
02 PART
代码要分层，得先给 AI 一份分层的开发提示词
THE BRIDGE · 提示词也膨胀
决定拆之后，我怎么切的层？
说实话不是我手设计的，我的做法是：把两份几千行 py 喂给 AI，让 AI 先评估，产出一套开发提示词，也就是一份十分详细的拆分方案，然后让 AI 按这份方案去一层层切。
AI 给的方案确实漂亮，P2-01 模板外置、P2-02 通用工具下沉、P2-03 路由蓝图化，一路排到 P2-07，每一步风险多大、收益多大，都说得明明白白。我看着觉得靠谱，直接用了，没让 AI 再做一轮评估。
结果你也猜到了，AI 切层是切了，但前后尝试了四次重构，最后还是失败告终。这段我在系列第一篇里详写过，这儿不重复。
但这次失败让我后背发凉的不是又没成，而是我后来想通的一个衔接点：**代码要分层，得先给 AI 一份分层的开发提示词；可这份开发提示词自己，也是会膨胀的。**我那份重构 Prompt，从第一阶段到第四阶段，越写越长，最后第四阶段绕回了第一阶段的原点，自己就陷进了越强调越长的恶性循环。
换句话说
真正卡脖子的，从来不是代码，也不是 AI 能力，
是那份你要喂给 AI 的提示词本身的结构。
代码我都知道到点该重构，可我那份 Prompt，我愣是没想过它也得分层重构。
主线就从这儿转过来：你维护的那份反复用的 Prompt、CLAUDE.md、Agent 的系统提示词，跟我那两份几千行 py，是一个毛病。
- 图2｜代码 → 提示词，提示词也得分层重构
03 PART
Prompt 越堆越长，想精简却无从下手
BLOAT TRAP · 无从下手
转过来之后你会发现，这毛病比你想的普遍。
那会我自己就有几份反复用的 PRD、DEV 提示词，做客户项目时前后端协同、生成需求文档和开发文档用的。一开始几十行，挺清爽。后来每发现 AI 出一次错，就往里塞一条规则：这次漏了字段，加一条；下次多输出了内容，加一条；再下次工具选错，加一条。
一两个月下来，这几份 Prompt 也堆到了几百上千行。
然后问题就来了：我想精简，但无从下手。
不知道哪些该留、哪些该删、哪些该挪位置。更怕的是，删了一条怕 AI 又犯错，挪了一条怕破坏原来的效果。最后就僵在那儿，明知道它太长、太乱、AI 读不动，可就是不敢动、也不会动。
就像你明知家里那根老水管该换了，可一想到要砸墙刨地，就宁可拿个桶接着，将就一天是一天。
那会儿我是真没重构思路。后来我把这事琢磨透了，才明白：
精简不是乱删，是分层。
只要把规则按层摆对位置，该留的自然留得住，该拎出去的拎出去，文件能短一大截，AI 反而更听话。
下面这套分层重构法，就是我当时缺、后来补上的。
04 PART
分层重构法：让最重要的规则，待在它该待的位置
REFACTOR · 五步分层法
我把这套方法拆成五个动作，按这个顺序来：先搭骨架定位置，再外置减负，接着补上参考文件的一致性，然后对最关键的规则做首尾强化，最后把散文改成表格。五步走完，那份读不动的 Prompt 就能瘦下来。
STEP 01
分层架构：位置即优先级
这是最核心的一步。把你的 Prompt 当成一份有层次的文档，位置决定优先级，不是规则重不重要决定优先级。
分四层：
第一层｜全局不可违反的规则——放最前面，20 到 50 行以内。工具选择规则、数据过滤规则、全局禁令清单，都压在这儿。
第二层｜核心方法论——紧随其后，分析框架、判定规则。
第三层｜执行流程——放中间，分析步骤、维度下钻规则，这一层允许适度遗漏，别紧张。
第四层｜输出模板——放末尾，报告格式，利用近因效应。
关键点：全局禁令只在第一层写一次，后面所有章节不再重复，需要的时候引用一下就行。
为什么这么排？因为模型的注意力是 U 形曲线，开头和结尾它最上心，中间最容易丢。你把最重要的禁令压在最前面，它读到的第一眼就是铁律；把输出模板放末尾，它生成前最后扫一眼，正好对上。中间那些执行细节，丢一点也不致命。
我后来照这个排，最关键的那几条禁令遵循率明显上来，整份 Prompt 从上千行压到了三四百行，短了一大截。
✦ 小技巧
你不用一上来就背这四层，可以先做一件事：把你现在那份 Prompt 里所有带严禁、必须、不得的句子全拎出来，集中放到最前面，后面的正文里一律删掉重复。
光这一步，你的 Prompt 就能瘦一圈，而且最关键规则的遵循率会立刻上来。
- 图3｜四层架构：位置即优先级（U 形注意力）
STEP 02
外置知识：给 Skill 减负
Prompt 膨胀，很大一个原因是把什么都塞进去了。表结构、SQL 模板、报告格式、下钻规则，全往里堆。其实这些参考性的内容，不需要常驻 Prompt。
原则很简单：
规则类内容（行为约束）
留在 Prompt 里。
参考类内容（查阅资料）
外置成引用文件。
这样 Prompt 就能保持在一个 300 到 500 行的甜区，把注意力预算留给真正重要的行为约束。
✦ 小技巧
那怎么判断一条内容该留还是该外置？
问自己一句：这是告诉 AI 该怎么做的规则，还是做的时候查一下的资料？前者留，后者外置。
STEP 03
参考文件一致性：别让课本和规则打架
外置之后有个坑，特别容易被忽略，我也是踩过才记住的：你外置的参考文件本身，可能在教 AI 犯错。
比如你的 Prompt 里写着输出时跳过某类字段，可你外置的 SQL 模板里几十处都在 SELECT 这些字段；你的规则要求四个维度都不能遗漏，可模板示例只覆盖了其中两个。AI 一边读你的规则，一边照着模板写，两个信号打架，结果就是时灵时不灵。
修复就三条：
1 模板里彻底删掉被规则禁止的内容，注释掉也不行，注释也是 token，它照样读得到。
2 模板示例必须完整覆盖规则要求的所有维度，别给部分覆盖的坏示范。
3 关键的格式差异，比如不同表的日期格式，放到显眼的对照表里，别让细节藏在角落。
一句话，参考文件就是 AI 的课本。课本里的示例违反了规则，AI 就会在听老师的话和照课本做之间反复横跳。
✦ 小技巧
外置完参考文件别急着用，先做一件事：把规则里所有禁止的字段、必须覆盖的维度，列成一张清单，拿着清单去模板里逐条对。对不上就改模板，别反过来改规则迁就模板。
STEP 04
指令三明治：首尾呼应
对那些绝对不能违反的核心约束，用三明治模式：开头写一遍，中间是正常流程，末尾再简要重申一遍。
开头靠首因效应，末尾靠近因效应，两个注意力高峰都把它卡住。
注意，只对最关键的 2 到 3 条规则用这个模式。你要是每条规则都来个三明治，那就又回到到处重复的老路了。三明治和无序重复的区别在于：三明治是有意识地在首尾两个高峰区各放一次，无序重复是在中间瞎堆。
✦ 小技巧
怎么挑这 2 到 3 条？
我的经验是问自己一句：这条规则要是被违反了，会不会直接搞砸整件事？
会，就上三明治；不会，就老老实实放中间。
STEP 05
结构化格式：表格优于散文
最后这一步最不起眼，但效果立竿见影。
同样的信息，表格、编号列表、明确的标题层级，比大段自然语言更容易被模型扫描到。
举个例子，原来这么写：查询聚合表用工具 A，查询全量明细表用工具 B，大部分场景用 A，只有需要查全量明细时才用 B。这一长串散文，模型扫过去很容易漏。改成一张两列的小表：
一目了然，遵循率立刻上来。
✦ 小技巧
你那份 Prompt 里，凡是出现连续的如果就、如果就这种条件判断段落，都试着改成表格。一改你会发现，啰嗦的散文瞬间清爽，AI 也更跟得上。
- 图4｜表格优于散文，遵循率立竿见影
/// LAST
写在最后：维护 Prompt，跟维护代码是一回事
TAKEAWAY · 维护即重构
我写了这么多年代码，现在越看越觉得，维护一份 Prompt，跟维护一份代码，本质上是一回事。
你每发现 AI 出一次错，就往 Prompt 里加一条规则，这跟你每次线上出 bug 就打一个hotfix补丁，没区别。短期看都解决了问题，长期看都在堆债。代码债到点你会重构，Prompt 债到点你也得重构，不然它就腐化给你看，越用越不听话。
但我得给你泼盆冷水：不是所有 Prompt 都值得分层重构。
你就写个一两百行、用一次就扔的提示词，别折腾，那是给自己加戏。真正值得上这套方法的，是那种你要长期维护、几百上千行、驱动一个 Agent 反复跑的 Prompt。而且分层也不是越细越好，拆成二十层每层三行，那是过度工程，自己都绕晕。
分层的目的不是细，是让最重要的规则待在它该待的位置。
所以回到那句老话：代码到点该重构就重构，Prompt 也一样。与其等 AI 升级救你，不如先把你那份自己都读不动的 Prompt，按层理一遍。
真正该升级的，从来不是 AI，是你那份连你自己都读不动的 Prompt。
下一篇，我会给你一份能对照着自检的清单，你那份 Prompt 到底该不该重构、卡在哪儿，照着查一遍就知道。
我是艾启蒙，热衷分享 AI 实战经验与方法论拆解。
如果你也维护着一份越堆越长的 Prompt 或 Skill，欢迎在评论区聊聊你最不敢动的那一条规则。
THANKS FOR READING
⭐ 把「AI启蒙学习」设为星标，第一时间收到 AI 实战经验更新。