常用指令的简单介绍¶
本节我们列举各种常用的指令。掌握基础的指令就可以进行最基础的 Agent 操作。
1. Hello World!¶
首先在你想要浏览的文件夹里面启动 Agent CLI 。如果不确定，也可以开一个空的文件夹，然后在里面打开 Agent CLI。 如果使用的模型能力较强（即 GPT, Claude, DeepSeek, GLM, Kimi 等强开源闭源模型），我非常推荐所有读者，在启动的时候，就直接给 Agent 完全权限。
会不会把我电脑上的东西删完？
只要你不要让他在危险的文件夹里启动，或者让他去操作那些危险的文件、文件夹就行。比如，不要让他去操作你的系统文件夹，删除之前向你二次确认，等等。
选取你想要启动的 Agent 并启动：
进入交互式命令行后，输入 Hello World，Agent 就会回应你。
恭喜你，你已经初步掌握了如何使用 Agent！和 Agent 交流与和网页端的 AI 交流逻辑差不多，新手可以先把它当成许愿机或者先知来使用。
Codex 有两种等效的办法：
进入交互式命令行后，输入 Hello World，Agent 就会回应你。
恭喜你，你已经初步掌握了如何使用 Agent！和 Agent 交流与和网页端的 AI 交流逻辑差不多，新手可以先把它当成许愿机或者先知来使用。
接下来的大部分教程，结构都会是：
- 问 Agent 问题：
- ”你会做什么？”
- ”这个怎么做？“
- ”我的方案能行吗？”
- ”能按照我的方案做吗？“
- “为什么不按照我的方案做？”
- ……
- Agent 给我们一个简明的教程/解释/方案/等等
- 等到学会了更简单和实用的办法，就不用重复问了
让我们开始吧！
2. 如何让 Agent 听话： AGENTS.md / CLAUDE.md¶
相信读者大多数很反感 AI 味很重的句子 ，比如 “不是……而是”、大而无当的比喻、刻板的用词、互联网行业黑化、奇怪的直译，等等。
我们可以从这个视频里面提炼出下面的 AI 味特征和处理规则：
1. 保持直接、自然的表达，减少空泛的比喻和套话。
2. 优先使用正向陈述，清楚说明当前主题。
3. 内容较多时使用列表，让结构一目了然。
4. 专注当前任务，避免引入距离较远的上下文。
5. 完成工作后直接汇报结果和需要关注的问题。
在工作目录中新建 AGENTS.md / CLAUDE.md 并把上述内容粘贴进去。后续你的所有指令都会把这段内容自动注入开头。
读者不能完全让 Agent 自己写 AGENTS.md。Agent （驱动 Agent 的 LLM）的视角一般比较高，它的阅历和工程经验大多数时候比读者丰富；而且受限于它的训练过程，它习惯于把任务变换成具体的代码任务来做，在一些场合反而过于复杂、而且违背任务的本意。
不同的 LLM 的“脾气”也不同，使用不同的 LLM 的时候需要注意的地方也不同。关于不同 LLM 的脾气，会在下一节做简要阐述。
3. 基础指令¶
指令一般以 / 开头，直接输入 / 就能看到待选列表，按方向键上下并回车即可选中。
常见且一般在不同的 CLI 中通用的指令如下：
| 指令 | 指令功能 |
|---|---|
| /model | 列举并选择接下来使用的模型（和推理强度） |
| /compact | 压缩过长的对话内容 |
| /plan | 切换到计划模式 |
| /goal | 切换到目标模式 |
| /btw | 在 Agent 工作期间，不打断工作状态，临时问一个问题 |
| /clear | 清除当前的所有对话历史并新开对话 |
| /usage | 查看当前的累计用量 |
| /agent | 查看当前对话中能够使用的 Agent |
其中 /plan，/goal 和 /btw 是这里面最常用的指令。接下来先简单讲解这三个指令的使用方法，后面的章节中会有进阶教程。
3.1. /plan：开启计划模式，确定工作计划¶
输入
Agent 随即进入计划模式：
- 进行调研，与你交流，直到得出可行的执行计划；
- 让 Agent 按照计划的内容开始工作。
- 注意，这个过程里面 Agent 不能执行本地代码。如果你需要让他执行本地代码、获得结果来深入理解计划的话，反而不能打开计划模式，更应该直接和他讨论。
3.2. /goal：让 Agent 不达某目的不罢休¶
输入
按照括号内容详细描述任务，即可让 Agent 尽最大的努力、向着该任务目标不懈工作，直到验证通过。
3.3. /btw：不打断工作的临时询问¶
如果出现问题需要让 Agent 暂停并更改错误，可以直接在 CLI 按 Esc 键；但是如果只是想临时问个问题且不影响 Agent 工作，则可以按照下面的方法提问，如：
这样会从当前最新的任务步骤里面分支出来，创建一个临时的问答。
问答结束后按 Esc 即退出这个临时问答（同时丢失这个 /btw 的历史）。
3.4. /compact：压缩上下文，腾出空间¶
Agent 是由 LLM 驱动的，LLM 的上下文长度，不管是 32k 还是 1M，总归是有限的。 当你觉得当前的任务步骤已经完成，同时后续的任务和当前任务关系不是非常大、但是仍然要接续当前的任务结果进行工作时，可以直接输入
Agent 就会自己想办法压缩目前所有的对话内容，腾出更多的上下文，为后续做准备。 很多成熟的 Agent 框架会自己运行这个指令，无需用户额外设置。
当然如果你要指导 Agent 进行上下文压缩，你也可以在 /compact 里面输入指导他如何保留和丢弃历史上下文中的内容。