最佳实践

1. 语义放 Spec，风格交给 Adapter

不要在 Spec 里写 Markdown 标题、XML 标签、「Let's think step by step」。这些是「怎么说」，应由 Adapter 决定。Spec 只写「做什么」。

2. 推理模型 ≠ 普通模型

给 o1 / R1 / QwQ 的 Prompt 越简洁越好，只陈述问题 + 硬约束 + 输出格式。Adapter 会自动剥离 CoT 引导，你只要负责 Spec 正确。

3. Few-shot 分层

examples[].reasoning 字段只对非推理模型生效；推理模型会自动过滤。所以同一份 Spec 对两类模型都友好。

4. 长文档放 knowledge

Kimi / Gemini 会把 knowledge 直接内联到 system；Claude Adapter 会产生建议的 SKILL.md 用于渐进披露。写入 knowledge 时不要自己按 chunk 分；交给目标模型的 Adapter 做决策。

5. 工具 schema 用 Canonical 描述

Spec 中只写 name / description / parameters；渲染时 Adapter 会转换为 Anthropic tool_use / OpenAI function / Google function_declarations 各自的协议。

6. 建立跨模型 Eval 闭环

同一份 Spec 在所有模型上跑回归测试，以「任务成功率 + 输出稳定性 + Token 成本」三指标选型，不要迷信官方推荐。