为 agent 消费的文档（skill、AGENTS.md / CLAUDE.md、经 pointer 触达的文档）提供写作参考。核心主张：写作方式一致，让 agent 每次运行采取相同 process，而非产出相同 output。当文档是 skill 时，查阅 SKILL-MECHANICS.md 了解 frontmatter、invocation 选择与 router skills。
Context pointer：命名某材料并编码触达条件的 reference，skill 的 description、AGENTS.md 中命名文档的一行都是。措辞决定 agent 多可靠地触达材料；措辞薄弱属 variance bug，先打磨，失败才内联。pointer 要说清材料是什么并列出触发 branches，并尽量修剪：把 leading word 放最前、每个 branch 一个 trigger、删掉正文已承载的 identity。
两种 load：context load（始终加载材料对 agent window 的成本）与 cognitive load（人的成本，即人作为 index 的开销）。
信息层级：从 in-file step、in-file reference、disclosed reference 排列，按 agent 需要的即时程度决定每块内容位置。progressive disclosure 是沿层级下移，主要不是 token 优化，而是保护层级；branching 是最干净的 disclosure 测试。co-location 决定相邻内容，sprawl（过长）的解法是 disclosure 与按 branch/sequence 拆分。
Steps 与 completion criteria：每个 step 以完成标准结束，清晰度防 premature completion，demand 驱动 legwork；最强标准既可检查又穷尽。
何时拆分：按 sequence 拆避免后续步骤诱发匆忙；按 invocation 拆见 SKILL-MECHANICS.md。
Leading words：模型预训练中已有的紧凑概念（lesson、fog of war、tracer bullets），在正文锚定执行、在 pointer 锚定 invocation；优先用已有词而非自造词。negation 是失败模式，应正向提示目标行为，hard guardrail 才可用禁止并配正向目标。
修剪：每个 meaning 保持单一权威来源，避免 duplication；environment 也是来源，文档重述环境是 cache，仅当 lookup 昂贵时才值得；逐行检查 relevance、逐句找 no-ops，新默认是 sediment。