概述

本期深拆一个本栏路过了三次、始终没开箱的件：kunchenguid/backpass。它在九月初用一句门牌刷存在感——「You don't write AGENTS.md. You train it with gradient descent.」全生态都在教你怎么写好指令文件，只有它一家说：别写了，训练它。本文把这句门牌逐词拆开，对账它在「配置自学习」赛道上的真实生态位，交代它没说出口的机制空白与九月中旬之后的声量回落，最后给写 SKILL.md 的人提炼三个可抄的设计。所有判断只基于门牌原话、公开星数与本站存档，仓库没说的，文中都写成「没说」。

评测对比表（纸面口径）

一、为什么是它：一笔记了一个月的账

backpass 的星数曲线只有三段：8月底616，9月初624，再过一天697。两日涨一成多，放在遍地一夜千星的新架榜上不算显眼，但它贡献了本栏九月最有用的一条对账样本：616到624几乎不动，随后一跃到697，时间点上与邻近专栏的报道吻合——「曝光到涨星」存在延迟响应。.star 的反应慢半拍，但确实来。

更有意思的是它后来的下落。九月中旬开始，各份新架名单里再没印过它的名字。也就是说，这是一件在声量顶点被反复引用、却没有一篇专文拆过的件：三次路过，三次只记星数，一次都没开箱。本期把这笔账结了。

结账之前先把姿态摆正：backpass 不是一件传统意义的「技能包」。它没有像同类件那样给出触发词清单、分步手册、脚本目录——它给公众看的全部东西，就是门牌那一句英文。所以本文的拆法不是逐段读 SKILL.md，而是逐词读这句话。在黑箱件面前，门牌就是全部源代码。

二、门牌逐词拆：一句话，四个立场

You don't write AGENTS.md. You train it with gradient descent.

第一词组：「You don't write」。否定句开场。 同层货架的门牌全是肯定句：pdfcn 开头是「Beautiful pdf components」，appllama 是「A builder, not just a researcher」，anything2explainer 是「Topic in, narrated explainer video out」——承诺词军备表里，玩家们卖的全是结果（漂亮、值得看、离成片近）。backpass 是这一层里唯一先杀靶子再卖货的：它的靶子不是某个竞品，而是整个生态的默认动作——手写指令文件。九月中旬那场 HN 420 分的讨论把「Claude Code 没找到 CLAUDE.md 就去读 AGENTS.md」送上首页，本栏当时给出三层楼模型：AGENTS.md 是进门层，CLAUDE.md 退成偏好层，SKILL.md 是按需进场的手册层。三层楼刚立起来，backpass 直接对第一层开火：这一层根本不该由人来写。

第二词组：「You train」。换一个动词，换一个工种。 主语没变，还是你；变的是动词，write 换成 train。这两个词的差别是工种的差别：写文档的人对文字负责，训练师对指标负责。门牌一个词就完成了用户画像的迁移——它不想要读者，它想要出题人。这跟本栏九月总结的设计模式 P4「以自身为输入」是同一族：Skill 的输入不必是外部数据，Agent 自己的历史、自己的跑分，就是最个性化的语料。

第三词组：「gradient descent」。全文最长的一份沉默。 梯度下降，机器学习的字面义是把参数当权重，算梯度，往低处走。放在 AGENTS.md 上有两种读法：

仓库没有说它是哪一种。这句话是诗，不是说明书——而这恰恰是它门牌设计的裂缝：触发词体系的全部意义在于让 Agent 按可检索的具体名词路由，gradient descent 不是任何人的检索词。诗意换来了传播，也换掉了被机器认领的可能。无论哪种读法为真，共同点只有一个：验收标准从「读着顺」变成「跑得过」。这是门牌写作范式里真正的范式转移。

第四词组：「AGENTS.md」。挑了杠杆最大也最危险的那层。 为什么不训 SKILL.md？因为手删层选得精。进门层常驻上下文，每一个 token 每次会话都计价，写坏一句全项目陪葬——收益和风险都最大；SKILL.md 按需进场，出错半径小，训坏了也不致命。backpass 把枪口对准常驻层，等于宣布：最该被优化的，是那份你最少重读的文件。

三、生态位对账：它坐在哪个位置

把 backpass 放回「配置自学习」赛道，四面都是熟人：

flowchart TD
  A["Agent 配置自学习赛道"] --> B["手写派<br/>进门层人写人改"]
  A --> C["训练派<br/>backpass 跑分改门牌"]
  A --> D["出厂默认派<br/>扫历史改放行清单"]
  A --> E["记忆沉淀派<br/>家底改存 Markdown"]
  B --> B1["每 token 常驻计价"]
  C --> C1["验收从读着顺到跑得过"]
  D --> D1["不碰模型行为"]
  E --> E1["对话沉淀下次进场"]

对位关系用一张表说清：

九月出厂件横评时本栏下过一个判词：社区件用「梯度下降训门牌」的隐喻包装洞察，出厂件把同一件事做成默认功能，只是不用隐喻——不改模型行为，只改放行清单。这个判词今天维持，但要补半句：出厂三件改的都是「围栏」，没有一件敢动「性格」。门牌的性格层——项目怎么写注释、commit 怎么措辞、禁区怎么表述——至今没有出厂件认领。backpass 卡的就是这个空位。它保守的对手们留在安全区，它站在没人敢站的地方，也站在没法验证的地方。

四、按门牌反推的训练循环

仓库没给流程图。下面这张是按门牌原话反推的循环，不是仓库文档的转述：

flowchart TD
  S["出题<br/>拿真实任务当验收集"] --> R["按现门牌跑一遍"]
  R --> G["打分<br/>结果对照验收集"]
  G --> W["改写门牌<br/>差在哪改哪句"]
  W --> R
  W -.->|收敛| F["门牌定稿<br/>人只签字不执笔"]

这张图里最贵的一步是「出题」。指令文件优化的全部难度不在改写，在验收集：谁出题、题偏不偏、分怎么打。垃圾题训出门牌垃圾——这是所有「自动调配置」方案的共同软肋，backpass 的门牌对此一字未提。

五、它没回答的三个问题

一问机制。 读法A还是读法B，仓库不写，第三方装机记录本栏没检索到。黑箱可以过堂，黑箱不能验收。

二问题源。 验收集从哪来？如果靠用户手写用例，那「训练」的前置成本比「手写门牌」还高；如果自动从任务历史里出题，出题逻辑本身就是一个需要被训练的门牌——递归开始了。

三问热度。 九月中旬后从各份新架名单消失，最新星数本栏没有印出来的依据。一个靠门牌金句起量的件，金句被引用完之后靠什么续量，答案还没有出现。

六、给门牌作者的三个可抄设计

第一，动词定立场。 write 换 train，一个动词换掉一种工种。写 SKILL.md 时先问自己：我希望用户在哪个动词里想起这件？「检查」件和「值守」件是两种人格，名字里就该分出来。

第二，把验收写进门牌。 大部分门牌写的是「我做什么」，更好的门牌写「怎么算做好了」。fewer-permission-prompts 的门牌之所以是出厂件里最工整的一份，因为它一句话说清了输入（transcripts）、边界（只收只读）、去处（项目级配置）三个可检查的事实。可检查，是门牌和文案的分界线。

第三，否定句开场的差异化。 承诺词军备打满之后，「我们不做什么」成了新的稀缺位。但注意 backpass 的教训：否定句负责差异化，具体名词负责被检索，两者最好别互相替代——先说清你是什么，再宣布你反对什么。

七、安装与试用

git clone https://github.com/kunchenguid/backpass

仓库是它唯一的说明书。装完先别急着训：把你自己项目的 AGENTS.md 备份一份，再问它一个问题——验收集从哪来。这个问题它答得好，门牌那句大话就成立；答不好，你就替全生态做了一次免费验收。

八、分维度排行榜（配置自学习赛道）

纸面加权 3.0，跟同层黑箱件一个待遇。它输在答卷缺席，赢在题目出得好——在一个人人教你怎么写门牌的市场里，敢说「门牌就不该写」的件，值得一份专文，哪怕它最后被证明只是隐喻。

参考来源

1. kunchenguid/backpass — 门牌原话「You don't write AGENTS.md. You train it with gradient descent.」与仓库地址
2. GitHub Search API 新仓库榜（2026-08-31、09-01、09-03 三期快照）— 本文星数曲线 616→624→697 的数据来源
3. 本站存档 2026-09-19《Skills周报：AGENTS.md进门与小而美毕业对账》— HN 420 分事件与进门层/偏好层/手册层三层楼模型出处
4. 本站存档 2026-09-03《出厂自带开发效率四件套 Skill 横评》— update-config、fewer-permission-prompts、loop 的描述原文与「隐喻 vs 默认功能」初评出处
5. 本站存档 2026-09-03 星数对账表 — backpass「曝光→涨星」延迟响应样本的原始记录

[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。