Looplane 先在應用程式層解析 user 與 root-to-leaf 專案 instructions，再把 runtime、skills、workspace 與最近 20 筆 explicit memory 放進具名 prompt sections。這套流程可追蹤、可 reload，但不是 semantic memory，也不會把 repo 文字升格成 system authority。
OpenAI 內部團隊 5 個月、3 人、0 行手寫程式碼，用 Codex 交付了一個完整產品。這篇整理他們在 AGENTS.md 設計、repo-local 知識庫、架構強制執行、entropy 管理上的核心心得。
Claude Code 不認 AGENTS.md，Codex 不認 CLAUDE.md，多人協作專案被迫維護兩份一樣的設定。解法：把 CLAUDE.md 做成 AGENTS.md 的 symlink，只維護一份。
Skill 路徑通常是 runtime-specific，跨 agent 真正穩的是 AGENTS.md；個人共用能力放各自 agent 支援的全域目錄，專案 workflow 放 repo 內。
Standing orders 給 agent 對某個「程式」的永久操作權限，寫在 AGENTS.md 裡、每個 session 自動注入。它定義的是「被授權做什麼」，時間點則交給 automations——兩者分工，而且 automation 的提示應該引用 standing order 而不是複製它。
Claude Code 每個 session 都是乾淨的 context window，靠三種記憶跨 session 帶知識：每個 session 都載入的 CLAUDE.md、寫 paths 就條件載入的 .claude/rules/、以及 Claude 自己累積的 auto memory。各層 CLAUDE.md 是串接進 context，不是繼承覆蓋。本文拆解層級行為、@path imports、monorepo 拆檔策略，以及用 @AGENTS.md 讓多個工具共用一份指示。
Hook 是自動化安全網（擋住壞 commit），Skill 是互動式工作流程（跑檢查 + 自動修），指令檔（CLAUDE.md / AGENTS.md）是行為指引。三層各自獨立，組合起來讓 AI agent 在 commit 前自動完成 lint、typecheck、build 檢查。