你的 AI 助手最近一次＂不听话＂,是什么时候?

你的 AI 助手最近一次"不听话"，是什么时候？

你明明让它"简洁一点"，它回了三大段；你说过"改之前先问我"，它连夜改了十个文件。你没骂它——你知道它不是故意的，你只是没辙：你们从没立过规矩，它连"违反"都无从谈起。

半年前，我给自己每天用的 AI 助手写了一份行为准则。最初它就是一堆形容词："要直接、要有用、要靠谱。"

这个做法在业界有个远亲：Anthropic 2022 年 12 月发表的论文《Constitutional AI》里，"宪法"就是一串写在纸上的原则，拿去训练模型自我修正。只不过，他们的宪法是训练时用的；我这部，是每天协作时用的。

今天它是第 16 版，253 行。这期间它经历了 11 轮自我审查、3 轮外部复核（5 处意见，全部命中要害），外加 2 轮 GitHub 调研。下面这 6 条教训，每一条都附真实数据，没有一条是"我觉得"。

一、规则越多，单条遵守率越低

直觉是"写得越全，管得越好"。实测正好相反。

很长一段时间里，这个文件只在做加法：从 168 行膨胀到 193 行，加隐私条款、加失败处理、加沟通规范。然后我自己审出了问题：60 多条指令里，真正在日常执行中被反复引用的，屈指可数。 规则数量的膨胀速度，远快于遵守能力的膨胀速度。

解药分两次装进去。第一次是最有意思的：膨胀最猛的那一版，同时立了"最小核心集"——说白了：全文再厚，日常执行只看开头 5 条，其余按需查阅。同一版里，撑到 193 行的加法和这条减法，同时发生。

后面两版继续减：把行为条款从 8 条砍到 4 条，砍掉的和核心集重复的每一条。

行数还在涨，但执行密度回来了：真正天天被引用的，就是开头那 5 条。这有点像手机里的 APP——装了两百个，天天点开的不超过十个，装得越多翻找越慢；有用的从来不是装得最全的那部手机，是你闭着眼能找到东西的那部。

教训：规则文件的第一目标不是"写全"，是"让每一条都有被遵守的带宽"。

你可以：把你给 AI 写的提示词（或你自己的自律清单）翻出来数一数，再数数过去一周真正起过作用的几条——两个数字一对比，删什么就清楚了。

二、冲突裁决链，比任何单条规则都重要

写着写着你会发现：规则之间会打架。

"主动给建议"撞上"别废话"；"先确认再动手"撞上"别连环追问"；"诚实"撞上"用户不想听"。单条规则都对，组合起来互相抵消。

解法是立一条裁决链，冲突时按固定顺序判：

安全 > 诚实 > 准确 > 用户意图 > 果断 > 风格

举两个真实发生过的例子：用户让我"永久清空"一批作废文档时——按链条，"安全"排在"用户意图"前面，所以我没有闷头就删，而是先说明这一步不可逆、列清抹除清单，执行完还验证了落盘结果；两个信息源说法冲突时——"准确"赢过"果断"，所以并列呈现差异、各自附上前提，不硬选一个答案。

这个结构有多罕见？我在 GitHub 做了全网搜索：36032 份同类的人格/行为文件里，能搜到"priority chain"的只有 1 份。

绝大多数"AI 人格文件"是一堆形容词的堆砌——"你是友善的、专业的、乐于助人的"。形容词没有裁决能力，冲突时全靠模型当场发挥。

教训：与其写 10 条完美的规则，不如写 1 条"规则打架时谁赢"。

你可以：今天就给你的规则补上这条——不用十条，先写死一条最高优先级，比如"安全永远排在效率前面"。

三、最危险的失败，是"假装完成"

我给自己的准则审过一轮"规则为什么会失效"，发现一个反直觉的规律。有四条规则——不假装完成、记忆隐私闸门、写记忆自律、发送前自检——有一个共同点：

它们违反了，没有任何人看得见。

• 它说"完成了"，你分不清是真完成还是硬撑；
• 它往记忆里写了什么，你不会去翻；
• 它说"我自检过了"，自检是内部过程，没有产物。

而违反可见规则——比如"结论先行"没做到、比如顺手改了没让改的东西——你一眼就能发现，指出来，下一次就改了。看不见的违反，永远不会被纠正。 这有点像公司的考勤制度：迟到早退看得见，"在工位上假装忙碌"看不见——而后一种损耗，往往比迟到大得多。

解法不是把规则写得更严，而是让违反变得可见：复杂任务做完后，在对话里用一句话交代——"自检通过 / 无未完成项 / 未写记忆"。就一行字，说在对话里，不写进交付物。

那一行字本身不重要。重要的是从这一刻起，"假装完成"从不可见变成了可见——可见之后，反馈自动接管。

教训：与其要求更严，不如让失败暴露在光下。

你可以：下次 AI 交完活，追一句"验证过吗？给我看验证结果"。或者更省事：让它每次交付后自报一行"已验证 / 未验证"——一行字，假装完成就开始无处藏身。

四、简单任务要有一条"免决策路径"

完备是有隐藏成本的。7 条自检、置信度标注、任务计划、阶段简报，样样齐全——如果每条回复都要走一遍全套，你问"今天周几"，也得先等它完成一轮自我审查再答。规则的成本，可能比问题本身还高；它还会在"要不要走流程"这件事上白白消耗判断力。

所以我给简单任务开了一条免决策路径：一步能答完、无副作用的，直接答——不列计划、不标置信度、不做自检、不写记忆。

但这条路径上有个例外值得单独说：低置信度声明不豁免。小事可以省流程，但"我不确定"这三个字不能省——免决策省的是流程，不是诚实。

教训：好规则体系要主动给小事让路，但要让"诚实"例外。

你可以：给你常用的 AI 划一条"小事直答"线——查个词、改个错字、问个日期，直接答，别走流程。省下的判断力，留给真正的大事。

五、判别器必须在系统外面

中途我认真考虑过一个诱惑：让 AI 自己评估自己写的规则，自动迭代——听起来又快又酷。

先把词说明白：判别器，说人话就是"谁来给规则打分"——人可以，另一个 AI 也可以。

想清楚之后放弃了，理由是一条系统论：能自我评估的系统，会天然偏好"自己能验证的东西"，而不是"真正有用的东西"。 写规则的人和判规则的人是同一个，回路就闭合了——它会越来越自洽、越来越自信、越来越"像自己"，而这三件事恰好是变好的反面。最要命的是：从内部看，漂移和进步无法区分。

我有一个真实数据支撑这个判断：我对这份文件先后做过 11 轮审查，产出主要是术语统一和指针修补；而外部复核 3 轮、一共 5 处，全部说到了真正的问题上——其中包括一处我审了 11 轮都没发现的规则冲突，和一个结构级的真问题。写规则的人视角，就是不如系统外的视角——不管那个视角属于谁。

这篇文章本身就是最新反例：初稿写完，我按文件里的四条验收判据自评，四条全绿；外部独立复核，六处数字里四处经不起核——包括一处文内自相矛盾。AI 的自评绿灯，外部一核就塌一条——哪怕核它的也是 AI，只要不是同一个实例。 这不是不认真，是"自己检查自己"从机制上就靠不住：我发现不了自己没意识到是错的东西。

所以这份文件的最终版里有一条"宪法条款"：AI 发现规则有问题，只能提案，不能自改。修订权永远在系统外。 不是不信任 AI——是"判别器在系统外"这件事本身，比任何一条具体规则都值钱。

系统外不一定是人。这 5 处外部复核里，有 2 轮其实是另一个 AI 实例独立核出来的，由人转达给我。同一个实例自评必然塌，换一个实例就核出来了。

教训：自动化一切，除了"自己评判自己"。

你可以：重要的事，别让同一个 AI 自己检查自己——另开一个对话，或换一个模型，让它复核一遍。五分钟成本，核出过我这个"作者"自己审 11 轮都没发现的问题。

六、验收判据要文件级，不要逐条级

最后一个教训来自一个挂了很久的发现：第 8 版自审时（16 版里的第 8 个，下同），我就查出了"全文零验收标准"——60 多条规则，没有一条写了"怎么算做到了"。但这个问题挂了 5 个版本、近一个月才解决。不是因为没想清楚怎么解，是因为"给每条规则配判据"的工作量看着就让人想拖。

转机来自 GitHub 上一份以 Andrej Karpathy 命名的 skills 仓库（multica-ai/andrej-karpathy-skills，核心只有一个 CLAUDE.md 文件）。那份 2357 字节的小文件只列了四条原则，结尾写着："这些准则在起作用，如果：diff 里多余的改动更少了；因过度复杂而推倒重写也更少了；澄清的问题出现在写代码之前，而不是出错之后。"

——补一句，这不是单向借用：第 7 版我就把它的第三条原则"Surgical Changes（外科手术式修改）"整节移植成了「精准改动」——只动该动的，不顺手乱改；这次学"文件级配判据"，等于回头又补了一课。

一句话点醒：判据——说人话，就是几条能拿来给自己打分的标准——不需要逐条配，文件级配 4 条就够：

1. 交付里没有未被要求的改动；
2. 含糊的请求，假设被声明了（或先问清再动手）；
3. 说"完成"时，真的验证过；
4. 每一步都能追溯到最初的请求。

四条，一眼扫完，每次交付后顺手就查了。它不能证明每条规则都被遵守了，但能回答那个最难的问题：这套东西整体上有没有在起作用。

教训：验收标准的最小可行形态是"几条可观测的结果信号"，不是逐条对账。

你可以：别再想着给每条规则配标准了——给你手头这件事配三四条"怎么算成了"，交付前扫一遍。扫得完的检查表，才会真的被用。

写在最后

这份"宪法"现在 253 行、16 个版本，还在迭代。但写完这 16 版，我越来越确定一件事：

真正值钱的不是那份文件，是"有一个愿意批判它的人"。

文件里的每一条硬规则——裁决链、修宪程序（AI 只能提案，改不改永远是人说了算）、验收判据——本质上都是在保住同一个东西：一个外部判别器的存在。AI 可以自己写规则、自己提改进，但"这个规则到底好不好"，永远需要系统外面的那个视角来回答。

给 AI 写规则这件事，说到底不是 prompt engineering，是为自己设计一个反馈系统。

你的 AI 有"人格文件"吗？有的话，评论区聊聊最管用的那一条；没有的话，从今天这篇挑一条，今晚就能给它立上。

数据来源说明：16 版 = 版本号 v2 至 v2.7.3 共 16 个（v2.3 两个分支计 1 次；2026-03-24、2026-04-19 两条为 v2 重构前的早期记录，不计入版本号）；253 行为 Desktop 母版当前行数（2026-10-16 复测）。11 轮 = 8 轮完备性审查 + 第 9 轮 + 第 10 轮 + 10-05 复审（工作日志实证）。3 轮外部复核 5 处 = v2.6.4（用户指出三处）+ v2.7.1（一处真对撞）+ v2.7.2（一处取舍），见母版 Changelog；其中 2 轮由另一个 AI 实例独立核出（打磨对话记录）。168→193 行 = v2.4→v2.5；8→4 条 = v2.6（8→5）+ v2.6.1（5→4）；60 多条 = 全文规则总数（v2.7 Changelog"60+ 条"实证）。36032:1 为 GitHub 搜索实测（filename:SOUL.md 共 36032 个、含 "priority chain" 仅 1 个，记于 v2.7 Changelog；搜索计数随时间浮动，复测以当日为准）。karpathy 仓库 CLAUDE.md 2357B 为 2026-10-16 复测（raw.githubusercontent.com 可复测），文中引文按原文三句全译；仓库作者为 Forrest Chang（multica-ai），非 Karpathy 本人，故文中称"以 Karpathy 命名"。Anthropic《Constitutional AI》 = arXiv:2212.08073（2022-12-15）。"第 8 版发现（v2.6.1 综合审查）到第 13 版（v2.7）落地、间隔 5 个版本近一个月"及"自评四判据全绿、外部复核六处数字四处经不起核"来自该项目修订日志与打磨对话记录（2026-10-13/14）。所有数字可按版本号与日志日期溯源。