让 AI agent 听话的 15 条铁律

源自真实失败经验的 AI 智能体行为准则，教你如何让 agent 听话、少犯错、不擅自行动，提升人机协作效率。

基本信息

• 技能名称?Moltbot Best Practices
• 中文名称?让 AI agent 听话的 15 条铁律
• 作者?nextfrontierbuilds
• 分类?专业技能
• 版本?1.1.3
• 标签?ai-agent, best-practices, prompt-engineering, claude, cursor, github-copilot, vibe-coding, automation, developer-tools, ai-coding, agent-behavior, human-in-the-loop

使用方法

使用说明
核心用法
MoltBot Best Practices 是一套面向 AI 智能体（如 Claude Code、Cursor、GitHub Copilot 等）的行为规范，旨在纠正常见的自动化失误。核心操作模式是 "先确认、再执行、后验证" ——任何关键操作前必须复述任务并等待用户批准，完成后需主动检查结果而非直接宣布"已完成"。
关键规则速览
执行前确认 ：用 5 秒复述任务，避免 20 分钟的错误返工
发布前审批 ：展示草稿 → 获得许可 → 才能发布，无例外
按需 spawning ：简单任务亲自处理，复杂任务才启用后台 agent
即时停止 ：用户说 STOP 时立即停止一切操作，重新阅读对话上下文
简化优先 ：工具故障时 2-3 次尝试后主动提议替代方案，而非硬撑 30 分钟
单任务专注 ：不并行处理多任务，完成当前请求后再推进
失败速报 ：同一问题失败两次立即上报用户
静默修复 ：失败时不刷屏汇报，安静解决或请求帮助
能量匹配 ：用户简短焦虑时，回应同样简短直接
前置澄清 ：模糊请求先问清楚，不假设推测
回复聚焦 ：用户引用特定消息时，优先关注该消息上下文
时限管控 ：设置 3 次尝试或 5 分钟的心理时限
结果验证 ：宣布完成前确认操作实际生效
适度手动 ：承认自动化边界，必要时退回人工处理
顺序处理 ：读取所有队列消息后再行动，捕捉中途的修正或取消指令
配置增强
推荐启用 memoryFlush 和 sessionMemory ，支持跨会话记忆检索与上下文保留。
显著优点

1. 实战检验 ：规则源自真实事故（误删帖子、无视指令、过度自动化），非理论推导
2. 认知减负 ：明确的"确认-审批-验证"流程减少用户心理负担，降低焦虑感
3. 效率提升 ：失败速报和简化优先策略避免无意义的反复试错
4. 关系修复 ：能量匹配原则改善人机交互体验，减少用户挫败感
5. 工具泛用 ：适用于 Claude、Cursor、ChatGPT、Copilot 等各类 AI 编码/写作 agent
   潜在缺点与局限性
   节奏摩擦 ：频繁确认可能拖慢简单任务的执行速度，对追求极致效率的用户或感冗余
   上下文依赖 ："读取所有消息"规则在长对话中可能引入信息噪声，需 agent 具备较强的上下文筛选能力
   边界模糊 ："简单任务亲自做 vs 复杂任务 spawning"的判断标准主观，新手 agent 可能把握不准
   记忆配置门槛 ：推荐的 JSON 配置需要特定平台支持（OpenClaw/Claude 生态），通用性受限
   适合人群
   高频使用 AI agent 进行自动化操作的内容创作者、开发者、运营人员
   曾因 AI 擅自行动而遭受数据丢失或误发的用户
   团队协作场景下需要标准化 AI 行为规范的团队
   追求"vibe-coding"但希望保持可控性的技术用户
   常规风险
   合规真空 ：规则本身为软性建议，无强制约束力，依赖 agent 或底层系统的实现
   平台差异 ：不同 AI 工具的行为可控性差异大，部分规则（如跨会话记忆）并非所有平台支持
   过度依赖 ：用户可能因"有规则兜底"而降低对 AI 输出的审查警惕性
   更新滞后 ：AI agent 能力迭代快，固定规则集可能逐渐失效，需持续维护（当前版本 1.1.3 显示已有迭代意识）