把 AI Rules 当作代码管理 | 柠萌的生活日记

规则应经过评审、测试、发布和回滚。

问题背景

生成式模型擅长处理模糊语言和提出候选方案，却不天然保证状态一致、权限正确或动作可恢复。讨论“把 AI Rules 当作代码管理”时，重点不应只是跑通演示，而是系统失败后是否知道发生了什么、能否安全继续，以及结果能否重复验证。

设计方案

结构化元数据描述作用域，CI 检查语法、冲突与受影响任务。

在“规则仓库流水线”进入实现前，先标注输入来源、调用身份和数据等级；输出通过结构与领域校验后才允许进入下一步。涉及外部副作用时，执行记录必须包含稳定业务键和脱敏证据。

实施产物：规则仓库流水线

规则使用稳定 ID、owner、作用域和版本；变更走评审、静态检查、样本测试与灰度；运行记录命中版本。先在测试环境保存一条完整运行证据，再接入真实写操作；每次变更都必须能定位到配置、代码和数据版本。

practice:
  id: rule-as-code
  artifact: "规则仓库流水线"
  owner: platform-team
  timeout_seconds: 30
  failure_mode: fail_closed
  audit: required

示例只表达边界，不是可直接复制的完整框架配置。落地时应使用当前依赖版本的官方 API，并把超时、身份和审计接到现有基础设施。

实施步骤

1. 选一个可回放的小任务，写清输入、成功条件和禁止发生的副作用。
2. 实现“规则仓库流水线”，把模型建议与真正执行隔离。
3. 人工走通成功、拒绝和恢复三条路径，保存 run_id 与关键事件。
4. 加入自动化回归，再用小比例非关键流量观察指标。
5. 达到门槛后逐步放量；任一安全约束失败立即停止新任务并回退版本。

失败演练与验收

首要反例是：在线直接编辑且不留历史。不要只验证顺利完成；还要注入超时、重复请求、取消、无权限输入和依赖返回畸形数据。

本篇的硬性验收是：提交冲突规则必须被流水线阻断，回滚后立即恢复旧决策。同时记录 规则覆盖率、变更失败率、回滚耗时。验收脚本应按结构化字段判定，不以“回答看起来合理”代替测试。

上线与回滚

“规则仓库流水线”上线前要固定模型、提示、规则、工具 schema 与数据版本，并用影子或灰度流量比较旧版。若 规则覆盖率、变更失败率、回滚耗时 越过门槛，先停止新 Run，再处理在途任务，恢复旧组合后逐项核对未决副作用。

适用边界

当场景是“临时个人偏好”时，这套设计的维护成本通常高于收益。权限、金额、删除和一致性约束始终交给确定性代码，不能交给模型自行判断。

规则仓库的交付链

阶段	门禁	产物
author	schema、owner、到期日	规则源文件
test	正例、反例、冲突、历史回放	测试报告
compile	固定顺序与摘要	不可变规则包
shadow	只记录新旧决策差异	影响报告
promote	审批与灰度阈值	版本快照

规则必须有稳定 ID、作用域、优先级、理由、负责人和失效时间。安全临时例外没有到期日就会变成永久后门；删除规则也应保留迁移说明，避免旧客户端仍引用消失的 ID。

流水线检查重复 ID、永不命中的规则、互相遮蔽、循环引用和默认允许。编译产物按摘要发布，运行中的 Run 固定版本，不能在中途热替换一半规则。回滚指向上一完整规则包，同时记录哪些新决策需要人工复核；不要在生产控制台手改后再倒推 Git。

第二轮实践复核

围绕“规则仓库流水线”建立一个不接触生产数据的最小项目，固定运行时、框架、模型、提示、规则和工具 schema 版本。正文代码块若缺少完整依赖、导入或领域类型，应视为架构伪代码；只有放入示例仓库并通过下述命令的代码才标记为可运行。

• 项目验证：运行项目既有的 schema 校验、契约测试与离线评测命令
• 回归夹具：把输入、结构化输出、工具轨迹和副作用记录为 JSON，用固定版本执行正常、拒绝、超时、取消与重复请求五组回归样本。
• 必留证据：run_id、版本组合、终止原因、动作幂等键，以及 规则覆盖率、变更失败率、回滚耗时。
• 通过条件：未批准写操作为零副作用；相同幂等键重复执行只产生一个业务结果；超时或恢复后状态可解释。
• 失败处理：先停新任务，再核对在途动作；回滚模型、提示、规则、工具与状态迁移的完整组合，不能只换回模型。

复用顺序

1. 为“把 AI Rules 当作代码管理”建立确定性假工具，先跑契约与失败用例，不接触真实凭据。
2. 围绕“规则仓库流水线”接入只读能力，核对权限裁剪、脱敏字段和 Trace 完整性。
3. 需要写能力时先输出 dry-run 差异，再绑定审批结果与一次性动作哈希。
4. 以本文验收指标比较影子流量；达到门槛才放量，越线立即执行文中的组合回滚。

实践与资料复核日期：2026-08-22；框架 API 以锁定版本的官方文档为准。

参考资料

• 官方文档

框架 API 会持续演进，复制示例前应再次确认当前版本。可持续的 AI 工程不依赖某个模型偶尔表现出色，而依赖清晰契约、可靠 Harness 与可重复验证。