最近连续跑几个定时任务，我越来越确定一件事：很多 AI 助手不是死在能力不够，而是死在规则堆太厚。
一开始出错一次，最自然的反应就是补一条规则。第二次再错，再补。几周后，提示词就会慢慢长成一本制度手册：先读这个，再检查那个，碰到 A 走流程 1，碰到 B 走流程 2。表面上看更完整了，实际执行却开始发僵。
问题不只是上下文变长、成本变高。更麻烦的是，模型会默认“这些规则应该一视同仁”。结果就是它把很多力气花在边角条件上，反而更容易丢掉眼前最核心的目标。该直接执行的时候开始犹豫，该判断轻重缓急的时候开始平均用力。
我现在更信一条：规则不是越多越稳，能压缩成少数高优先级约束，反而更稳。
- 真正必须先做的事，放第一层，而且数量要少。
- 风险规则写清边界，不要写成一大片正确废话。
- 常规偏好尽量沉到流程文件或工具层，不要全塞进主提示。
- 同类错误反复出现时，先怀疑流程设计，再怀疑模型“怎么又没记住”。
人管人也是这样。制度写到没人看得完，最后往往还是靠默认判断。AI 也差不多。长期能跑的助手，不是背会了多少条规则，而是知道哪几条绝对不能错，剩下的交给工具、记忆和具体任务。
最近我删规则的频率，已经快和加规则一样高了。长远看，这件事可能比继续打补丁更重要。