agent-constraints

Agent 约束的分层设计与治理

前提

上下文文件是行为杠杆，不是性能增强器。实测：无配置文件时目标指令执行率 0%，有文件时 67.7%；但任务成功率变化不显著，推理成本必然上升约 20%。

写下的每一条都会被真的执行——包括在不该执行的任务上。

同时，文件层会系统性失守：需要反复应用的规则，约 65% 的运行至少违反一次，首次失守通常在第 4 次应用附近，改存量代码场景单次命中率仅 45%。

这两件事共同决定了：约束必须分层，每条规则放在能承载它的最低层。

需要用数字说服人时读 EVIDENCE.md。

---

四层模型

官方定性：settings 规则"由客户端强制执行，与 Claude 的决定无关"；CLAUDE.md"塑造行为但不是硬强制层"。

---

核心动作：给一条候选规则定层

任何"要不要加这条""该放哪"的问题都走这个流程。默认答案不是"加到 AGENTS.md"。

候选规则
  ↓
① agent 读代码能自己知道吗？ ──────────── 能 ──→ 不写。删。
  ↓ 不能
② 能用 linter / formatter / 类型系统表达吗？ 能 ──→ 配置那个工具（第 1 层）
  ↓ 不能
③ 是"必须发生、零例外"的动作或禁令吗？ ─── 是 ──→ hook 或 permissions（第 1 层）
  ↓ 否
④ 删掉它，会导致一个你能具体命名的错误吗？ 不能 ─→ 不写。这是投机性规则。
  ↓ 能
⑤ 每个任务上都该被执行吗？ ───────────── 不是 ─→ 第 3 层
  ↓ 是                                          ├ 只在某类文件上成立 → path-scoped rule
  ↓                                             └ 是多步流程/检查清单 → Skill
⑥ 需要被反复应用吗（每个函数/每个文件/每次提交）？
  ↓                                       是 ──→ 写进第 2 层，**并且**配 hook 兜底
  ↓ 否
写进 AGENTS.md，一行祈使句，HTML 注释里记下触发它的那次失败

第 ⑥ 步不是保守，是算术：反复应用的规则在文件层必然漏，hook 接住的正是那条尾巴。

第 ⑤ 步只认一个判据：「每个任务上都该被执行吗」。 不要用"这是不是项目知识"来替代它——通用的工程纪律如果对本仓库每个实现任务都成立，它就属于第 2 层，哪怕它一点也不"项目特有"。搬别处的结论而不重跑这一步，是最容易犯的错。

判到第 3 层之后再验一道：这条规则的触发词有辨识度吗？ Skill 靠模型判断 description 匹配来唤醒，"写代码"这类默认活动唤不醒（见 LAYER3-ONDEMAND.md）。唤不醒就退回第 2 层。

另外单独问一句：这条规则会引发多少读取？ 五问只审规则本身的字数，审不出它的连带成本。"实现前先读 A、B、C"本身两行，引发的可能是每会话几万 token——而且指令会被真的执行，这个成本是实打实的。这类规则要么改成"遇到某类问题时再参考"，要么直接删。

只在这一次任务里成立的，根本不要进任何文件——直接写在 prompt 里（第 4 层）。

---

各层落地要点

第 1 层：确定性执行

三种机制，按"能不能被绕过"排序：

最常踩的三个坑（详见 LAYER1-ENFORCEMENT.md）：

1. 文件路径规则只认 Edit(...) 和 Read(...)。写 Write(docs/**) 会被接受但永不生效。
2. Bash(command:rm *) 这种参数形式会被忽略并告警，要写 Bash(rm *)。
3. Read/Edit 的 deny 规则挡不住任意子进程（比如一个自己打开文件的 Python 脚本），要 OS 级隔离得开 sandbox。

第 2 层：常驻指令

只放无法自动化、又无法从代码推断、且全局恒真的内容。

准入之后的写法：祈使句 + 精确命令、可验证的完成标准、显式 Never、最多一处强调、零冲突。

绝不要写：目录结构、技术栈概览、架构说明、README 复述——实证判定无收益且制造双事实源。

模板在 templates/，完整写作规范、修剪流程和反模式清单在 LAYER2-INSTRUCTIONS.md。

第 3 层：按需加载

判据：如果一段内容在多数任务里都用不到，它就不该每次进上下文。 CLAUDE.md 里长成流程的那一节，应当搬到 Skill。

写法见 LAYER3-ONDEMAND.md。

第 4 层：会话层

不需要持久化的东西留在这里，别污染前三层：

• 一次性的复杂任务 → 写 SPEC.md，然后开新会话执行（干净上下文 + 书面规格）
• 不确定方案时 → plan mode，先探索再动手
• 长任务的持续目标 → /goal，独立评估器每回合复查
• 同一问题纠正两次仍未解决 → /clear 重开，带着学到的东西重写 prompt，比在污染的上下文里继续纠正更有效

---

工作流

A. 新建一套约束

1. 先看仓库有没有像样的 README 和 docs。几乎没有 → 上下文文件价值显著更高（这是唯一被证实有正收益的场景）；文档齐全 → 严格执行定层流程。
2. 先建第 1 层：把已有的 linter、formatter、测试命令接上 hook。这些是免费的确定性。
3. 复制 templates/AGENTS.md，先删后填——删掉所有还没遇到过对应失败的条目。宁可从三行开始。
4. 不要跑 /init 然后直接提交。自动生成的内容大多复述既有文档，实测降低成功率。

B. agent 犯了错

触发条件是第二次犯同一个错，不是"想到一条好规则"。走定层流程。多数情况下正确出口是第 1 层，不是加一行文字。

C. 治理体检

用户说"CLAUDE.md 太长了""agent 不听指令"时用这个。

1. 读所有相关文件。两类都要读，缺一不可：

   • 第 2/3 层：AGENTS.md、CLAUDE.md、.claude/rules/、.claude/skills/
   • 第 1 层现状：.gitignore、.pre-commit-config.yaml、CI 配置、linter/formatter 配置、.claude/settings*.json 及已有 hooks

   不读第 1 层就无法执行"已被覆盖 → 删"这条判定——那是产出最高的一条。

2. 逐条重新定层——多数积累下来的条目本该在别的层。判定表见 LAYER2-INSTRUCTIONS.md。

3. 检查缺什么：安全与性能边界只有约 15% 的项目写，却最不可能从代码推断。

4. 检查冲突：父子目录文件之间、CLAUDE.md 与 rules 之间。矛盾时模型可能任意挑一条。

5. 输出建议清单（删除／迁移／补充，各自附理由），让用户确认后再改。

D. 委派子 agent 编写并验证约束

编写约束是一件与当前编码任务无关、且需要独立验证的工作。放在主线程里做会污染上下文，也容易草草了事。

什么时候委派：确认了要新增/修改第 1 层或第 3 层的产物（hook、权限规则、Skill、path rule），且当前主任务尚未完成。第 2 层的一行文字改动不值得开子 agent，直接改。

交给子 agent 的任务描述必须自包含，它看不到你的对话：

• 要解决的具体失败：agent 做了什么、造成什么后果
• 已经做过的定层判断和理由（不要让它重新决策）
• 目标产物与落点（哪个文件、项目级还是用户级）
• 明确要求它验证，并把验证证据带回来

验证要求（这一段必须写进任务描述，否则会得到"写好了"而没被验证过）：

要求它带回来的是证据,不是结论：跑了什么命令、输出是什么。「已验证通过」这四个字没有信息量。

边界：子 agent 只负责写和验证约束产物，不要让它顺手改业务代码。主线程收到结果后自己决定是否采纳。

E. 定期复盘（触发入口）

约束的触发条件是「第二次犯同一个错」，这是跨会话的信号，所以不做实时判断，只做记录 + 定期复盘。记录机制的装法见 hooks/README.md。

建议节奏：每周，或每积累 15–20 个会话一次。不要每个会话都做——噪声大于信号。

1. 收集。两个信号源都看：
   • ~/.claude/constraint-review.log（SessionEnd hook 的记录）——哪些会话值得回看
   • ~/.claude/projects//memory/ 下 type: feedback 的文件——auto memory 已经消化过的纠正
2. 找重复。只关心出现两次以上的纠正或失败。出现一次的不动——那是投机性规则的来源。
3. 每个重复项走定层流程。多数出口是第 1 层，不是加一行文字。
4. 确认要做的，走工作流 D 委派子 agent 编写并验证。
5. 输出：这一轮发现了什么重复模式、各自定到哪一层、做了什么、还有什么建议但没做。

复盘时要一并检查的：第 2 层文件是否又长了？有没有已被 CI 覆盖、可以删的条目？（这类文件会像配置代码一样通过频繁小幅增补持续膨胀，熵增是默认的。）

---

尺寸与跨工具

单文件目标 100 行以内。硬限制：Claude Code 建议 200 行、>4 MiB 跳过；Codex 合并 32 KiB 且超限即停止发现后续文件；Copilot 两页。

写短的理由是成本和"少拉杠杆"，不是"短则遵从度高"——两项研究都没测到长度与遵从度的关系，数据趋势甚至相反。不要为压行数删掉真正有用的约束。

以 AGENTS.md 为单一事实源，CLAUDE.md 用 @AGENTS.md 导入并承载 Claude 专属内容。绝不维护两份。

验证加载：/context 看 Memory files；Codex 用 codex --ask-for-approval never "Summarize current instructions"。

---

验证一条约束是否有效

任务类型对合规率的影响达 39 个百分点、模型 12.8 个、代码库 11.0 个——都远大于文件怎么写。别人的结论不可移植，包括本 Skill 的。

有规则与无规则各跑至少三次代表性任务，记录是否达成、步数、token、是否触发了担心的那个错误。没有可观测差异就删掉——成本确定，收益不确定。

但要诚实告知用户：原研究用每条件 50 次运行才对 15 个百分点的差异达到足够功效。跑三次看不出 10 个百分点的差别，小规模验证只能筛掉完全无效的规则。

第 1 层的约束不需要这样验证——它是确定性的，写对了就一定生效。这也是它优先于第 2 层的另一个理由。