2026西湖龙井茶官网DTC发售：茶农直供，政府溯源防伪到农户家
在面对每一个非琐碎的决策时，我会让来自不同供应商的两个 AI 助手相互博弈，并由我本人作为中间的路由权威进行裁决。最令我惊讶的并非它们之间存在分歧，而是它们产生分歧的方式。它们往往会过快地倾向于赞同我的观点，随后又过快地彼此达成一致，因此我不得不在工作流中刻意设计一些“摩擦”机制，以确保它们的分歧富有成效。
我将这些内容记录下来，是因为我认为这些摩擦模式可能对其他运行类似设置的人有所帮助。
这是什么
我从事运维/系统工程师的工作已有约二十年。起初是网络，然后是服务器，接着是配置管理，最后是事件响应。这类角色的工作核心大多是确保系统不出故障，且每一次变更请求都伴随着操作手册、验证步骤以及回滚计划。
在过去的一年半里，AI 编程助手将我拉入了软件开发领域。这并非因为我想要转行，而是因为“编写代码”与“运行系统”之间的界限变得如此模糊，以至于忽视它已不再是一种可行的选择。
本系列文章是我对所见所闻的实时记录，随写随发。我从运维领域引入的那些准则，出乎意料地很好地映射到了 AI 协作中。对于那些无法直接映射的领域，我不得不自行创造一些方法。本文重在观察，轻于说教。我并不认为我发现了什么新事物；我只是偶然闯入了许多从业者和研究人员目前正在绘制的同一领域，并在记忆新鲜时记录下我的坐标。
这不是什么
有几件事我想提前说明。
这不是一份综述。我并未对文献、工具链生态系统或从业者社区进行详尽的审查。我确信有些人比我更早就在运行类似的准则，并且写得更好。如果你发现这样的资源，请发送链接给我——我会从中学习，而且我更愿意纠正记录，而不是为一份过时的草稿辩护。
这是具有时效性的材料。你在这里读到的任何内容都是 2026 年初的一个快照，基于一个特定的视角：一位正在转型从事 AI 辅助软件工作的日本运维工程师，拥有付费的 Claude、ChatGPT 和 Gemini 订阅服务，但未进行团队规模的部署。如果你的背景显著不同，这些准则可能适用性很差，甚至完全不适用。
本系列围绕的五个准则
这是我在日常工作中不断回归的一套操作原则。每个原则都在本系列中拥有一篇（或多篇）专门的文章。简而言之，按“易于组合”到“复杂组合”的顺序排列：
1. 生存时间满意策略
我为任何 AI 辅助决策中的来回交互轮数设置了上限。三轮是一个不错的默认值。其目的并非找到完美的答案，而是在下一轮交互的成本超过边际改进的价值之前，收敛到一个足够好的答案。如果三轮交互后仍未收敛，我将此视为一个信号，表明问题本身才是症结所在，而非交互轮数的问题。
这本质上是将网络运维中的超时/重试预算设计应用于与 AI 的对话中。
2. 卡帕西规则（简洁优先，精准修改）
借鉴安德烈·卡帕西的框架并适配到我的工作流中：我不允许 AI 添加未被要求的内容，也不允许它编辑超出范围的内容。推测性的添加是导致技术债务以 AI 速度增长的原因。保持差异最小化和提案狭窄化是我必须主动执行的一项准则。
这种映射清晰
免责声明：本文内容来自互联网，该文观点不代表本站观点。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请到页面底部单击反馈，一经查实，本站将立刻删除。
