ep31 · 环境与安全 · 长对话锚定 · 协作规范沉淀

• 模块：M5 工程可行性
• 课节：5 节
• 配套音频：pm31-m5-播客.mp3（时长见集页）
• 配套字幕：pm31-m5-播客.srt
• 来源：xueai.miyang.cn（小山学堂 · 洛小山《学 AI 产品，从入门到精通》）

本集改编自小山学堂《学 AI 产品，从入门到精通》，音频为二次演绎配音版。音频讲主线与判断，文字稿给结构、清单和可复用的规则模板。

---

一、本集解决什么问题

很多人和 AI 协作时反复遇到同一类问题，每次都靠临场叮嘱解决，聊完就忘，下次再犯。这一集给出一套把教训沉淀成规则的方法：环境事实怎么写、破坏性操作怎么设闸、长对话怎么对抗遗忘、文案怎么摆脱机器腔，以及四步协作流程怎么落地。

核心观点：「注意质量」执行不了，「删除代码前必须显式声明」才执行得了。 把模糊期望翻译成具体动作，本来就是产品经理的核心能力——只不过这一次的交付对象不是人，是一段规则。

这一课的来源只有一个：每发现一次 AI 反复犯的错误，就加一条规则。规则的价值不在于多，而在于每条背后都对应一次真实的翻车。照搬十四章，不如精选五章。规则和代码一样，没人维护就会腐烂。

---

二、能力地图

层次	关键概念	它在回答什么	你该追问的问题
环境层	环境事实写进 Rule、技术栈锁定	它每轮该「默认知道」什么	模型 / 超时 / 代理 / 是否流式写死了吗
细节层	isComposing、数据格式三分法、图标规范	哪些坑不写就一定踩	这三类的禁令写了吗
安全层	备份 / 回退 / 审查三道闸	不可逆操作怎么设防	三道闸是否都设在执行之前
抗遗忘层	锚定复述、并行编辑前重读	长对话怎么保住约定	超过阈值有没有强制复述
表达层	违禁模式清单、按需引用	怎么摆脱机器腔	清单可搜索吗，规则按需加载了吗
协作层	复述 → PRD → 确认 → 编码	断点设在哪	断点是在动手之前还是之后

读法两条。第一，六层共用同一个底层：把模糊期望变成可执行的具体动作。第二，安全层与协作层是同一个原则的两种用法——断点都必须设在「动手之前」：不可逆操作是执行前设闸，需求理解是编码前确认。

---

三、六个概念逐个拆开

1. 环境事实要写进 Rule

为什么不是 .env，也不是对话里：

方式	问题
写进环境变量文件让它自己读	它不一定每次都主动去读
写在对话里	对话一长就被截断遗忘
写进 Rule	在每轮对话开始前就被加载进上下文，是最稳的注入方式

环境配置章节应包含的四类事实：

类别	内容
模型配置	模型 + API 服务商，一次写死，轮轮生效
超时	图像生成至少 120–180 秒（默认 30 秒会失败，且 AI 会反复尝试同一错误配置）
代理回退	网络失败必须先尝试代理重试，仍失败才报告；禁止跳过代理直接报错
流式	前端可见的所有大模型响应必须 Streaming；后端内部调用才允许非流式

技术栈锁定：后端框架、前端框架 + 样式方案、数据库、向量库——一旦定了就不再讨论替代方案，AI 的职责是在确定的栈内把代码写好。选型是人的决策。

端口规则：避开 5000，从 8000–9000 随机分配，多项目同开不冲突。

环境事实的特点是几乎不变。几乎不变的东西就应该一次性写死、每轮自动带入，而不是靠对话重新传递。

写法要求：写到数值和路径，而不是描述性语言。

❌「超时设长一点」 → ✅「图像生成超时设 120 秒」

❌「记得用代理」 → ✅「失败时先尝试本地代理端口重试」

2. 三个不写进 Rule 就一定会踩的坑

① 中文输入法（isComposing）

确认候选词时会触发 Enter，只判断 e.key === 'Enter' 的输入框会把半段内容直接发出去。

状态	含义	行为
isComposing = true	输入法正在组合中	回车只确认候选词，不触发发送
isComposing = false	普通键盘输入	回车正常发送

该标记在训练数据里覆盖率不高，不写进 Rule 就一定会忘。

② 数据格式三分法

三种格式各管一个领域，互不混用。为什么工具调用推荐标签格式：

	键值格式	标签格式
嵌套表现	字符串里再套一层，每层嵌套翻一倍反斜杠	标签闭合直观
生成风险	LLM 逐 token 生成时极易配错括号和引号	出错率明显更低

例外：只用单一模型系列的项目可改回键值格式（其 function calling 原生就是键值）。「Agent 用标签格式」是多模型混用场景的最大公约数选择。

③ 图标与细节规范

• 禁止用 emoji 做按钮图标，图标必须用 SVG
• 按产品调性选图标集：SaaS 用线性风格，温暖调性用另一套
• 图标下载到本地使用，不依赖 CDN

3. 破坏性操作的三道闸

不可逆操作的安全感来自闸门。三道闸都设在执行之前。

闸	做法	拦什么
GATE 1 · 备份	数据库改动先备份；备份放项目根目录 backups/，命名带时间戳；未备份不得执行 migrate / drop / alter / delete	拦数据损失
GATE 2 · 回退	不可逆操作先说回退方案，回答三件事：如何恢复、需要哪些备份文件、预计恢复耗时	拦无法恢复
GATE 3 · 审查	发版前做 diff 审查，把「我以为改了什么」与「我实际改了什么」拆开比对；子 Agent 独立分析 diff 与发布说明的偏差，有风险就暂停	拦带病发版

备份命名格式：{原文件名}_{YYYYMMDD_HHMMSS}.db，统一放项目根目录 backups/ 下。真要回滚时，你需要一眼找到最近的那一份。

设计意图：发布说明描述的是预期改动，实际提交里可能混入无关调整甚至误删。正规团队靠 CI/CD + PR review 拦这个问题；独立开发者往往跳过 review 直接 push——让子 Agent 充当 reviewer，就是用规则补上这个缺口。

两条配套规则：

• 发布通道：代码发布、版本发布、服务器部署必须通过代码仓库；紧急热修复可例外，事后必须补提交同步；用户明确确认前，打 tag / push / 部署全部禁止
• 凭据管理：所有凭据通过环境变量或 secrets 管理，禁止硬编码；Key 一旦进入版本库历史 = 永久泄露，只能作废重发

4. 长对话锚定：对抗认知漂移

现象：对话开头说好用某种关系型数据库，聊到 30 轮它突然建议换轻量数据库——早期约定已被上下文窗口挤掉。

成因：① 上下文窗口截断（早期内容直接掉出窗口）；② 长文本尾部注意力衰减（即使 200K 词元的模型也存在）。

对策 · 设锚点：超过 10 轮后，在关键操作前强制复述当前目标和关键约束。

固定格式：当前目标：XXX | 关键约束：YYY —— 格式固定才便于扫一眼确认。

三个要点：

1. 时机 —— 修改代码、修改配置、部署之前（动手前的断点）
2. 目标以最新一次为准 —— 用户中途改了目标，复述要以最新一次为准并标注变更，避免新旧目标混在一起
3. 并行编辑前先重读文件 —— 多个子 Agent 或多次编辑涉及同一文件时，后续修改必须先重新读取当前状态，禁止基于缓存或记忆中的旧内容编辑。这是多 Agent 时代的「乐观锁」

十轮是经验阈值不是硬规则。真正的判断标准是：当你发现它开始出现与早期约定不符的建议时，漂移已经发生，此时无论多少轮都该立刻设锚点。

5. 写作规范：用违禁清单消灭 AI 腔

核心结论：「请用自然流畅的中文」没有用——它认为的自然和你认为的自然可能完全不同。必须给出具体的违禁词和违禁句式列表。

流程：准备可搜索的违禁模式清单 → 交付前逐条搜索 → 发现一处改一处 → 完成后注明已完成自查 → System Prompt 里的违禁句式同样要改。

设计细节：写作规范应独立成文件，并把全局生效开关设为 false，只在写文案/写提示词时手动引用，避免污染编码对话的上下文。原则：规则也要按需加载，不是所有规则都适合每轮都带。

锚定对抗遗忘，清单对抗含糊。 两者共同点：把模糊期望变成可执行动作。

6. 规则装进项目 + 四步协作流程

三步装进项目：

1. 放入 rules 目录 —— 编辑器自动识别
2. 配置生效方式 —— 全局生效开关设 true 全局生效，设 false 需手动引用（写作规范适合后者）
3. 替换环境事实 —— 换成自己的选型；secrets 填占位符并排除出版本库

适配：删、换、调、补：

• 删掉用不上的章节，换成自己的环境事实，调整规则严格程度，补上自己踩过的坑
• 别整套照搬——你没翻过的车，规则贴上去也守不住

四步协作流程（断点前移）：

步骤	动作	作用
1	复述 —— 用它自己的话讲一遍要做什么	理解歪了当场就能看见
2	写迷你 PRD —— 方案、边界、不做什么	白纸黑字落下来
3	等你确认 —— 人工闸门	不点头就不动手
4	开始编码	此时写出的就是确认过的那个东西

为什么断点必须在动手之前：一句话丢过去直接开写，第一步理解就歪了，你要到验收时才发现。它写得越快越勤奋，你要拆的违章建筑越大——这就是「AI 写得快反而容易搞砸」的机制。动手之后的纠正都叫返工。

M5 最后一格：前五格做出了能干活的东西，但判断都在你脑子里；这一格把它们写成规矩。立住之后换人、换项目、换模型照样跑——这才叫工程，不叫手艺。

验收：把规范发给一个同事，看他能否照着做出类似的东西。能提出具体问题的说明真读懂了；只回「写得挺好」的多半没读。

---

四、审查清单

建立或审视一套协作规则时，按顺序过这九条：

1. 环境事实：模型、超时、代理、是否流式是否写死在 Rule 里（而不是 .env 或对话里）？
2. 技术栈锁定：后端/前端/数据库/向量库是否明确且不再讨论替代方案？端口规则是否避开常用端口？
3. 三类坑：isComposing 检查、工具调用标签格式、图标用 SVG 且不依赖 CDN——是否写成明文禁令？
4. 三道闸：备份 / 回退 / 审查是否都有，且都设在执行之前？备份命名是否带时间戳？
5. 发布与凭据：发布是否必须走代码仓库通道？凭据是否禁止硬编码？
6. 锚定规则：超过阈值是否有强制复述？目标是否以最新一次为准？并行编辑前是否重读文件？
7. 写作规范：违禁清单是否可搜索？是否独立成文件且设为手动引用？
8. 适配动作：是否按删、换、调、补改造过，而非整套照搬？
9. 协作断点：复述 → PRD → 确认 → 编码，断点是否在动手之前？

---

五、约束说明

以下约束来自本集原始素材，属于设计与承诺时的边界条件：

1. Rule 是最稳的注入方式。.env 它不一定读，对话会随长度被截断遗忘。
2. 规则要写到数值和路径，不能写描述性语言。「超时设长一点」不可执行。
3. isComposing 在训练数据中覆盖率不高，不写进 Rule 一定会忘。
4. 标签格式是多模型混用的最大公约数，不是绝对最优；单一模型系列可改回键值格式。
5. 三道闸必须设在不可逆操作执行之前，事后补救都不算闸门。
6. Key 一旦进入版本库历史即永久泄露，只能作废重发。
7. 十轮是经验阈值不是硬性规则；真正的信号是它开始出现与早期约定不符的建议。
8. 规则也要按需加载，写作规范全局生效会污染编码对话上下文。
9. 断点必须在动手之前。动手之后的纠正叫返工，不叫纠错。
10. 本集不含题库内容。本集无题库页，全部素材均为正文讲解。

---

六、实践提示

提示一 · 用「一次翻车」换一条规则

先别追求体系完整。挑一个你最近踩得最疼的坑，按「先写为什么（那次翻车），再写怎么做（具体指令）」的格式写成一条规则，放进新对话的开头验证。判断标准很硬：那个坑是不是真的不再出现。规则写了却不生效，说明你写的是愿望而不是指令。用这条跑通之后，再一条条累加，比一开始就铺开十四章有效得多。

提示二 · 给环境事实做一次「数值化」改造

把现有规则里所有描述性的表述找出来，逐个替换成数值和路径。「超时设长一点」改成「图像生成超时设 120 秒」；「记得用代理」改成「失败时先尝试本地代理端口重试」；「注意端口冲突」改成「避开 5000，从 8000 到 9000 分配」。这一步做完你会发现规则的可执行性有质的变化，因为它不需要再猜你的意图。

提示三 · 在动手前加一个「复述」断点

下次给 AI 派活，先别让它开写。要求它用自己的话复述一遍要做什么，你确认之后才放行。这个动作通常只要一两分钟，但能挡掉理解偏差导致的大返工。验收标准：复述环节至少抓到一处理解偏差——如果一个都抓不到，说明这个需求太简单，换个大一点的再试，你才能真实感受到断点前移的价值。

提示四 · 用一周时间做一次规则体检

把你的规则用满一周，记录两件事：哪些规则被触发了、哪些从没生效。一周后做两个动作——删掉从没生效的，把新踩的坑写成新规则。规则和产品一样需要迭代，而且没人维护就会腐烂。这套动作做完，你手上就有了一份真正属于自己的、有证据支撑的协作规范，而不是一份抄来的模板。

---

七、可带走的判断清单

1. 环境事实写进规则，而不是配置文件或对话里。包含模型与服务商、超时、代理回退、是否流式四类，再补上技术栈锁定和端口规则。
2. 把踩过的坑写成明确的禁令。中文输入法要检查组合状态标记，工具调用优先用标签格式，图标用矢量图形且不依赖公共网络。
3. 不可逆操作必须设三道闸，且都设在执行之前。备份拦数据损失，回退方案拦无法恢复，改动审查拦带病发版。发布走代码仓库通道，凭据禁止硬编码。
4. 长对话靠锚定对抗遗忘。超过十轮，在修改代码、修改配置、部署之前强制复述目标与约束；目标以最新一次为准；并行编辑前必须先重读文件。
5. 把协作流程改成四步，断点前移。复述、写需求文档、等你确认、再编码。同时按删、换、调、补把规则改造成自己的版本。

这五条的共同点是同一句话：把模糊期望变成可执行的具体动作。它负责快，规则负责稳。规则的价值不在于多，而在于每条都解决一个真实问题。

---

八、音频与文字稿说明

• 音频为单人口播，面向非工程背景听众，全程不直接口播英文缩写，数字以中文读法呈现。
• 文字稿按「能力地图—概念拆解—审查清单—约束说明—实践提示」组织，可直接作为团队内部培训材料使用。
• 音频的八段结构与本文第三、四节对应，建议先听音频建立主线，再回到本文查清单。
• 本集素材源自开源规则仓库（MIT License）的多个章节，文中已按中文语境改写为可复用的判断与清单。

---

来源：xueai.miyang.cn（小山学堂 · 洛小山《学 AI 产品，从入门到精通》）