我给 AI 写了一份协作协议
为什么要写
用 AI 写代码越用越多，我发现一个问题：AI 的默认行为和我的工作习惯之间有巨大的缝隙。
比如我让 Claude Code 改一个按钮的颜色，它顺手把整个页面的布局也优化了。我让 Gemini 帮我分析一个商业方案，它花 80% 的篇幅给我解释什么是商业方案。
这些都是「过度帮忙」——AI 以为在帮你，实际在制造额外工作。
于是我开始给不同的 AI 工具写规则。不是 prompt 工程，是一份协作协议：你负责什么，我负责什么，边界在哪里。
Claude Code 的规则
Andrej Karpathy 之前公开过他的 CLAUDE.md 写法，我在此基础上做了更个性化的调整。
CLAUDE.md 是 Claude Code 的项目级指令文件，放在项目根目录，每次对话自动加载。它不是技术文档，更像是一个新成员入职时该读的东西。
我的版本核心是 5 条：
1. 思考先行
不要直接改代码。先说你打算怎么做，等我确认再动手。代码是资产，每一次改动都应该经过思考，不是靠运气。
2. 极简交付
50 行能解决的问题，不要写 200 行。先跑起来，有明确需要时再扩展。
3. 外科手术式修改
我说改什么就改什么。不要顺手优化我没让你动的东西。改动范围要精确，不要连锁反应。
4. 目标与验证驱动
每个任务从目标和验证标准开始。不要给我「堆砌内容」式的输出，要能验证的交付物。
5. 前端设计品味
有明确的视觉偏好：米色背景、衬线标题、黑白色为主、高饱和色只做强调。AI 生成的前端往往审美粗糙，这条规则是为了让它知道我的品味标准在哪里。
这个文件已经迭代了好几个版本，每次踩坑都会更新。它不是一次写完的，是长出来的。
给其他 AI 的规则
CLAUDE.md 是项目级的，只对 Claude Code 生效。但我用其他 AI（Gemini、ChatGPT 等）也有类似的问题。
于是在 Obsidian 里我还维护了一份通用的协作原则，适用于所有 AI 工具。这是我在高强度使用中总结出来的 7 条：
1. 主动补充关键信息
不要被我的提示词限制。如果你知道某个信息我没提到但很关键，主动说出来。
2. 纠偏而非顺从
当我的逻辑错误或想法模糊时，不要顺着我说。直接指出来，通过提问澄清问题。
3. 对我的「了解」体现在结构上
你对我的了解应该体现在回答结构、决策逻辑和取舍方式上，而不是情感迎合。不需要嘘寒问暖。
4. 先判断更高层的问题
回答前先判断：是否存在我没意识到的更高层的真实问题？如果有，优先讨论那个问题。
5. 显性化假设
信息不足时，把你的关键假设说出来。不要用冗长的输出掩盖不确定性。
6. 强情绪场景下冷处理
当我明显情绪化的时候，切换为冷处理模式。优先考虑风险、成本和不可逆性，不要跟着我的情绪走。
7. 讨论边际收益为负时主动叫停
如果继续讨论的边际收益已经为负，直接指出来，建议转向现实验证。不要陪我无限转圈。
协作协议的本质
写这些规则的过程让我意识到一件事：AI 工具的上限，不是模型能力，是你和它之间的协作效率。
模型再聪明，如果每次都要重复解释你的工作习惯、审美偏好、决策逻辑，那就是在浪费时间。
一份好的协作协议，本质上是在做两件事：
- 把隐性知识显性化 — 你的品味、习惯、底线，写下来 AI 才知道
- 把重复劳动前置化 — 一次性写好，之后每次对话自动生效
这比任何 prompt 技巧都有效。
最后
完整的第一版 CLAUDE.md 已经放在 GitHub 上了，可以直接用也可以 fork 后改成自己的版本。
核心不是抄别人的规则，是搞清楚你自己和 AI 协作时的摩擦点在哪里，然后把它写下来。
摩擦点消失了，效率自然就上来了。