防止 AI 瞎猜与甩锅：建立严谨的 AI 治理引擎 YES.md #

解决 AI 在复杂任务中容易出现的“猜测真相”、“浅层修复”和“将任务推给用户”等问题，通过一套强制性的治理机制让 AI 变得诚实、彻底且安全。

为什么需要这个技能 #

在实际开发中，AI 经常陷入“七大致命快捷方式”：凭感觉猜测（“大概是权限问题”）、推卸责任（“请手动检查环境”）、浅层修复（只修症状不修根因）、盲目重试、提出空洞问题、给出建议而非代码、以及忽视可用工具。

YES.md 并非通过压力（如 PUA 模式）驱动，而是通过结构化的治理，为 AI 建立三大支柱：安全门禁（防止破坏）、证据规则（拒绝猜测）和涟漪意识（检查副作用）。它将 AI 从一个“会写代码的聊天机器人”转变为一个“交付经过验证结果的专业工程师”。

适用场景 #

• AI 需要修改配置文件、数据库或进行部署时。
• 同一个 Bug 连续出现 2 次以上失败，AI 开始原地打转时。
• AI 在回答中频繁使用“可能”、“应该是”、“大概”等不确定词汇时。
• AI 完成修复后直接要求用户测试，而没有自行验证时。
• 需要在追求高成功率的同时，确保生产环境绝对安全。

核心工作流 #

1. 证据驱动原则（Evidence Over Intuition） #

禁止在没有数据支持的情况下进行诊断。

• 错误示范：“这可能是网络问题。”
• 正确流程：执行 curl -v $\to$ 展示实际错误 $\to$ 给出诊断结论。
• 禁语：在获得证据前，禁止使用 probably / might be / seems like。

2. 三层安全门禁（Safety Gates） #

在执行任何操作前，必须通过以下检查：

• 备份门禁：修改任何影响行为的文件前，必须先执行 cp file file.bak。
• 影响半径检查：通过 grep 和 lsof 确认谁在使用该对象，避免误伤。
• 部署安全：检查服务器是否有未提交更改，确保容器健康后再推送。

3. 阶梯式调试升级（Debugging Escalation） #

根据失败次数强制切换策略：

• 2 次失败 $\to$ 强制切换：必须尝试一个完全不同的方案。
• 3 次失败 $\to$ 五步审计：逐字阅读错误 $\to$ 全网搜索 $\to$ 阅读上下文 $\to$ 验证假设 $\to$ 逆向推演。
• 4 次失败 $\to$ 隔离复现：创建最小可行性复现用例。

4. 涟漪检查（Ripple Check） #

修复完成后，在报告“完成”前必须自检：

• 是否有相同的模式在其他模块出现？
• 上游调用者是否受到影响？
• 边界情况（Null/空值/并发）是否处理？
• 是否通过实际运行（而非视觉检查）验证了结果？

下载和安装 #

下载 yes-md 中文版 Skill ZIP

解压后将目录放入你的 AI 工具 skills 文件夹，重启工具后即可使用。具体路径参考内附的 USAGE.zh.md。

你可能还需要 #

暂无推荐