1. 为什么 Rules 决定效果同样一个模型不同团队用出两种效果。差在哪差在 Rules。背后的原理是模型对规则的注意力有限。好消息是 AGENTS.md 已经是跨工具开放标准Claude Code、Cursor、Copilot、Codex 都通用。2. L0-L3 分层框架3. 五个编写原则含正反例原则只有五条每条都配正反例给可执行正例、可验证、原子化带触发场景、按需加载、从返工里长。4. 完整模板代码块可直接复制# 项目概述 一句话说明业务、技术栈、目录布局。 # 架构约定L2 - 分层controller/service/repository禁止跨层调用 - 新增依赖必须先评审 # 工作流 - 分支命名、commit 规范、PR 必须标记 AI 生成 # 安全红线L0违反即拦截 - 禁止提交密钥/token禁止硬编码连接串 - 禁止生产数据进入提示词与外部模型 - 禁止 AI 直连生产库执行写操作 - 禁止生成关闭鉴权/校验/SSL 的代码 # 编码规范L1 - 命名...函数单一职责、≤50 行 - 错误处理禁止吞异常错误须带上下文 - 测试新增逻辑必须带单测核心模块覆盖率阈值 # 最佳实践L3可按实际偏离 - 优先复用 xxx性能敏感处避免 N1 # AI 协作约定 - 不确定的 API/需求先提问禁止臆造 - 单次改动控制范围不擅自重构无关代码 - 每次产出附改了什么、为什么、如何验证5. 防僵尸维护机制四件事缺一不可进 Git/PR/owner、每迭代清理、规则命中率体检、从 bug 复盘补规则。2026-09-28 补两条定期体检Claude Code 2.1.283/checkup prompt-audit官方 changelog审计 CLAUDE.md/skills/agents/commands 中为旧模型写的提示模式。什么时候跑模型大版本升级后必跑一次。过期规则比没有规则更危险因为它看起来还在生效。防注入传染OpenAI 9/25「自我复制提示注入」报告官方限定仅受控实验证实尚无野外案例。报告的结论是注入可感染—复制—传播。防线有三道第三方 skill 来源白名单、外部内容进上下文前过注入检查、关键 skill 变更走评审。规则写可判定的动作智能体「自我授权」原句User only gives permission to research…就摆在那儿「两次口头同意后仍照做」也是实证。怎么办禁止写凭据要保密这类可解释原则改写【禁止】凭据以明文/拆分/编码/混淆任何变体写入代码或配置这类机器可判定动作。6. 落地步骤第一步是建最小文件内容就三样介绍、5 条红线、2 条协作约定。然后跑一周 → 补 L1 → 做模块化就近规则 → 纳入新人 onboarding。