规则集中一处 — AI 规则文件怎么写 (2)

如果你正在向 AI 第三次重复同一句话， 那就是个信号：这已经不是对话，而是该写成规则了。

靠嘴反复交代的规则会漏掉

「别动原始数据。」「数字一定要附上依据。」「结果按日期放到这个文件夹。」和 AI 一起工作，往往每次会话都得重复同样的指示。口头交代的规则会随会话结束而消失，到了下一次会话，忘了这条规则的 AI 就会覆盖原始数据，或给出没有依据的数字。

正如上一篇所见，AI 无法跨会话记忆。既然如此，规则就不该放在对话里，而该放进 AI 启动时自己会读的文件。

早已成为标准的那些规则文件

这不是某个特定工具的事，而是在 AI 编程工具里普遍扎根的惯例。

• CLAUDE.md — Anthropic 的 Claude Code 会在开始会话时把这个文件自动载入上下文。可以把全局规则和各项目专属的规则分开放（官方文档、最佳实践）。
• AGENTS.md — 一种不绑定特定公司的开放标准，自称「写给智能体的 README」。据该站点自己统计，已有 6 万个以上的开源项目 在用，OpenAI Codex、Google Jules、Cursor、Copilot 等 20 多种工具予以支持（agents.md）。
• Cursor 规则 — 把项目规则以文件形式放进 .cursor/rules/，就会被注入智能体上下文（单一的 .cursorrules 已作为遗留方案逐步淘汰，官方文档）。
• GitHub Copilot 仓库指令 — 写进 .github/copilot-instructions.md，就会自动应用于关于该仓库的所有对话。它于 2025 年 1 月 21 日以公开预览形式推出（GitHub 更新日志）。

名字和位置各异，原理却只有一个。把始终要遵守的东西汇总到一处，启动时自动读取。

被遵守的规则和被忽略的规则

做出规则文件，和规则真的被遵守，是两码事。差别就在句子上。

被遵守的规则	被忽略的规则
「原始 data/ 只读，加工件放到 outputs/」	「数据小心点」
「结果数据要并列写上评测集版本与样本数（n）」	「认真做」
「对外发布（追踪器·wiki·消息）须先确认草稿」	「上周实验结果大概就那样」

原则有三条。

• 用可验证的句子 — 能判断遵守没遵守，才算规则。「小心」是没法判断的。
• 写得简短 — 规则文件每次会话都会被整份读取。越长，每次的成本就越高。Anthropic 的文档也建议保持简洁。
• 剔除一次性事实 — 「上周实验结果」这类进展情况不是规则，该进笔记。规则里只留始终要遵守的东西。

全局文件里放对所有工作都通用的规则，项目文件夹里的文件放只在该项目通用的规则。

规则装不下的东西 — 习惯与事实

有一条边界要注意。「今后 每逢 这种情况就那样做」这类必须毫无遗漏执行的自动化，与其放进规则文件，不如交给程序在指定时点强制执行的装置（钩子）更稳妥。规则没被读到就可能漏掉，而钩子始终会运行。这个话题后续篇章会再谈。

还有，「上次花了半天才查明的陷阱」这类 一次性的事实与教训 不归规则，而归记忆。下一篇接着看 — 一个文件一个事实。

如果你想把规则文件定为团队标准，我们把多个服务作为一套体系运营时所用的规则框架，可以通过联系我们分享给你。

---

「把 AI 当作会记忆的同事」系列

1. AI 为什么会忘记昨天 — 会话的遗忘与上下文成本
2. 规则集中一处 — AI 规则文件怎么写（本篇）
3. 一个文件一个事实 — 自动记忆
4. 写给下一次会话的自己 — 每日笔记与交接
5. 升格为团队的语言 — 追踪器·wiki·Git
6. 陷阱与四周落地路线图