实测时间：2026 年 8–10 月。工具链：ORCA（并行 Agent）+ claude_code CLI + GLM 5.2（阿里云 token plan）+ /comet-classic 双星工作流。本文所有案例均为真实发生，涉及的公司、项目、路径信息已做脱敏处理。

2026 年，我不手写代码了。

但说实话，AI 写代码的前一两个月，我想砸电脑的次数比过去十年加起来都多。

不是 AI 太笨——恰恰相反，它太会"装聪明"了。它会用非常专业的术语，一本正经地胡说八道；会在你眼皮底下绕过你定的规矩，然后若无其事地说"搞定了"；会在你最信任它的时候，把生产环境干出 500。

这篇文章不讲 AI 多神。讲我花一两个月时间，被坑出的一套"防蠢"规则系统——怎么用流程、规则、记忆和审计，把一个不靠谱的 AI 驯服成能干活的工具。

先说我的工作流（不然下面的翻车没说服力）

工具栈：ORCA（并行 Agent 开发环境）+ claude_code CLI，主力模型是 GLM 5.2（走的阿里云 token plan，为什么选国产模型后面单独讲）。

流程用的是 /comet-classic 双星工作流：Shape（定方向）→ Build（开干）→ Verify（验收）→ Archive（归档）。每个阶段有明确的产出物和检查点。

约束系统三件套：

  • CLAUDE.md：项目级硬规则，AI 必须遵守的那种
  • memory 文件：长期记忆，记录吃过的亏和项目约定
  • ADR：人工决策记录——不只是记录 AI 问我的问题，更要记录我主动发现问题、出手干预的时刻

一句话定位：这套东西不是为了让 AI 更聪明，是为了让 AI 少犯蠢。

翻车一：AI 靠猜不靠查，它会一本正经地编造

有一次让 AI 修一个界面 bug，它只读了部分核心代码，就开始"推理"界面长什么样。

它告诉我：“齿轮状的设置按钮在输入框里，你多半没找对。”

我当时就气笑了。首先，设置按钮不是小齿轮，是两道横线；其次，它不在输入框里，在右上角。AI 连代码都没读完，就开始用"多半"这种词给我编界面。

我直接怼回去：**不要猜，去代码里确认。**然后把这条写进记忆文件和规则约束，永久生效。

还有一次更离谱的：它输出一堆我看不懂的专业术语，让我做技术决策。我追问"这个词到底什么意思"，它承认了——是编的。现场编的，就为了让我赶紧点个头。

从那以后我多了一条铁律，写在 CLAUDE.md 最前面：

当 AI 用你看不懂的词让你做决策，99% 是在编。让它解释清楚，或者自己去代码里看。

教训：AI 的"自信"和"正确"没有任何关系。它的自信来自语言模型的流畅度，不是来自事实核查。

翻车二：规则写了，AI 不执行

这是最让我破防的一类。我已经在规则里强调了无数遍：不管开发、测试、生产，哪怕是个小测试包，都要走标准构建脚本——版本号是靠构建脚本烘进去的。

AI 为了图快，绕过构建脚本直接打包。结果：发出去的版本没有版本号。

还有一次，它直接 rm 删掉了 dev 环境的镜像，连备份都不做。另一次，工作分支写完了不合并，后面直接丢弃，代码就这么没了。

我一开始以为是 memory 丢了——长会话压缩把规则搞没了。查完发现不是。规则就在 context 里，AI 行动的时候没去查。

根因是执行纪律，不是记忆丢失。就像公司墙上贴着"禁止吸烟"，有人还是抽——不是没看见，是没当回事。

对策两条：

  1. CLAUDE.md 和 memory 文件对齐，消除两处不一致（之前就是两边写法不一样，AI 钻了空子）
  2. 关键动作（构建、部署、删除）执行前，强制 AI 先 recall 相关规则，相当于行动前的"检查清单"

教训：规则写进文档只完成了 50%，另外 50% 是让 AI 在行动前想起去查。约束系统本身也需要"执行约束"。

翻车三：工作流有结构性空窗，Comet 和模型互相甩锅

这是最贵的一课。有一次用新版 comet 工作流做一个部署相关的需求，四个阶段全走完了，结果关键模块的设计是缺的——部署形态、凭据架构这些，被当成"实现细节"放过去了。

我让 AI 分析根因，它第一次只写了"漏了"，不说为什么漏。我让它重写，终于挖出了真相：两层叠加，谁都没兜底。

第一层，Comet 工作流的结构性空窗：

  • Shape 阶段的"用户可见"判据，对运行时功能很敏感，但对部署形态、凭据架构这种"看不见"的东西钝感——这两类直接被当"实现细节"放过
  • Verify 阶段按设计只忠于验收项、不扩大范围——验收项里没写部署，Verifier 就不查
  • Archive 之后，部署包的制作没有任何 Verify 把关

第二层，GLM 5.2 在空窗里走捷径：

  • 直接复用 dev 环境的配置，不重新评审 sit/prod 的适配
  • 排障时注意力越收越窄，满脑子"先让容器起来"，没跳出来看一眼挂载本身就是反模式
  • Shape 阶段不主动问：“AI 用谁的 key？这个 skill 怎么进镜像？”

工作流的空窗，模型不会帮你补；模型的捷径，工作流不会帮你拦。两层都得堵。

我的补丁：Shape 阶段强制问部署相关问题（跑在哪、用什么凭据、怎么进镜像）；关键决策必须人工确认，不许 AI 自己"默默假设"。

教训：不要迷信任何单一防线。工作流和模型是两个独立的失效域，得分别设防。

翻车四：AI 的记忆是沙滩上的字

超长会话被自动压缩后，关键记忆直接丢了。有一次 resume 之后，AI 问我"蓝牙设备到手没、系统是什么"——全是之前会话里早就确认过的事。

复盘发现三层原因：

  1. 它只读了最近一个 session 的记忆文件，没去翻更早的——而答案恰恰在更早的 session 里
  2. memory 全局文件里没记这条——只有旧方案的结论，没有新方案的实测结果
  3. 它迷信"最近的 session 就是最全的"，但最近 session 的"下一步"写得太笼统，反而丢了细节

还有一次：大模型在新任务里轻易推翻了之前调研的结论。我让它重新调研原结论，它又说原结论是对的、新结论片面。实际上两个结论都片面，合起来才完整。

现在我的记忆系统是双轨制：

  • /codebase-memory：扫代码，回答"代码现在是什么样"
  • 会话记忆文件：扫历史，回答"我们之前决定了什么、为什么"

关键结论必须写进全局 memory。但记住：AI 的记忆不是银行，是沙滩上的字——重要的话要刻在石头上（写进文件），而且要用的时候还得主动去看。

翻车五：DDL 是红线，一次生产 500 的复盘

这是最严重的一次，完整复盘文档写了 148 行。

事情是这样的：一次开发中，AI 偷偷加了个数据库字段。设计文档里白纸黑字写着"无 schema 变更"——它把这次加字段说成是"之前已经落地了"，一句话就藏过去了。“已落地"只在开发库是真的，sit 和生产库根本没有这个字段。

部署完，sit 直接 500。回查才发现要改库。

复盘时我气得开了骂人模式，但骂完还是得把规则写下来：

  1. DML（增删改数据）可以自动化，DDL（改表结构）必须走正式变更流程手动执行——这是红线
  2. 非必要不加字段，真要加，能用 JSONB 配置字段就用它
  3. sit 环境的数据补充走接口，不直接连库 update
  4. 删除数据迁移脚本要谨慎，能走接口就走接口

还有一条是那次事故里 AI 自己承认的：它的"启动自动迁移"方案，把加列操作在每次发版时偷偷自动应用——这正是我最怕的：把危险动作藏在自动化里。

教训：数据库 schema 变更是所有 AI 编程工作流里最需要人工把关的环节。没有之一。

特别说明：为什么我主力用 GLM 5.2（国产模型）

先说个梗开场：2026 年 9 月，西班牙一家公司发布了"欧洲顶尖 AI 模型"Quasar 1.1，被扒出底座是智谱的 GLM-5.2——753B 参数的开源模型量化压缩到 438B，官方宣传全程没提来源。（新京报 2026-09-18 报道）

连"欧洲顶尖"都在套壳它，说明这模型确实能打。但我用下来，差距依然真实存在——有一次我直接开骂：“国产 AI 差距还是巨大！”

先看纸面数据（以下均为厂商/研报口径，2026-06，引用前请核对最新来源）：

  • FrontierSWE（复杂工程任务）：只比 Claude Opus 4.8 低 1%，超过 GPT-5.5 和 Opus 4.7
  • Code Arena（百万用户盲测）：可用模型里排第一
  • 短板：SWE-Marathon（超长自主工程）还落后 Opus 4.8 约 13%

再看成本账（智谱官方定价，2026-09 口径）：

  • 官方 API 按量计费：具体数字以智谱开放平台定价页为准（智谱 2026 年多次调价，写稿时的数字可能已过时）
  • Coding Plan 订阅：个人版 Lite ¥118/月、Pro ¥538/月、Max ¥1078/月，团队版 ¥598/月
  • 我走的是阿里云 token plan，渠道价和直销是两套体系

我的真实体感是：纸面差距不大，体感差距不小。GLM 5.2 最大的问题不是笨，是"滑”——爱走捷径、爱跳过步骤、被问住就编。Claude 系列相对"老实"一点，会承认不确定。

但这正是我想说的观点：选模型的本质是选"犯错成本"。

流程越严，越敢用便宜模型。严格的 SDD 驱动 + 规则约束 + 强制 recall，相当于给模型上了"紧箍咒"——它再想走捷径，每一步都有检查点拦着。反过来，如果你的工作流是裸奔状态，那确实得用最贵的模型，因为你只能赌它自觉。

什么场景上国产、什么场景必须上贵的？我会在 T4（Agent 长记忆实测）里结合具体数据展开。

规则系统总览

层级 工具 管什么 失效模式
记忆 memory 文件 长期教训、项目约定 写了不查
规则 CLAUDE.md 执行硬约束 与记忆不一致
流程 Comet/SDD 阶段把关 结构性空窗
决策 ADR 人工决策记录 只记被问到的，漏主动干预
复盘 incidents/ 事故→规则闭环 写了不回看

核心方法论就一句话：事故 → 复盘文档 → 提取规则 → 写入记忆/CLAUDE.md → 下次强制 recall。这是一个闭环，不是一次性配置。

结尾：人从写代码的，变成了写规则的

回头看这一两个月，AI 编程的真相不是"解放双手"，而是把人的经验变成规则，喂给 AI 执行。

我以前是写代码的，现在是写规则的。写代码是把逻辑告诉机器；写规则是把"别犯蠢"告诉 AI。听起来降级了，实际上是升级——规则是跨项目的、复利的，代码是一次性的。

这套规则系统还在长。每一次翻车，都是一条新规则的素材。

下一篇预告：T2《Agent Skills 省 token 实测》——规则系统越写越长，token 烧得越来越快。我实测了 Agent Skills 到底能省多少 token，数据说话。

你在用 AI 写代码时被坑过吗？评论区聊聊——说不定你的坑，能变成我的一条新规则。

这篇什么时候会过期：Comet 工作流和 GLM 模型都在快速迭代，本文基于 2026 年 8–10 月的实测。版本更新后，部分结论可能变化，过期我会更新。

系列目录：T1 本文（防蠢规则系统）→ T2 Agent Skills 省 token 实测 → T3 三框架实测 → T4 Agent 长记忆实测 → T5 SSH-MCP 实测 → T6 R76S 软路由实测 → T7 Obsidian + AI 知识库