公司訂了一堆 AI 使用規範,真的有在執行的有幾條?一次盤點的結果是 220 條裡 24 條
2026-11-13
江江教練
9
我把自己寫給 AI 的規則盤了一次,約 220 條,裡面真的有機制在執行的約 24 條。代價最高的那 60 條裡,48 條完全靠 AI 自己記得。更早之前,我把規則主檔砍掉三分之一,18 天後它長回來了,離砍之前只差八百字。模型聽不聽話是另一回事;這次盤點暴露的是,規則缺了觸發點、執行器跟驗收方式。企業的 AI 使用規範也可能出現同樣的狀況:規範一條一條加,卻沒有人回頭問,這條規則誰會在什麼時候讀到、什麼東西在執行它、什麼輸出能證明做過。是不是如此,要靠盤點才知道。這篇給一張四欄盤點表、三題准入閘,以及一條真實的瘦身與回胖曲線,讓「訂規範」這件事有辦法被驗收。
我把自己寫給 AI 的規則盤了一次,約 220 條。裡面真的有機制在執行的,約 24 條。代價最高的那 60 條裡面,48 條完全靠 AI 自己記得。
這件事跟模型聽不聽話無關。我寫了規則,卻沒給它觸發點、執行器跟驗收方式,所以它從頭到尾就只是一段文字。會去盤這件事,是因為我先發現規則主檔砍掉三分之一之後,18 天就長回來了。
我用的是給 AI 讀的規則主檔,企業裡對應的東西叫 AI 使用規範、交辦準則、資安政策、審核要求。名字不一樣,會不會遇到同樣的狀況,要盤點過才知道。
這篇在講什麼
規範多不多,跟規範有沒有效,是兩件事。這篇給一套量「執行覆蓋率」的做法,讓公司在加下一條規範之前,先知道現在的規範有幾條真的在跑。
適合誰
- 公司已經訂了 AI 使用規範,但沒把握同仁跟 AI 到底有沒有照做的主管
- 規範越訂越多、精簡過一次又長回來的治理與合規角色
- 負責導入流程、要為規範設計執行機制的營運與 IT 角色
本篇分享
- 一張四欄盤點表,查每一條規範到底有沒有東西在執行它
- 三題准入閘,把新增規範的預設值從「加」翻成「不加」
- 一條真實的瘦身與回胖曲線,以及我對它為什麼發生的解釋
- 五個步驟:量、補洞、裝閘門、留證據、排複查
我的實際曲線

18 天回胖 8,397 字。先講這份數據的限制:這些字數是我從自己的自動備份裡,把各個時間點的規則檔逐一算出來的,那是我自己的備份檔,外人看不到,只能看我整理出來的記錄。而且備份會定期清理,原始資料之後也會不在。
這條曲線讓我打消了再砍一次的念頭。它讓我看到另一件事:我沒有任何機制阻止規則變多。在這種狀態下再砍一次,18 天後我大概會再看到同一條曲線。企業如果只做一次「精簡規範」卻沒有機制擋住新規範,可能也會看到類似的曲線;是否如此,要用自己的數字確認。
為什麼會復胖
以下是我自己的解釋,不是實驗結論。
我有一份方法論叫「減法許可協議」,從開源技能包 Ponytail 提煉來的。它說任何有減法性質的規則,都需要三個零件。決策階梯:把「請簡潔」這種模糊的形容詞,變成一條有順序、可以逐項打勾的是非題清單。舉證反轉:把預設值從「做」翻成「不做」,想加東西的人要先證明非加不可。紅線保留:任何減法規則上線時,同時釘一張絕不砍的清單。
我看了一下自己的狀況:階梯有,紅線有,舉證反轉沒有。我把這個缺口當成復胖的原因。每次有新規則要進主檔,預設答案都是「加吧,反正也不差這幾百字」。加的成本是零,刪的成本很高,曲線當然只會往上。問題不在勤不勤勞,在於預設值站在復胖那一邊。
放到企業可以問同一個問題:新規範進來時,加的人要不要證明它會被執行?砍的人是不是要為萬一負責?如果前者不用、後者要,預設值就一樣站在復胖那一邊。
防復胖引擎長什麼樣
我補的東西很簡單,就是三個問題。每次要往規則主檔加東西之前,先回答:
- 這條「每輪對話」都需要載入嗎?這裡問的是載入頻率,不是重要程度。很多規則很重要,可是只在特定情境需要,那它應該放按需載入的地方。
- 既有的規則或工具已經涵蓋了嗎?重複維護同一件事,遲早會變成兩個互相打架的版本。
- 這條掛在哪個執行器上?自動攔截、腳本、既有流程的掛載點,還是純靠自覺?如果是純靠自覺,違反的代價是什麼?代價低才留純自覺。
三題有任何一題答不出來,就不要進主檔。企業版的問法一樣:這條規範是每個人每天都要看的,還是只有特定流程才需要?既有制度已經管到了嗎?誰或什麼系統在執行它,還是只靠同仁記得?
我另外把它做成一個自動提醒,改主檔的時候會跳出來問,順便告訴我現在幾個字、比基準多了多少。它不阻擋,只提醒。會選提示型,是因為我還不知道有沒有效,一個月後看字數曲線再決定要不要升級成擋下來。沒有自動化環境的話,把三題存成固定的檢查片段,每次改規範前先跑一次,判斷邏輯完全一樣。
一個更值錢的發現:四欄盤點
做這件事的時候,我順便把整份規則主檔盤了一次,逐條標四個欄位。
]
盤出來約 220 條規則,有機械執行器的約 24 條。再往下切,把代價高的挑出來,也就是會刪除資料、會覆寫、會對外送出、會部署、會給客戶看的那些,60 條。這 60 條裡面有執行器的,12 條。也就是說,48 條代價最高的規則,完全靠 AI 自己記得。代價高不高是我自己標的,邊界案例大概有正負三條的誤差,量級不會差太多。
裡面最刺眼的一條是「跨家審稿」。我規定重要產出必須由不同家的模型互審,禁止自己審自己。這是我整套品質體系的基石。它零機械檢查。我這輪工作確實跑了跨家審,可是那是我自己開口要求的,沒有任何東西提醒我要跑。
盤點時還看到一個模式:出過事的規則,後來都補了自動檢查;沒出過事的,都還靠自覺。我的補洞機制是事後反應型。這是我看整體的印象,我沒有逐條追過每一條的歷史,也不能推論企業普遍如此;你可以拿自己的規範驗一次。
這比砍字重要在哪裡
回到最初那個問題:該不該再砍一輪。答案是不該,至少不該優先做。因為規則多不多,跟規則有沒有效,是兩件事。一條沒有觸發器、沒有執行器、沒有完成證據的規則,就算寫得再精簡、放在再顯眼的位置,它仍然只是一段文字。反過來,一條有自動檢查擋著的規則,就算它佔了 200 字,它每天都在幹活。
所以我後來的順序是:先量執行覆蓋率,再決定刪、移、合併還是機械化。先砍字的話,砍完會發現該擋的還是沒擋住。
你可以怎麼做:五個步驟
第一步,先量。找一天把規範逐條標上四個欄位。你會很快發現哪些條文根本沒有觸發點,哪些從來沒有人驗過有沒有做到。這一步是唯讀的,不會動到任何東西。
第二步,補洞。把「代價高但沒有執行器」的挑出來,逐條決定:補一個機械檢查、改寫成會被觸發的形式,或是降級搬去按需載入的地方。不用全部都補自動檢查,檢查太多會互相干擾,誤攔率會上升。
第三步,裝閘門。把那三題放進流程,讓新規範進主檔之前要先過。這一步才是防復胖的關鍵,前兩步做完沒有這一步,過幾週會再看到同一條曲線。
第四步,留證據。你要能證明機制有效。我一開始把字數記錄放在提醒裡,結果它只在規則沒有變短的時候才記,刪除完全不會被記錄,而「有沒有下降」正是這條曲線要回答的問題。後來把記錄拆成獨立的一支,每次改動之後都量,這條曲線才變成可以拿來做決定的東西。
第五步,排一個固定的複查行程。前面四步都是一次性的動作。閘門裝好了、證據在記了,如果沒有人固定回去看,那條曲線就只是一個沒人讀的檔案。我排了一個每週的固定行程,跑三件事:讀字數曲線看有沒有止漲、看這週有沒有新規則進主檔卻沒答三題、抽查一條有執行器的規則是不是真的還在運作。複查如果只靠記得,它自己就會變成第 49 條沒人執行的規則。
先動的第一步
把公司現行的 AI 使用規範攤開,只做第一步:每一條標上誰會讀到、什麼在執行、什麼能證明做過、每個工具是不是都受約束。標完數一數,有執行器的佔幾條。這個數字會決定接下來該補洞還是該砍,而不是先開一個精簡專案。要不要進到第二步以後,由你看那個數字決定。
想找人一起盤?
我在做企業 AI 陪跑。公司想盤一次現行的 AI 使用規範,或想從一條流程開始把 AI 用起來,可以先看企業陪跑怎麼進行,再決定要不要聊:
- 企業陪跑怎麼進行:https://jiangyude.com/#home-team
- 公司請 AI 顧問來陪跑,要叫全部人一起來學嗎?:https://jiangyude.com/articles/ai-adoption-start-with-one-workflow/
延伸閱讀
- 本文的官網完整版,含 Anthropic 貼文查證過程與砍字砍段的寫作習慣:https://jiangyude.com/articles/rule-file-rebound/
- 用你已經有的管理知識來管理 AI,以豐田 TPS 為例:https://jiangyude.com/articles/manage-ai-with-management-knowledge/
- Ponytail:不寫程式的人,也能用的「決策階梯」:https://jiangyude.com/articles/decision-ladder-non-programmer/
- 交代過的事 AI 為什麼老是忘記?從「我記住了」到讓 AI 自己跑:https://jiangyude.com/articles/after-ai-says-remembered/