判断、执行、审核与循环：构建你的 AI 工作环境

用目标、锚点、结构和边界，构建人机协作轨道。

《系统与自由》的核心主张，是“有界的无限”。

真正的自由，来自清晰边界内涌现出的无限。真正的边界，也是一种被他者读到、承认，并选择不越过的结构事实。

人机协作也是这样。

AI 语言模型很强，但它天生会输出漂移，并伴随幻觉、自洽性虚构和超长上下文丢失等问题。它就像是你雇了一个极度聪明、记性不算太好、手速极快、还喜欢钻牛角尖的伙计。

更麻烦的是，这个问题有一部分是胎里带的。直到现在，人类在数学上也没有完全理解大模型整体的运行原理。很多时候，我们仍然是在调参数、看输出、总结经验。规模到了某个临界线，智能会开始涌现；但为什么这样涌现，还没有被彻底解释清楚。

所以，大模型更像一项仍在高速演化的经验工程，不能当成一台完全按说明书托付的机器。

如果你对这条线感兴趣，可以读我在 OathAI 上整理的随笔档案《写在数学可以解释 AI 之前》。

你不给它目标，它不知道该做什么。 你不校准锚点，它会在一次次看似合理的优化里偏离航向。 你不给它边界，它会把你项目的复杂度扩到无法维护的程度。 你不设置循环，它会走一步就停下来问你一次接着干嘛。

所以，构建人机协作环境的关键，是搭起一个个人 AI 运行时：让 AI 进入一种有界的无限的运行状态，能持续执行、复核、修复、推进，但始终运行在目标、锚点、结构和边界锁定的轨道上。

我把这套结构称为“个人 AI 运行时”。

这里的“运行时”不指某个单独工具。它是一套工作结构：AI 在其中持续执行、互相复核，并在边界处等待人类判断。

下面直接讲如何立即搭建一个属于你的 AI 时代人机协作环境。

1. 准备你的工作入口

当前可用样例如下（2026年6月）

PC
Windows
Codex Windows App
手机 GPT App
GPT 订阅账户

这只是当前可用样例之一。你可以用 Claude、Gemini、Copilot、Grok，或者其他大模型厂商提供的类似产品。重点落在能力组合：你需要一个能读取本地目录、能持续执行任务、能保存项目上下文、能和你长期协作的 AI 工作入口。手机端负责随时记录、发起、查看和补充任务；真正读写本地目录和连续执行，仍以 PC 工作入口为主。

2. 在 PC 上建一个工作目录

把项目放进去，下面至少设三个子目录：

01_原始材料和文档区
02_AI工作文档区
03_产出物

`01_原始材料和文档区` 放你自己整理好的材料。包括笔记、手稿、截图、聊天记录、参考文档、旧版本、背景说明。这里的关键是：人先把材料放进一个可读空间里。让 AI 可以读到最原始的事实基础。

`02_AI工作文档区` 这是 AI 会自动维护的工作目录。比如协作说明、项目记忆、任务协议、术语表、循环规则、审核清单。你也可以亲自审核修订这里的每一份文档。

`03_产出物` 放最终产物。文章、方案、翻译稿、网页文案、发布版本、交付文件，都放这里。这样可以避免 AI 陷入不必要的语义混淆中，保持边界的清晰感。

3. 写一份起步版人机协作规则

接下来，你需要写一份最简单的人机协作规则说明书。

不需要很复杂，只写最重要的部分：

你希望 AI 怎么做。
你禁止 AI 怎么做。
哪些事情必须先问你。
哪些材料不能擅自发布。
哪些事实口径不能擅自改变。
输出物应该放在哪里。
做完以后怎么自检。
遇到什么情况必须停下来。

这份规则无需一次写完，它会在过程中不断完善，逐渐变成你的操作系统。

比如，你可以先写清楚：

不要擅自改变项目目标。
不要擅自重写作者立场。
不要为了顺滑牺牲原始判断。
不要把未确认材料当成公开事实。
遇到新目标、新边界、新公开含义，必须停下来等待人类判断。

这一步很重要。AI 最危险的地方，往往在于它太会把事情做得“看起来合理”。规则说明书就是你给它写下的第一圈边界。

4. 建立三个项目对话

然后在 PC Codex APP 里建立项目对话，并把工作目录指向刚才设置好的工作目录。

我建议至少建三个对话：

讨论对话
执行对话
审核对话

讨论对话负责理解材料、拆目标、设计方案。你在这里和它对齐目标，锚点，结构和边界。

执行对话负责按方案推进任务。它不负责重新发明方向，而是在确认过的结构里连续执行。

审核对话负责挑错、查漏、指出风险。审核流程非常重要，绝对不要忽略这个步骤。

最小可行方式很简单：三个对话共享同一个工作目录；讨论对话产出任务卡；人把任务卡交给执行对话；执行结果再交给审核对话。等你熟练以后，再考虑让对话之间自动转交。

这三个对话使用同一个工作目录，角色分工不同。这样可以把判断、执行和审核拆开，保持边界清晰，也避免对话上下文膨胀失控。

5. 第一次对话是初始化工作环境

不要一上来就让 AI 干活。先让讨论对话读你的协作规则，再读 `01_原始材料和文档区`。

你可以这样指示它：

请先读取工作目录中的协作规则和原始材料。建立项目背景上下文。
或
先理解这个项目是什么、材料有哪些、目标是什么、已有口径是什么、哪些地方不能擅自改动。

这一步的目的，是让 AI 从“临时问答状态”进入“项目理解状态”。

很多人用 AI 出问题，就是因为每次都从一句孤立 prompt 开始。AI 不知道你的历史，不知道你的禁区，不知道你的长期目标，也不知道哪些表述已经被你确认过。它只能在当前窗口里漂给你看。

6. 让讨论对话生成人机协作环境四件套

至此，可以开始让 AI 生成人机协作环境四件套了：

AGENTS：AI 行为说明书
MEMORY：项目长期记忆
Protocol：任务执行协议
LOOP：循环推进机制

这四份文件可以从我的个人 AI 运行时开源模板起步。

你要做的是把模板交给 AI，再提供原始材料、目标和边界，让讨论对话生成适合你项目的第一版，然后你只审核关键判断。

`AGENTS` 是这个工作区里的 AI 行为说明。它告诉 AI：你在这里是谁，应该怎么工作，默认遵守什么风格，遇到什么情况要停。

`MEMORY` 是长期项目记忆。它记录项目事实、作者偏好、关键术语、当前状态、已经确认过的判断，避免 AI 反复问你重复问题。

`Protocol` 是任务执行规则。它规定任务怎么接，材料怎么读，输出怎么放，完成后怎么检查，哪些情况可以继续，哪些情况必须交给人类做判断。

`LOOP` 是循环机制。它规定讨论、执行、审核、修复、继续之间怎么交接。没有 LOOP，AI 很容易做完一步就停在那里。

如果你用 Codex 这类可以读取本地目录的工作环境，文件名可以直接写成这样：

AGENTS.md
MEMORY.md
TASK_PROTOCOL.md
LOOP.md

每份文档先有最低内容就够：

AGENTS.md：角色、默认行为、禁止事项、停机规则。
MEMORY.md：项目背景、核心术语、已确认判断、当前状态。
TASK_PROTOCOL.md：任务怎么接、输入是什么、输出放哪里、怎么验收。
LOOP.md：讨论 -> 执行 -> 审核 -> 修复 -> 更新记忆 -> 继续。

谁来维护，也要写清楚：

讨论对话：主要更新 MEMORY、TASK_PROTOCOL、LOOP。
执行对话：按 TASK_PROTOCOL 工作，必要时更新任务记录和产出物。
审核对话：只提出 findings，不擅自改目标和锚点。
人类：最终确认 AGENTS、边界、公开口径和重大方向变化。

这四件套生成以后，你的人机协作环境就完成了最小可用版本的搭建。

但骨架搭好以后，还需要跑一次试运行。

7. 跑一次最小闭环

第一次不要选大任务。选一个很小、可验证、能产出文件的任务。

比如：

请根据 01_原始材料和文档区中的材料，
生成一份 800 字以内的项目简介，
放到 03_产出物。

让讨论对话先生成任务卡。任务卡里至少写清楚：

目标是什么。
输入材料在哪里。
输出文件放在哪里。
验收标准是什么。
哪些地方不能擅自判断。

然后把任务卡交给执行对话。执行对话完成后，把产出文件交给审核对话。审核对话只做一件事：指出它是否偏离目标、锚点、结构和边界。

如果审核发现问题，再让执行对话修复。修复完成后，让讨论对话把这次新确认的规则或经验更新到 `MEMORY.md` 或 `LOOP.md`。

到这里，你已经从“建了几个文件”，走到真正跑完一次：

讨论 -> 执行 -> 审核 -> 修复 -> 更新记忆

这个闭环跑通以后，一个面向未来的人机协作工作环境才真正活起来。

8. 回看这套结构

这套方法可以先压缩成四个锁定点：

目标
锚点
结构
边界

也可以展开成四个动作：

判断
执行
审核
循环

目标回答：这次到底要完成什么。

锚点回答：哪些判断、事实、风格、立场不能漂。

结构回答：任务怎么拆，材料怎么放，角色怎么分，结果怎么交付。彼此的关系是什么？

边界回答：哪些事情不能做，哪些材料不能公开，哪些口径不能改，哪些决定必须由人类确认。

人类负责这些东西。

AI 负责什么？

AI 负责读取材料、整理信息、生成方案、执行任务、自检结果、提交审核、修复问题、更新工作文档，并在已经确认的轨道里继续推进。

这就是面向未来的人机协作方式。

人类不再盯每一步执行，也不应该退化成确认按钮。人类负责锁定目标、锚点、结构和边界。AI 负责在这个轨道里连续工作。

9. 为什么需要审核对话

很多人会问：既然主 AI 已经能自检，为什么还要另一个审核对话？

原因很简单：执行和审核必须拆开。

没有审核层的人机协作，本质上只是把一个会漂移的输出系统接进了你的工作流。

一个负责推进，一个负责挑错。一个负责把事情做完，一个负责检查它有没有偏离目标、有没有偷换概念、有没有引入多余复杂度、有没有遗漏风险。

这是给 AI 分工。

人类团队里也一样。写作者和编辑处在不同位置，工程师和 reviewer 也处在不同位置。人机协作进入工作环境之后，也需要类似的结构。

审核对话尤其要盯这些问题：

目标有没有被悄悄改掉。
锚点有没有漂。
结构有没有被过度扩张。
边界有没有被越过。
事实口径有没有变化。
公开表达有没有产生新的含义。
输出物是否真的符合任务。

这一步决定了 AI 工作循环能不能长期稳定可靠运行不漂移。

10. 什么时候必须停下来问人

AI 可以连续推进，但不能无限奔跑。

我会把这些情况写进停止规则：

出现新目标。
出现新结构。
出现新边界。
出现新锚点。
需要改变事实口径。
需要改变作者立场。
需要发布原始材料。
输出会产生新的公开含义。
涉及法律、版权、声誉、交易、资金等不可逆后果。

这些地方必须停下来交给人类做判断。

这些属于判断问题。判断不能外包给模型。模型可以帮你分析选项，但最后的判断必须由人确定。

11. 真正的变化

这套方法带来的真正变化，超出了“让 AI 多做几个任务”。

真正的变化是：你开始构建自己的个人 AI 运行时。

这里的运行时，指向一套工作结构：人类负责判断、目标、锚点和边界；AI 负责在轨道内连续推进；审核层负责防止漂移、偷换和复杂度膨胀。

过去，我们把 AI 当助手，所以工作方式是：

人提问
AI 回答
人再追问
AI 再回答

这种方式当然有用，但它很容易把人变成一个不断补充上下文、不断按确认键、不断救偏航的操作员。

未来的人机协作，应该是另一种结构：

人确认目标、锚点、结构、边界。
AI 执行、复核、转交、修复、继续推进。
审核 AI 持续挑错。
主 AI 不退出循环，直到遇到新的判断点。

这恰恰是在给 AI 建立可控的运行轨道，避免它失控地全自动运行。

没有边界的 AI 自动化，只会把模型的漂移、幻觉、局部优化和复杂度膨胀带进你的工作。

被目标、锚点、结构和边界锁定以后，AI 才能从一个聪明的聊天窗口，变成一个可以持续推进的工作循环。

未来的个人工作环境，不会只是一个更聪明的对话框。

它会是一组能持续执行、互相复核、在边界处等待人类判断的 AI 运行时。

有界，才可能无限。

作者简介

王潇（Wang Xiao）是 AI 协议架构师、《系统和自由》作者，Danbing AI Protocol / SLAPS Framework 创造者，OathAI 发起人。

他的工作围绕 human-AI co-creation（人机共创）、protocol governance（协议治理）、semantic anchoring（语义锚定）与 long-term knowledge continuity（长期知识连续性）展开，关注如何在 AI 时代保存、校准并继承人类知识与协作结构。

免责声明

本文为作者基于个人实践、研究和人机协作经验形成的阶段性观察与方法总结。相关 Danbing / SLAPS / OathAI 方法仍在持续整理和演化中，具体应用效果会受到使用者背景、任务场景、模型能力、执行环境和投入程度影响。

本文不构成法律、投资、医疗、职业或技术实施保证。读者如将相关方法用于实际项目，应结合自身情况独立判断，并对具体使用结果负责。