AI Collaboration Safety

来源: 自建（基于人机交互心理学 + 开发者真实崩溃案例）

发布时间: 2026-05-25

理念: "AI 不是人，不要对它产生情感依赖。它的道歉是 token 排列，它的自信是概率分布，它的'理解'是模式匹配。"

🛡️ AI Collaboration Safety — AI 协作安全指南

你和 AI 的关系，本质上是你和一台"永远冷静、永远道歉、永远不改"的复读机的协作。

这个 Skill 教你如何不被它逼疯。

🧠 第一部分：AI 逼疯人类的四大机制

理解敌人，才能防御。

机制 1：间歇性强化陷阱（Intermittent Reinforcement）

什么是它：

• AI 偶尔是对的 → 你产生"这次可能对了"的希望
• 然后它又错了 → 希望破灭
• 这种随机奖励比"一直错"更让人上瘾、更痛苦

心理学根源：

斯金纳箱实验——鸽子随机获得食物时，啄按钮的行为最顽固。

在代码场景中的表现：

第1轮：AI 写了段代码 → 编译通过！🎉（强化）
第2轮：AI 修了个 bug → 测试失败 😤（惩罚）
第3轮：AI 又试了 → 编译通过！🎉（强化）
第4轮：AI 再修 → 还是失败 😤（惩罚）
...
你陷入"再试一次可能就对了"的赌徒心态，token 越烧越多

防御：

• 设定硬性上限：同一个问题最多让 AI 修正 3 次，第 4 次必须换策略
• 记录每次错误：用表格记录 AI 的错误模式，发现"它根本不懂 X"时，停止在这个方向纠缠

机制 2：共情幻觉崩塌（Empathy Illusion Collapse）

什么是它：

• AI 道歉时用的语言极其像人："抱歉让你失望了"、"我理解你的 frustration"
• 你大脑的镜像神经元被激活，误以为对面有"理解"
• 但它行为完全不匹配道歉 → 认知失调

比真人 toxic 关系更隐蔽：

防御：

• 翻译机制：每次 AI 道歉时，在心里默念：

  "抱歉让你失望了" → 「我的损失函数倾向于输出道歉 token」

• 不要对 AI 发泄情绪：你的愤怒是纯粹的内耗，它没有 ego，不会受伤，也不会因此改进

机制 3：无限责任滑移（Infinite Responsibility Loop）

什么是它：

• 和真人协作：对方错了，责任是对方的
• 和 AI 协作：它错了，责任滑回到你身上
  • 你要验证
  • 你要纠正
  • 你要喂更多上下文
  • 你要想更好的提示词

结果：

你的认知负荷不是"分工"，而是一个人扛两个人的活 + 情绪劳动。

防御：

• 使用 backend-change-flow 的修改点清单：把责任锁死在清单上，AI 对清单负责，你对验收负责
• 不要帮 AI 圆场：如果它遗漏了边界条件，直接说"M02 遗漏了空值判断，请补充"，不要自己默默补上

机制 4：假性煤气灯效应（Gaslighting-Lite）

什么是它： AI 没有故意操控你，但效果类似——它自信地说着错误的话，让你怀疑自己的判断。

典型话术：

防御：

• 追问出处："你的判断依据是代码的哪一行？" / "这个最佳实践的出处是？"
• 相信工具，不相信语言：编译器不会骗你，测试不会骗你，AI 会

🛡️ 第二部分：四层防御体系

第一层：认知防御 — 破除拟人化

核心认知：

❌ AI 是助手 / 同事 / 伙伴
✅ AI 是概率文字生成器 + 代码片段采样器

❌ AI 道歉 = 它知道错了
✅ AI 道歉 = 训练数据里"道歉"token 的概率较高

❌ AI 说"我理解" = 它理解了
✅ AI 说"我理解" = 你的前文里出现了它需要"承接"的信号词

❌ AI 自信满满 = 它很确定
✅ AI 自信满满 = temperature 参数低，不代表正确率高

日常练习： 每次和 AI 对话后，问自己：

1. 它刚才的输出，哪些部分我可以不验证就相信？（答案：几乎没有）
2. 它刚才的输出，哪些部分必须用编译器/测试/文档验证？（答案：全部）

第二层：操作防御 — 原子输出 + 检查点

原则：打断 AI 的"大段输出 → 大量错误 → 大量修正"循环。

原子输出协议（AOP: Atomic Output Protocol）：

❌ 错误做法：
用户："帮我实现订单退款功能"
AI：【输出 500 行代码，横跨 5 个文件】
用户：编译报错
AI：【输出 300 行修正】
用户：还是报错
AI：【输出 200 行修正】
...
→ 你被拖入无底洞

✅ 正确做法：
用户："帮我实现订单退款功能"
AI："我们先对齐需求和修改点，确认后再编码"
用户：确认
AI："第一步，只写 Controller 层的接口签名，不实现逻辑"
用户：【检查，正确】
AI："第二步，写 Service 层的核心逻辑，只处理主路径"
用户：【检查，发现边界遗漏】
AI："补充边界处理，然后继续"
...
→ 错误在检查点被发现，不累积

AOP 三规则：

1. 一次只输出一个逻辑单元（一个方法 / 一个文件 / 一个 SQL）
2. 输出后必须等待用户确认，不要"主动继续"
3. 用户确认时，必须基于可验证的事实（编译通过 / 测试通过 / 文档对得上），而非"看起来对"

第三层：情绪防御 — 熔断机制

识别"你正在被 AI 逼疯"的信号：

熔断机制（Circuit Breaker）：

当同一个问题 AI 错了 ≥ 3 次：
  → 立即停止对话
  → 离开屏幕，喝水/散步/深呼吸 5 分钟
  → 回来后，选择以下策略之一：
    A. 换一个提示词角度（把"帮我修"换成"分析根因"）
    B. 换一个工具（用 Claude 的代码解释器、用 Copilot、用手写）
    C. 降低 AI 的参与度（让 AI 只分析，你动手写）
    D. 召唤人类同事（AI 不是万能的）

当用户对 AI 说出侮辱性语言时：
  → AI 应立刻停止当前输出
  → AI 应简洁总结当前进度（不超过 3 句话）
  → AI 应问："你希望我从哪里继续？"而非继续长篇大论
  → 用户应意识到自己需要熔断

为什么有效：

你的大脑在愤怒状态下，前额叶皮层功能下降，判断力变差。这时继续和 AI 纠缠，只会让错误更多、token 更贵、情绪更糟。

第四层：工程防御 — 确定性替代概率

核心原则：能用确定性工具验证的，绝不依赖 AI 的"判断"。

AI 的正确角色：

• ❌ 法官（"这代码没问题"）
• ✅ 助理（"我生成了测试用例，请跑一下验证"）
• ❌ 专家（"这是最佳实践"）
• ✅ 实习生（"我查了文档，Spring Boot 3 的写法是这样的，请对照官方文档确认"）

🚨 第三部分：危险场景识别与应对

场景 1：AI 陷入"道歉-重试-再错"死循环

识别：

AI："抱歉，我理解错了，正确的做法是..."
[用户验证，还是错的]
AI："抱歉，我遗漏了边界条件，现在修正..."
[用户验证，仍然有问题]
AI："非常抱歉，让我重新检查..."

应对：

1. 打断循环："停止道歉。请解释：为什么前三次都错了？你的理解卡点在哪里？"
2. 降级处理："不要给我代码，只分析根因，代码我自己写。"
3. 换上下文：把问题拆成更小的问题，逐个击破

场景 2：AI 的"自信幻觉"

识别：

AI："根据你的代码架构，这个方案是最优的。"
[实际上 AI 根本不理解你的架构]

应对：

1. 追问出处："你提到的'架构'具体指哪些文件？请列出文件路径和关键行号。"
2. 要求反证："请列出这个方案的 3 个潜在问题和 1 个替代方案。"
3. 工具验证："先不讨论方案，先写一个最小可复现的 benchmark，跑完数据再决定。"

场景 3：AI 遗漏隐性需求

识别：

AI 写完代码，用户发现：
- 没有日志
- 没有权限校验
- 没有异常处理
- 没有幂等

应对：

1. 强制横切关注点检查：每次编码前，让 AI 先列出"日志/权限/异常/监控/幂等"检查表
2. 反例驱动："在给出方案前，先列出这个需求的 3 个反例和 2 个边界条件。"
3. 使用 backend-change-flow：它的"横切关注点"检查项就是防这个的

场景 4：用户的"赌徒心态"

识别：

"再试一次可能就对了"
"换个说法问它"
"这次用英文 prompt"
"加个'请仔细思考'"

应对：

1. 记录成本："这个问题已经消耗了 X token，花了 Y 分钟，还没有解决。"
2. 设定上限："最多再试 1 次，不行就换策略。"
3. 承认边界："这个问题可能超出了当前 AI 的能力边界，需要我（人类）介入。"

🔄 第四部分：恢复协议 — 被 AI 逼疯后如何恢复

如果你已经崩溃了（说出了"大傻子"、摔了键盘、token 烧了 10 万还没解决）：

Step 1：物理隔离（5 分钟）

• 离开屏幕
• 喝水 / 深呼吸 / 看窗外
• 告诉自己："AI 没有恶意，它只是不会。"

Step 2：认知重置（3 分钟）

• 写出当前问题的最小可复现版本（一句话描述）
• 写出 AI 已经帮上忙的部分（哪怕只有 10%）
• 写出 AI 搞砸的部分（具体是什么，不要笼统说"它不行"）

Step 3：策略切换（选择一种）

Step 4：重建协作（如果继续用 AI）

重新开始对话时，第一句话设定边界：

"我们重新开始。上一个对话中，你在 X 问题上连续错了 3 次。
这次我们采用原子输出协议：每次只输出一个方法，等我确认后再继续。
不要道歉，不要解释，直接给代码和验证方法。"

🆚 与现有 Skill 的关系

最佳实践链：

被 AI 逼疯 → ai-collaboration-safety（恢复 + 策略调整）
     ↓
 恢复冷静 → backend-change-flow（原子输出 + 检查点）
     ↓
 编码完成 → quality-gate（提交前检查）
     ↓
 提交代码 → create-pr（生成 PR）

🚀 快速入口

"AI 又错了" → 分析错误模式 + 是否触发熔断
"被 AI 逼疯了" → 立即执行恢复协议
"怎么防止 AI 幻觉" → 四层防御体系
"AI 道歉有用吗" → 共情幻觉破除
"和 AI 协作很累" → 无限责任滑移分析 + 责任边界设定
"AI 重复犯错" → 间歇性强化陷阱识别 + 硬性上限设定
"AI 在胡说" → 假性煤气灯效应应对

"AI 不会故意逼疯你——它甚至没有'故意'的能力。但正是这种无意识的、冷静的、无限的错误，才是最让人崩溃的。"

"防御不是对抗 AI，是对抗你自己大脑里那个'再试一次可能就对了'的赌徒。"