纠正是消费,约束是投资——如何停止和模型反复博弈

每次纠正都是一笔消费。

问题不在于纠正本身。问题在于同一个错误,你纠正了不止一次。

反复纠正的根源不是模型,是指令

“不要写废话。”

这是一条模糊指令。边界在哪？什么叫废话？没有答案。

模型输出"这个方案很灵活"——它觉得这是好话。你纠正它。它下次换一个词。你再纠正。它再换。

这不是模型的问题。是指令本身边界模糊,无法验证。

模糊指令注定反复纠正。每次纠正,你都在重新定义边界。赢了这次,下次还得重新赢。

把边界写进规则,而不是写进纠正

换一种方式：

禁止输出：灵活、可扩展、优雅

模型不需要判断什么叫废话。它只需要匹配到"灵活",然后停手。

边界从"语义判断"变成"字符匹配"。可验证。不依赖理解。不依赖记忆。每次对话,从第一个提示就开始生效。

约束不是告诉模型做什么。是让它无法做错。

约束在哪里生效

约束有三个落点。从输出到环境,越来越前置。

输出层：词汇边界

CLAUDE.md 写一行禁用词列表。模型被迫删掉这些词,直接输出结论。

这条规则可以验证——运行一次,看输出里有没有禁用词。上一版的模糊指令没法验证。

调用层：触发条件

工具的 description 不写"功能是什么",写"何时触发"：

Use when user mentions "review", "PR", or "code quality".

模型不知道"要不要用这个工具"。但它知道"用户说了 review"。触发条件描述比功能描述更容易被正确识别——这是实践结论,不是推断。

环境层：仓库结构

目录树告诉模型东西在哪里。README 告诉它项目做什么。CLAUDE.md 告诉它规则是什么。

结构是隐式上下文。不需要每次重新说明,每次对话自动继承。

约束不是免费的

在谈 ROI 之前,先说清楚代价。

约束会失效。

如果错误类型是开放集合,约束就会被绕过。模型学会用"高度适配性"替代"灵活"——这是对抗性适应,误解空间被转移,而非压缩。词汇边界只对封闭错误集合有效。

约束会衰减。

模型版本更新、使用场景扩展、需求变化——约束的覆盖率会下降。CLAUDE.md 可能变成废弃规则的坟场。需要定期审查：每周抽查约束命中日志,触发率下降或误伤反馈增多,该约束进入重审队列。

约束会误伤。

禁用"灵活"可能误杀"这个设计提供了灵活的配置选项"。给每条约束配正例（应该通过的语句）和反例（必须拦截的语句）。正例通过、反例被拦截,约束有效。新模型版本上线时跑一遍回归。

如果正例被误伤,三条路：调宽约束（损失覆盖率）、加例外白名单（增加维护负担）、接受该误伤（牺牲部分表达能力）。没有免费的选择。

什么时候值得设计约束

一个启发式计算：

N ≈ 设置成本 / (每次纠正成本 × 覆盖率) N ≈ 30分钟 / (2分钟 × 70%) ≈ 21次

21次对话后,约束开始回本。

这是思维工具,不是精确公式。它不含维护成本,不含约束衰减。实际转折点因人而异。

但有一个更简单的判断：如果你在纠正同一个错误,超过三次,这个成本已经可以支付一条约束的设计成本了。

先做一件事

打开最近10次对话。统计你纠正了什么。

把纠正分类：

• 重复出现的词汇、表达方式 → 输出层,写进 CLAUDE.md
• 工具触发时机不对 → 调用层,改 description 写触发条件
• 模型不知道项目背景 → 环境层,补 README 或目录结构

找出重复超过3次的错误。判断能不能穷举。

能穷举且高频的,设计约束。不能穷举但有模式的,要求输出固定格式（JSON / 分点 / 表格）来压缩误解空间。完全无规律的,继续纠正——提示工程在这里仍然是正确答案。

你下一次纠正,是消费还是投资？