过去一年，为了让AI把活干得靠谱，几乎每支团队都攒下了一摞规则------有的叫操作手册，有的叫工作流说明，有的叫提示词模板。
规则越写越厚，效果却没有同步变好。
最近，一家头部模型厂商发布了一份使用指引，结论相当反直觉：它不是在教怎么写更多规则，而是在教怎么删规则。
一、为什么规则越多，效果反而越差
先说背景。为了让AI按部就班，团队通常会给它配一堆规则：先读哪些文档、必须执行哪些步骤、改完要跑哪些检查、遇到什么情况先问人。
这些规则在过去是有用的。上一代模型没那么聪明，需要人扶着走，规则就是扶手。
但新一代模型出现之后，情况变了：继续往里塞规则，结果可能更差。不是它的能力不够，是指令挡住了它。
机制并不复杂。模型的注意力是有限的，每一条规则都要占掉一份；当大量规则连同各自冗长的说明一起进入上下文，系统反而更难判断当前这一步该遵循哪一条。
打个比方：一个能力很强的新员工，上任第一天收到一本两百页的操作细则。他不是不会干活，而是每次动手前都要先翻一遍哪条适用------**细则越厚，出手越慢。**上一代模型像实习生，细则多反而是保护；新一代模型像熟手，细则多就成了干扰。
一家企业内部的用法正在以同样的方式膨胀：市场部加一条口径规范，合规部门加一份审查清单，技术团队再加一套操作约定，每个部门都在往上加条款，从来没有人负责往下删。一年下来，规则手册厚了一倍，AI的表现却原地踏步------因为它每次干活的注意力，都被迫分摊给了几十条与当前任务无关的条款。
规则的边际效应是负的------每多一条，其他每一条的权重就被稀释一分。
二、三条减法原则
那份指引给出了三条原则，可以直接搬进任何组织的AI使用规范里。
**第一，规则不是越多越好。**判断一条规则该不该存在的标准，不是"写了总没坏处"，而是"删掉之后会不会出问题"。不会出问题的规则，就是在稀释别的规则。
一个自查方法：把现有规则逐条拿出来问一句------这条规则是为了纠正上一代工具的毛病，还是为了守住不可妥协的底线？前者到了该退役的时候，后者才值得留下。
**第二，触发条件要清晰。**每条规则都要写明白，只在不得不生效的场景里生效。一条不知道什么时候该被遵循的规则，比没有这条规则更糟。
**第三，渐进式披露。**主文件只充当路由：告诉系统在什么情况下去读哪一份细则、调用哪一个脚本。任务需要什么，才加载什么。
第三条最值得组织参考。多数组织的知识库恰恰相反------把全部制度一次性塞给系统，指望它自己挑。结果它每次都被无关条款干扰，重要约定反而被淹没。
落到操作上，可以给每份细则补一行元信息：这份文件管什么、什么时候需要读、读完要做什么。三行写清楚，胜过正文写三千字。
三、少规定路线，多定义终点
指引里还有一个更反常识的观察：新一代模型很谨慎，完成第一版实现就会回来等人确认，即使后面还有启动、检查、修复一堆事没做。
使用者容易误以为它偷懒，于是写更长的提示词去催。方向反了------解法不是规定每一步怎么做，而是把终点说清楚。
给一组对比。只说"实现这个功能"，模型做完第一版就停；换成"实现功能、运行相关测试、实际启动检查效果、修复由本次修改引起的问题、确认可用之后再结束"，它就会把整条路走完。
**少规定路线，多定义终点。**路线规定得越细，系统的判断空间越小；终点定义得越清楚，它自主补完的空间越大。
这个原则放到组织管理上同样成立。给人和系统规定每一步，得到的是执行；定义清楚验收标准，得到的才是结果。一个审批环节层层加码的组织，多半是在用规则补偿信任的缺失------而补偿的代价，就是把判断力挡在了门外。
还有一层好处常被忽略：终点定义清楚之后，评价就变得客观。做到没做到，对照验收条件即可，不需要每次重新争论标准。很多组织的沟通成本，其实都花在终点没有定义清楚的地方。
四、让系统自己完成这次减法
三条原则里，前两条需要人来领会，第三条则可以直接交给系统。
有实践者的做法是：把这份指引的原文交给模型，让它审视自己机器级、项目级的全部规则配置------删除不用的、精简过长的描述、合并重复的条款。一轮执行下来，三十多条规则被精简到了个位数。
这件事真正的启发不在结果，而在方法：**精简本身，也可以交给系统来做。**它比人更有耐心，逐条比对不喊累；它也没有"这条是我写的"的包袱，该删就删。
这也是很多组织忽略的一点：制度会过时，而且过时得悄无声息。去年合理的条款，在今年能力更强、流程更短的条件下，可能已经是纯粹的阻力。没有人会主动去翻自己两年前写的规则，但系统可以。
同样的思路可以放进企业的例行机制里。比如对外信息：AI对一家组织的描述是否准确、是否过时，多数组织要等出了偏差才去补救；比较成熟的做法，是用标准化的智能检测报告做周期性自检，把这项检查变成例行动作，让问题在变成认知之前就被发现。
写在最后
回看这份指引，它纠正的其实是一个惯性：能力在升级，用法却还停在上一个版本。
规则的价值从来不在数量，而在每一条都清楚自己什么时候生效、为了什么存在。
这套思路的价值也不限于使用AI。一个组织的规范体系，同样会随着能力升级而过时：工具变强了，流程却还是老样子；人变熟练了，审批却还是那么多。定期给规则做减法，和组织定期给流程做体检，是同一件事。
当能力变强时，最好的加法是减法。