系统的基础规则。其他各章节的每项决策都应追溯到这里的至少一条原则。
五大原则
1. AI 是核心能力
AI 不是附加功能或提效技巧，它是工程系统的一等公民。工作流程、角色和工具都以 AI 作为主动参与者来设计。
如何判断违反了此原则： 流程设计时 AI 是”可选步骤”；团队把 AI 工具当备用品而非默认路径；引入新工具时未评估是否有 AI 替代。
2. 人类是协调者
人类不必亲手写每一行代码 — 他们定义目标、设置约束、审查输出、做出最终决策。人类的角色从执行者转变为导演。
如何判断违反了此原则： 人类在重复执行 AI 能自动完成的操作；或反过来，AI 在没有人类审查的情况下直接推送到生产环境。
3. 一切皆结构化
AI 在结构化输入下效果最佳。模糊的需求、未格式化的数据、未明确的目标会产生无用的输出。结构不是额外负担 — 它是接口。
如何判断违反了此原则： 向 AI 传入自由文本且未定义格式；需求文档缺少目标或约束字段；AI 输出质量不稳定但未检查输入是否规范。
4. 提示是资产
能产出好结果的提示可以反复使用。提示必须有文档记录、受版本控制，并与代码一同存储。一次性提示是浪费。
如何判断违反了此原则： 有效的提示只存在于个人聊天记录中；修改提示时无法追溯改动原因；同一类任务每次都重新从头写提示。
5. 范围是唯一的护栏
AI 的知识趋近无限，它会自然地扩展到问题的每一个可能角落。人类需求是有边界的。两者之间的差值，就是未受约束的 AI 自动填充的部分——更多功能、更完整的边界处理、更”考虑周全”的方案。这些额外内容看起来有道理，实则是噪音。
AI 不会因为”做够了”而停下来，它会因为”指令用完了”才停下来。所以未明确范围的任务，其实是把边界决策权交给了 AI。
如何判断违反了此原则： 收到的 AI 输出超过了任务需要；AI 主动添加了没要求的功能或”改进”；每次提示结果的大小差异很大，无法预期。
6. 进化需要判断，不只是修正
AI 系统的能力提升不来自频繁迭代，而来自有方向的修正。真正的进化循环是：
执行 → 观察结果 → 判断偏差 → 定位问题所在的层 → 有目的地修正
“观察结果”和”判断偏差”是最容易被跳过的两步。跳过它们，修正变成随机漂移，而不是积累。
如何判断违反了此原则： 提示词改了很多次但方向不清晰；复盘只讨论”做了什么”，不讨论”哪里差、为什么差”；团队无法定位失败发生在哪一层（提示？知识库？流程？Agent？）。
如何使用这六条原则
读其他章节时，遇到”为什么要这样做”的疑问，可以回到这里找答案——每条原则都是一类决策的根据。
实践中遇到原则不够用的情况，说明有新的规律值得提炼，记录在此处。