メニュー
AI协作安全指南：识别AI逼疯人类的机制，建立认知/操作/情绪/工程四层防御，防止被AI的重复错误、伪共情和幻觉拖入崩溃。当用户说'AI又错了'、'被AI逼疯了'、'AI在胡说'、'怎么防止AI幻觉'、'AI道歉有用吗'、'和AI协作很累'、'AI重复犯错'时触发。核心特点：间歇性强化陷阱识别、共情幻觉破除、熔断机制、原子输出协议、确定性验证替代信任。
デフォルトでは、最初にソースを確認する Prompt が選択されています。直接コマンドに切り替えるか、ローカルコピーをダウンロードすることもできます。
インストールを決める前に、SKILL.md と SkillsMP に表示されている付属ファイルをお読みください。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
直接コマンドでは確認用 Prompt が省略されます。実行前にソースを確認してください。
npx skills add https://github.com/gaoqiongxie/skills-ai --skill ai-collaboration-safetyコマンドは1行のまま表示されます。コピー前に横へスクロールして全体を確認してください。
ローカルで確認しますか？SkillsMP が現在取得できるファイルをダウンロードできます。
网络安全分析师技能库：754个结构化安全技能，覆盖威胁狩猎、数字取证、事件响应、渗透测试、代码安全审计、威胁情报、恶意软件分析等26个安全领域。映射MITRE ATT&CK v19.1、NIST CSF 2.0等五大框架。当用户说'安全分析'、'威胁狩猎'、'威胁情报'、'渗透测试'、'事件响应'、'MITRE'、'数字取证'、'恶意软件分析'、'红队'、'蓝队'、'SOC'、'网络攻防'时触发。与security-audit互补：security-audit聚焦代码层静态扫描，本Skill覆盖全栈安全分析工作流。
企业级全栈迭代工作流Agent：当用户说'开始开发这个需求'、'处理本次迭代'、'全栈开发闭环'、'跑一个迭代'、'enterprise iteration'、'迭代开发'、'需求交付'、'开发闭环'时触发。自动按需求→设计→开发→测试→Review→部署→记忆7阶段推进，维护迭代状态机，路径感知（自动读取需求目录与代码目录），协调多个子Skill协作完成企业级CRM全栈需求交付。支持状态回退、并行分支、上下文继承。
截图转可交互原型统一入口：根据UI设计稿、手绘草图或竞品截图自动生成HTML高保真原型，并自动联动screenshot-to-prd输出PRD、prd-to-demo完善交互。当用户说'根据截图生成原型'、'设计稿转Demo'、'草图转HTML'、'图片转可交互页面'、'复刻这个界面'、'仿照这个APP做原型'、'截图生成网页'时触发。核心特点：视觉分析自动还原布局、组件识别与映射、多截图串联页面流、与screenshot-to-prd/prd-to-demo形成设计驱动闭环。
SOC 職業分類に基づく
SKILL.md を表示中
| name | ai-collaboration-safety |
| description | AI协作安全指南：识别AI逼疯人类的机制，建立认知/操作/情绪/工程四层防御，防止被AI的重复错误、伪共情和幻觉拖入崩溃。当用户说'AI又错了'、'被AI逼疯了'、'AI在胡说'、'怎么防止AI幻觉'、'AI道歉有用吗'、'和AI协作很累'、'AI重复犯错'时触发。核心特点：间歇性强化陷阱识别、共情幻觉破除、熔断机制、原子输出协议、确定性验证替代信任。 |
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。"
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。
理解敌人，才能防御。
什么是它：
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：
什么是它：
比真人 toxic 关系更隐蔽：
| 维度 | 真人伴侣 | AI |
|---|---|---|
| 道歉时 | 有情绪波动，有时能改 | 永远冷静，永远不改 |
| 你发怒后 | 可能反击或离开，给你止损信号 | 永远接纳，可以陪你错 1000 次 |
| 朋友劝你 | "分了吧" | 没人劝你"别用 AI 了" |
| 归因 | "那个人有问题" | "我提示词写得不好" |
防御：
"抱歉让你失望了" → 「我的损失函数倾向于输出道歉 token」
什么是它：
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：
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：
| AI 说的 | 实际可能是 | 你的感受 |
|---|---|---|
| "我已经修复了" | 只是改了表面，根因没动 | "怎么还有 bug？" |
| "根据你的代码，这个方案是正确的" | 它在 hallucinate，根本没看你的代码 | "难道是我理解错了？" |
| "这是最佳实践" | 三年前的最佳实践，现在已废弃 | "我是不是落后了？" |
| "99% 的情况下这样做没问题" | 你就是那 1% | "怎么又是我踩坑？" |
防御：
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：
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：
识别"你正在被 AI 逼疯"的信号：
| 身体信号 | 语言信号 | 行为信号 |
|---|---|---|
| 呼吸变快 | "你到底行不行" | 开始复制粘贴 AI 的代码而不看 |
| 心跳加速 | "又错了"、"还是不对" | 连续点击"重新生成" |
| 肩膀紧绷 | "别废话了" | token 消耗速度明显加快 |
| 手指用力敲键盘 | "大傻子"、"废物" | 同时开 3 个以上 AI 对话 |
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。
核心原则：能用确定性工具验证的，绝不依赖 AI 的"判断"。
| 概率性做法（依赖 AI） | 确定性替代（信任工具） |
|---|---|
| "这段代码有没有 bug？" | 写单元测试，跑覆盖率和断言 |
| "这个 SQL 性能怎么样？" | EXPLAIN ANALYZE 看执行计划 |
| "这个 API 设计是否合理？" | 对照 RESTful 规范 / 团队 API 文档 |
| "这个依赖有没有漏洞？" | npm audit / snyk test / OWASP 扫描 |
| "这段代码符合规范吗？" | eslint / checkstyle / go vet |
| "这个正则对不对？" | 用 regex101 / 写 5 个测试用例 |
AI 的正确角色：
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：
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：
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：
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：
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）：
| 你的状态 | 推荐策略 |
|---|---|
| 只是累了，但方向对 | 降低 AI 参与度：让 AI 只分析，你动手写 |
| AI 根本不懂这个技术栈 | 换工具：用官方文档、用 StackOverflow、问人类同事 |
| 问题太复杂，AI 一直碎片化 | 自己画流程图 / 写伪代码，让 AI 只做"翻译" |
| 情绪已经崩溃 | 今天不解决这个问题了，明天再说 |
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。"
| Skill | 关系 | 何时用 |
|---|---|---|
| backend-change-flow | 互补 | backend-change-flow 是"怎么正确开发"，ai-collaboration-safety 是"怎么不被 AI 逼疯" |
| systematic-debugging | 互补 | systematic-debugging 管排障方法论，ai-collaboration-safety 管排障时的心态和策略 |
| stop-slop | 互补 | stop-slop 去 AI 文字味，ai-collaboration-safety 去 AI 协作的心理负担 |
| quality-gate | 后置 | quality-gate 做提交前检查，ai-collaboration-safety 确保你在到达 quality-gate 前还没崩溃 |
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）
"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。"