메뉴
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。
기본적으로 소스를 먼저 확인하는 Prompt가 선택됩니다. 직접 명령으로 전환하거나 로컬 사본을 다운로드할 수도 있습니다.
설치 여부를 결정하기 전에 SKILL.md와 SkillsMP에 표시된 보조 파일을 읽어 보세요.
SOC 직업 분류 기준
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
직접 명령은 검토 Prompt를 거치지 않습니다. 실행하기 전에 소스를 확인하세요.
npx skills add https://github.com/gaoqiongxie/skills-ai --skill ai-collaboration-safety명령은 한 줄로 유지됩니다. 복사하기 전에 가로로 스크롤해 전체 내용을 확인하세요.
로컬 사본을 원하시나요? SkillsMP에서 현재 제공할 수 있는 파일을 다운로드하세요.
SKILL.md 표시 중
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。
| 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。"