Self Discipline 是一款专为 AI 代理设计的自我约束工具，旨在彻底打破‘指令被写下却从未执行、错误被记录却从未吸取’的恶性循环。当用户遭遇严重失误——尤其是那些明确表示‘绝不能再发生’的问题时，该工具不会止步于简单的日志记录，而是会深入追溯失败的根本原因，验证修复措施能否被未来的代理真正感知，并自动生成自动化验证器，从机制上杜绝重复犯错的可能。它通过一套严谨的流程，将每一次违规事件转化为系统性的改进，确保关键规则得到持久且可靠的执行。 该工具的核心在于其主动干预能力：一旦触发，它会立即评估事件的严重性（分为红、黄、绿三级），优先处理高风险问题。对于任何违规行为，它都会强制进行‘五问法’根因分析，明确指出为何指令未被遵循，是文件未被加载、位置过于隐蔽，还是与其他指令冲突。最关键的是，它会验证修复方案是否真正纳入了代理的信息流中，避免将规则孤立地存放在某个角落而无人问津。整个过程强调用户授权与透明操作，所有修改外部文件的建议都会提前展示给用户并获得明确批准。 Self Discipline 的设计哲学是‘预防优于纠正’。它不仅事后复盘，更致力于构建事前防御体系。对于被判定为‘红色’级别的严重问题，它会创建可执行的预提交（pre-commit）或预发送（pre-send）验证脚本，在行动发生前自动拦截违规行为。例如，一个防止敏感信息泄露的规则，会生成一个检查消息内容中是否包含密码或密钥的脚本，一旦发现即阻止发送。这种机制使得合规性不再是依赖记忆或提醒，而成为系统内置的硬性约束，从而永久性地提升代理行为的可靠性与安全性。
核心功能特点
- 根因分析引擎：采用‘五问法’深入追溯指令未被遵循的根本原因，而非简单归咎于遗忘。
- 流程可达性验证：确保所制定的规则和修复措施能够被未来代理在信息流中被实际读取和执行。
- 自动化验证器生成：针对严重违规事件，自动生成可执行的预提交或预发送脚本，在行为发生前自动拦截违规。
- 分级严重性评估：根据用户情绪、潜在影响等因素，将事件分为红、黄、绿三级，实施差异化的响应策略。
- 用户授权与透明操作：所有对系统外文件的修改都需用户明确批准，并提供备份以防误操作。
适用场景
Self Discipline 最适用于那些已经对 AI 代理反复忽视关键指令感到沮丧，并且遭遇了无法容忍的严重失误的用户场景。例如，当一个安全相关的命令被忽略导致数据泄露风险，或一个核心业务流程的指令被违反造成生产环境故障时，用户通常会明确表达‘这绝不能再次发生’的强烈诉求。此时，使用 `/discipline` 命令即可启动该工具的干预流程。另一个典型场景是，用户发现自己在不同会话中反复提出相同的警告，但代理每次都选择性地无视，形成了一种令人疲惫的循环。Self Discipline 正是为了终结这种循环而生，它将每一次的失败转化为一次系统的升级。 该工具特别适合需要长期维护复杂、多步骤工作流程的团队或个人。在一个大型项目中，可能存在数十条关键的操作规范、安全策略或最佳实践，单纯依靠记忆或文档难以保证每条规则都被严格执行。Self Discipline 可以将这些规则固化为系统中的‘纪律条款’，并通过自动化验证器确保它们在每次提交代码或发送消息时都被检查。这不仅提升了项目的整体质量与安全性，也大大减轻了人工监督的压力。此外，对于任何希望建立可靠、可预测 AI 代理行为的开发者而言，Self Discipline 都是一个不可或缺的‘纪律委员’，它能帮助代理从‘善忘的助手’转变为‘严格遵守规则的专家’。