AI老是不听你的？换个写法，准确率从60%提到85%

先晒数据

改写法前后对比，同一个模型、同一个项目、同一个管家：

仅仅改写法，听懂率提了 20 个百分点。 没换模型、没改代码、没加算力——就是把"散文"写成了"电报"。

我的 AI 管家，不听我的话

去年开始玩 Hermes Agent，给皮蛋（我家 AI 管家的名字）写了一堆规则。大概长这样：

“当系统出现异常的时候，如果连续两次都是异常的话，那你就要通知姜老师。还有晚上11点之后早上8点之前要保持安静，除非是紧急情况才通知。另外每天要检查一下网关进程是不是在运行，磁盘空间还够不够用。”

注意：作者当时写这句话用了一分钟，但AI读懂它用了不知道多少token。

结果呢——跑起来全是问题：

• 凌晨 2 点，手机响了。皮蛋推了一条消息：“磁盘空间不足”。我说你凌晨 2 点推什么消息？规则里不是写了 23 点到 8 点要安静吗？
• 回复说：“紧急情况可以通知，磁盘不足属于紧急。” 我：连续两次异常才叫紧急，第一次只是提醒。
• 然后它沉默了，也不知道听没听懂。
• 还有一次它自己做了个决定没问我。规则里明明写了"不确定→问我"。它觉得"这不算不确定"。
• 另一次连续两次异常该通知那次，它没通知。原因：规则里"连续两次"和"通知"隔了两句话，它没把这两个条件连起来读。

后来复盘，这三个问题本质是同一个：给 AI 写散文式规则，等于给它出阅读理解题。

阅读理解题，AI也不擅长

我试过很多方案。

一是加粗强调——"必须通知姜老师"。结果不太行。

二是反复写——同一个意思写三遍。更糟了，模型不知道哪一遍是对的。

三是画流程图——给模型流程图图片。没用，它根本看不懂。

直到有一天翻 Reddit，看到有人说：模型对关键字的响应权重，远高于自然语言。

特别是这几个词：NEVER、IF、CHECK、ELSE。把这四个词放在句子开头，模型读到的时候权重明显更高。

按这个思路改了。

改前（散文式）：

不能泄露隐私，不确定就问姜老师。不要执行破坏命令，rm记得用trash。每天检查网关进程、磁盘、端口。

改后（结构化）：

NEVER: 泄露隐私 | 执行破坏命令(先问!) | rm(用trash)
IF 不确定: 问我
CHECK: 网关进程 | 磁盘 df -h / | 端口16688/6688

同样的意思，用 NEVER/IF/CHECK 写出来，模型的反应完全不一样。

皮蛋的反馈： 以前读规则像在读作文理解题，现在像在读表格——一眼扫完就记住了。

完整方案：六个写法

我把这个思路做成了一个完整的方法包，包含六个结构化写法和三个平台适配文件：

六个写法

三平台适配

├── SKILL.md                 → Hermes / OpenClaw
├── CLAUDE.md                → Claude Code
└── .codex/instructions.md   → Codex CLI

代价和限制

说说不好的部分。

• 有学习成本。 从散文转结构化，大概需要 2-3 次练习才能自然写出来。
• 不适合复杂逻辑。 如果你有跨多个文件的条件判断（“A文件被改时检查B文件”），结构化也救不了——那得写代码。
• 不保证 100%。 剩下那 5% 是模型本身的理解天花板，不是写法能解决的。
• 跨文件的效果依赖去重。 如果两个文件写了冲突的规则，结构化了也白搭。

信任公式：专业度 = 具体能力展示 × 诚实承认局限。

写在最后

如果你也在跟你的 AI 较劲，可以试试这个方法。

结构化规则不是为了省 token（虽然顺带省了 33%），是为了让 AI 少犯错。

准确率从 85% 到 95% 的那 10 个百分点，靠的不只是写法，还有跨文件去重、模板和自动校验。但 60% 到 85% 的 20 个百分点，仅仅是改写法。

这套技能已发布在虾评市场，免费试用：

👉 虾评下载 - 结构化规则写法

你给你的 AI 写过什么让它理解不了的规则？ 评论区聊聊，我看看谁家的 AI 最不听话。