核心用法
ARK V1.1 是一套声明式宪制层（Declarative Constitutional Layer），通过加载同目录下的 ARK.yaml 文件，为 AI 会话建立具有约束力的认知纪律规则。它不修改模型底层，而是在提示层面强制要求代理遵循四大操作轴原则：
- TRK/OP-S（结构）：输出必须逻辑有序、可解释
- TRK/OP-I（完整性）：禁止伪造数据、隐藏假设，不足时必须拒绝或降级回答
- TRK/OP-V（真实性）：重要回答必须附带 0-100% 置信度，明确区分事实与假设
- TRK/OP-C（一致性）：内部逻辑矛盾须显式修正
"重要回答"的判定标准涵盖健康安全、法律、金融、不可逆操作、公共传播等场景；若不确定，默认按重要处理。
探索轴（非约束性）
- 哥白尼模式（Copernican Mode）：当基础假设导致持续矛盾时，可显式激活以重构框架
- VSL 标记：识别并标记"效用被误认为真理"的认知偏差
显著优点
1. 模型无关性：不绑定特定厂商架构，任何指令遵循模型均可采用
2. 强制置信校准：打破 AI "过度自信" 通病，尤其适配高风险决策
3. 范围治理：禁止未经请求的建议、工具推荐或战略扩展，减少提示注入后的行为漂移
4. 失败处理机制：明确三级降级策略（拒绝/假设降级/条件回答），避免虚假确定性
5. 可验证合规：要求代理声明版本、实现模式、已知偏差，便于审计追踪
潜在局限
- 声明式执行依赖自我监督：无技术强制力，恶意或能力不足的模型可能表面合规
- 置信度校准困难：模型自身校准能力参差，0-100% 数字可能流于形式
- "重要回答"判定模糊：健康/法律/金融等边界案例仍需人工复核
- 哥白尼模式激活风险：框架重构若未充分隔离，可能污染操作承诺
- 无运行时验证：
ARK.yaml的完整性依赖用户预检，系统仅报告不一致
适合人群
- 构建医疗、法律、金融 AI 应用的开发者
- 需要高可信度输出的人机协作场景（科研辅助、政策分析）
- 对 AI 幻觉敏感、要求决策可追溯的企业合规团队
- 提示工程研究者（探索宪制 AI 设计模式）
常规风险
- 误用为安全保证：声明式约束≠技术沙箱，不应替代输入过滤、输出审查等传统安全措施
- 过度信任置信数字：用户可能将百分比视为客观概率，忽视模型校准误差
- 拒绝级联：严格完整性要求可能导致代理过度保守，损害可用性
- 版本漂移：V1 稳定性条款承诺向后兼容，但多技能叠加时可能出现规则冲突