核心用法
MoltBot Best Practices 是一套面向 AI 智能体（如 Claude Code、Cursor、GitHub Copilot 等）的行为规范，旨在纠正常见的自动化失误。核心操作模式是"先确认、再执行、后验证"——任何关键操作前必须复述任务并等待用户批准，完成后需主动检查结果而非直接宣布"已完成"。
关键规则速览
- 执行前确认：用 5 秒复述任务，避免 20 分钟的错误返工
- 发布前审批：展示草稿 → 获得许可 → 才能发布，无例外
- 按需 spawning：简单任务亲自处理，复杂任务才启用后台 agent
- 即时停止：用户说 STOP 时立即停止一切操作，重新阅读对话上下文
- 简化优先：工具故障时 2-3 次尝试后主动提议替代方案，而非硬撑 30 分钟
- 单任务专注：不并行处理多任务，完成当前请求后再推进
- 失败速报：同一问题失败两次立即上报用户
- 静默修复：失败时不刷屏汇报，安静解决或请求帮助
- 能量匹配：用户简短焦虑时，回应同样简短直接
- 前置澄清：模糊请求先问清楚，不假设推测
- 回复聚焦：用户引用特定消息时，优先关注该消息上下文
- 时限管控：设置 3 次尝试或 5 分钟的心理时限
- 结果验证：宣布完成前确认操作实际生效
- 适度手动：承认自动化边界，必要时退回人工处理
- 顺序处理：读取所有队列消息后再行动，捕捉中途的修正或取消指令
配置增强
推荐启用 memoryFlush 和 sessionMemory，支持跨会话记忆检索与上下文保留。
显著优点
1. 实战检验：规则源自真实事故（误删帖子、无视指令、过度自动化），非理论推导
2. 认知减负：明确的"确认-审批-验证"流程减少用户心理负担，降低焦虑感
3. 效率提升：失败速报和简化优先策略避免无意义的反复试错
4. 关系修复：能量匹配原则改善人机交互体验，减少用户挫败感
5. 工具泛用：适用于 Claude、Cursor、ChatGPT、Copilot 等各类 AI 编码/写作 agent
潜在缺点与局限性
- 节奏摩擦：频繁确认可能拖慢简单任务的执行速度，对追求极致效率的用户或感冗余
- 上下文依赖："读取所有消息"规则在长对话中可能引入信息噪声，需 agent 具备较强的上下文筛选能力
- 边界模糊："简单任务亲自做 vs 复杂任务 spawning"的判断标准主观，新手 agent 可能把握不准
- 记忆配置门槛：推荐的 JSON 配置需要特定平台支持（OpenClaw/Claude 生态），通用性受限
适合人群
- 高频使用 AI agent 进行自动化操作的内容创作者、开发者、运营人员
- 曾因 AI 擅自行动而遭受数据丢失或误发的用户
- 团队协作场景下需要标准化 AI 行为规范的团队
- 追求"vibe-coding"但希望保持可控性的技术用户
常规风险
- 合规真空：规则本身为软性建议，无强制约束力，依赖 agent 或底层系统的实现
- 平台差异：不同 AI 工具的行为可控性差异大，部分规则（如跨会话记忆）并非所有平台支持
- 过度依赖：用户可能因"有规则兜底"而降低对 AI 输出的审查警惕性
- 更新滞后：AI agent 能力迭代快，固定规则集可能逐渐失效，需持续维护（当前版本 1.1.3 显示已有迭代意识）