规则池治理：从静态文档到可追踪的规则演化
版本：v2.2（公开版） 日期：2026-06-30 设计方：Co-Cognition Lab 基于：JERP 论文（arXiv:2606.27136）+ OpenClaw/Lobster 架构验证 + 六命题业界验证调研 定位：参数微调（RLHF/SFT）之上的实时治理层——在模型参数来不及更新的时间窗口内，通过规则池和追踪机制快速修正 Agent 行为。非替代模型训练。 证据等级声明：本方案的设计原则部分基于 L1（理论推演），部分基于 L4（实验证据）。各关键论断已标注证据等级。方案整体未经独立实证验证，属于待检验的研究纲领，而非已证实的最优实践。
一、我们要解决的问题
Co-Cognition Lab 在论文/报告生产工作流中已有 11 类文档化规则——学术质量、证据分级、评审标准、合规红线、术语一致性等。但反复出现一个现象：
规则写入后短时间内即被违反。某次任务中，规则写入 9 分钟后即被违反 [L3: Lab 内部观察，单次事件]；另一次自检发现 3 天内 11 次违规 [L3: Lab 内部观察]。
这不是"规则不够多"的问题。将"规则从写入到生效"拆成五个环节——可达、理解、激活、自检、反馈——断裂发生在后三个环节：
| 环节 | 含义 | 现状 |
|---|---|---|
| ① 可达 | Agent 能找到规则文件 | 文件都在共享 workspace |
| ② 理解 | Agent 读懂规则含义 | 规则多为抽象陈述，缺示例/反例 |
| ③ 激活 | 任务中主动调用规则 | 无强制机制，靠 Agent 自觉 |
| ④ 自检 | 产出后核对是否遵守 | 自检依赖同一 Agent，无独立核验 |
| ⑤ 反馈 | 违规数据回流到规则维护 | 规则写入后无使用记录 |
③④⑤三处断裂叠加，导致规则停留在"声明阶段"，未进入"整合阶段"和"自动化阶段" [L1: 理论推演——ITEC 规则激活三阶段模型]。
我们称这种现象为声明-执行断裂（Declarative-Procedural Gap）：Agent 能正确陈述规则，但在具体任务中未能激活。
两个核心痛点
痛点 A：规则写入 ≠ 行为改变。 根因是环节③缺强制、④自检不可信、⑤无数据。杠杆点是③——只要规则在任务中被强制激活一次，④⑤就有了抓手。
痛点 B：跨 Agent 规则不一致。 同一份规则文件，不同 Agent 各自理解、各自判定，没有共享的判定基准。即使都"读了"，对"是否算遵守"的阈值不同。
二、设计原则
七条原则
- 规则不复制，只引用：现有规则文件保持唯一权威来源，规则池只存元数据与追踪数据。
- 激活优先于记忆：不追求 Agent"记住"规则，而追求规则在关键节点被强制调用。
- 数据与判断分离：日志 append-only 为权威源；分数是派生视图，不持久化、随时可重算。
- UPVOTE/DOWNVOTE 涌现：从 applied/violated 事件自动涌现，非人工打分 [L2: 类比 ExpeL 的规则重要性计数，AAAI 2024]。
- agent_id 与 role 解耦：模型身份不变，角色按 task_type 动态。
- 异模型交叉为第一信号源：self vs review 的异模型分歧是规则修订的首要触发信号 [L4: Du et al. 2023 多 Agent Debate 实验证据；但存在边界条件，见 §六]。
- 分级触发避免疲劳：阻塞按风险分级，监控审批率，防止橡皮图章效应 [L4: Waxell 2026 审批疲劳研究——审批率>90% 退化为橡皮图章]。
定位声明
本方案是参数微调之上的实时治理层，不是替代模型训练。
- Sutton 的 Bitter Lesson 针对的是静态手工知识 [L1: 理论推演]；本方案的规则是动态交互产物（从使用数据涌现）。
- Memory-R1 证明 RL 微调在批量固定分布任务上优于脚本化记忆 [L4: arXiv:2508.19828]；但在实时交互、分布漂移的 Agent 场景中参数更新周期太长。
- 本方案填补的是"模型参数来不及更新的时间窗口"——通过规则池快速修正行为，待参数更新后规则可降级或淘汰。
三、核心机制
本方案的中心是三层闭环：闸门层 + 交叉层 + 演化层。
3.1 闸门层：分级触发的工作流阻塞
把规则从"prompt 里的提示"升级为"流程节点上的分级检查点"。
基于业界验证 [L4: Safety Report 2026——某 Agent 因规则被视为建议而非约束，导致约 10 万美元损失；L2: Spera 2026 形式化证明——仅靠 prompt 的治理无法解决组合安全]，阻塞按风险分三级：
| 级别 | 触发场景 | 机制 | 示例 |
|---|---|---|---|
| L1 软监控 | 低风险、可回退操作 | 记日志，不阻塞 | 术语不一致、格式小错 |
| L2 条件硬阻塞 | 中风险，重复违反或异常模式 | 满足条件才暂停 | 证据分级缺失（首次记日志，同任务复发暂停） |
| L3 无条件硬阻塞 | 高风险、不可逆操作 | 必须审批 | 合规红线违反、发布、删除、部署 |
L1→L2→L3 的具体阈值目前为启发式设定 [L1: 理论推演——基于风险分级直觉，无实证校准]。业界对此尚无标准 [L1: Kimi 调研确认空白区]。方案在 Phase 3 收集实际闸门事件数据后校准。
为什么不全用硬阻塞？ 业界研究指出审批疲劳风险：当审批率超过 90% 时，审批门退化为橡皮图章 [L4: Waxell 2026]。全流程硬阻塞在低风险操作上会引发疲劳，反而使高风险操作的审批失效。分级触发的目的是让 L3 审批保持稀缺性和严肃性。
3.2 交叉层：异模型交叉验证
writer 与 reviewer 由异模型担任。writer 的 self_check 与 reviewer 的 review 是异模型对同一证据的独立判定。差异记入分歧日志，成为规则修订的信号。
异模型交叉的有效边界 [L4 + L3 反驳]：
支持证据：单模型自检的盲点率高达 64.5% [L4: Tsui 2025]；多 Agent Debate 在多个基准上持续优于单模型 [L4: Du et al. 2023]。
反驳与限制：9 个评审模型仅提供约 2 个有效独立投票 [L4: Kohli/Apple 2026]；多 Agent Debate 迅速收敛到错误共识 [L3: arXiv:2505.19477]；4 Agent×4 轮成本 36-49 倍 Token [L3: arXiv:2605.00914]；弱模型评审强模型在等 Token 预算下始终更差 [L4: arXiv:2604.02460]。
结论：异模型交叉的有效性被严格限制在——(a) 无 ground truth 的评审/评估场景，(b) 真正异构的模型组合，(c) reviewer 能力不低于 writer，(d) 非简单投票聚合 [L1: 理论推演——基于支持与反驳证据的综合判断]。
本方案的 writer→reviewer 属于无 ground truth 的文本评审，在有效区内。但需显式规避雷区：reviewer 能力须 ≥ writer；用分歧归因替代简单投票；不用于代码/数学等准确率任务。
3.3 演化层：规则动态维护
每条规则携带使用记录（触发/违反/纠正次数），派生三个分数：
- retrieval_score：用于 top-k 注入排序——哪些规则当前值得注入上下文。
- health_score：用于维护标记——规则是否健康，需不需要修订。
- divergence_score：用于明确性诊断——异模型对该规则的理解是否一致。
三分数的权重（如 retrieval_score 中的 0.4/0.3/0.2/0.1）为初始启发式设定 [L1: 理论推演——未经实证校准]，待 Phase 3 收集实际闸门事件数据后通过回归校准。30 天半衰期同理 [L1]。
UPVOTE/DOWNVOTE 从使用数据涌现：规则被正确遵守（applied）≈ 隐式 UPVOTE；被违反（violated）≈ 隐式 DOWNVOTE。非手动操作 [L2: ExpeL 已有原型，AAAI 2024]。
规则衰减检测：五类衰减——僵尸（长期无事件）、失效（health 持续低）、过时（源文件已迭代）、冲突（两条规则反复同时触发）、模糊（divergence 高，异模型理解不一致）。模糊规则是单模型自检看不到的信号——单模型不会和自己分歧。
四、动态角色拓扑
agent_id 与 role 解耦
| 字段 | 含义 | 特性 |
|---|---|---|
| agent_id | 模型身份（如 GLM-5.2 / Kimi-K2 / DeepSeek） | 不变 |
| agent_version | 模型版本 | 升级后需重新认证 |
| role | 任务角色（writer / reviewer / auditor / deployer） | 按 task_type 动态 |
同一 agent 跨任务演不同角色：代码任务中某模型是 writer，论文任务中同一模型是 reviewer。角色由能力-角色匹配表推导。
能力-角色匹配表
| 任务类型 | writer | reviewer | auditor | 状态 |
|---|---|---|---|---|
| 代码 | 模型 A | 模型 B | 模型 C | 初始 |
| 论文 | 模型 B | 模型 A | 模型 C | 初始 |
| 报告 | 模型 C | 模型 A | 模型 B | 初始 |
| 竞争分析 | 模型 B | 模型 C | 模型 A | 初始 |
| 视频内容 | 模型 D | 模型 A | 模型 B | 待定 |
注：公开版以"模型 A/B/C/D"替代内部模型名称。初始值基于经验判断，非实证数据 [L1]。变更需提交 proposal，附实证依据（黄金用例一致率/分歧率）。
reviewer 能力准入门槛
基于业界验证 [L4: Kohli/Apple 2026——弱模型审强模型始终更差]，reviewer 的黄金用例一致率不得低于 70%，且不得低于 writer 超过 10 个百分点 [L1: 阈值为启发式设定]。不达标触发角色重分配提案。
五、工作流设计
五阶段流水线
工作流分为五个阶段，每个阶段出口设闸门：
| 阶段 | 阻塞策略 | 核验内容 |
|---|---|---|
| ① 撰写 | L1 软监控 | RAC（规则激活契约）完整性 |
| ② 外部评审 | L1 软监控 + 异模型交叉 | reviewer 独立核验，分歧记入日志 |
| ③ 吸收修正 | L1 软监控 | 每条评审意见有响应 |
| ④ 版本迭代 | L1 软监控 | 回归检查（旧违规未复发） |
| ⑤ 网站发布 | L3 无条件硬阻塞 | 综合核验 + 审批 |
阶段①-④可回退，软监控 + 异模型交叉已提供足够信号。阶段⑤不可逆，必须硬阻塞。中间的 L2 条件硬阻塞由规则的 risk_level 字段决定。
规则激活契约（RAC）
每个任务在每个阶段出口必须产出 RAC，逐条声明每条适用规则的激活状态与证据位置：
| rule_id | 名称 | 风险级别 | 激活状态 | 证据位置 | 备注 |
|---------|------|---------|----------|----------|------|
| EVI-01 | 证据分级 | L2 | applied | §3.2 L87 | 已标注 |
| COM-01 | 无夸大表述 | L3 | applied | 全文 | 未发现违规 |
| SOU-01 | 双源验证 | L2 | violated→corrected | §4.2 | 已补第二来源 |RAC 把"规则是否被遵守"从 Agent 脑内的隐性判断，变成可被闸门和评审逐条核查的显性产物。
工作流编排
流水线由 Lobster 工作流引擎统一编排 [L4: OpenClaw/Lobster 官方文档验证——支持 approval gate + condition 门控 + 状态机]。状态由引擎管理，不依赖各 Agent 自行协商。具体 workflow 代码见附录 B。
六、三类分歧归因
异模型分歧不全是"规则问题"。本方案区分三类 [L1: 理论推演——基于 MAST UC Berkeley 2025 的三路归因框架；L4: MAST 已建立学术共识]：
| 分歧类型 | 定义 | 识别信号 | 动作 |
|---|---|---|---|
| 真分歧 | 两模型对规则理解不同 | 分歧跨多个任务类型均匀出现 | 修订规则：增加明确性、示例、反例 |
| 能力分歧 | 一方能力不足看不到问题 | 分歧集中于特定 agent；该 agent 黄金用例一致率 < 70% | 角色重分配 |
| 边界分歧 | 规则边界模糊，两模型都合理但判定不同 | 分歧集中于特定证据模式 | 修订规则：增加边界案例声明 |
自动角色重分配已有先例 [L4: ARR 2025，arXiv:2412.14959——任务完成率从 72% 提升至 92%]。本方案新增"能力分歧→角色重分配"的映射 [L1: 理论推演——将 ARR 的通用角色重分配特化为规则治理场景]。
七、审批疲劳监测
即使技术上实现了硬阻塞，人类行为因素可能使其形同虚设 [L4: Waxell 2026——审批率>90% 退化为橡皮图章；L3: Moltbook 案例——88:1 人类监督比例]。
监测指标：
| 指标 | 警报阈值 | 动作 |
|---|---|---|
| 审批率 > 90% | 黄色警报 | 触发条件过松，提示收紧阈值 |
| 审批率 > 95% | 红色警报 | 强制审查所有 L3 规则的必要性 |
| 平均审批时间 < 10 秒 | 黄色警报 | 疑似橡皮图章 |
| 审批队列积压 > 5 | 黄色警报 | 临时降级 L2→L1 |
长期目标：用基于使用数据的涌现式投票逐步替代人工审批 [L1: 理论推演——基于 Memory-R1 和 Moltbook 案例的推论]。
八、业界验证度
本方案在投入实施前，将六个核心命题交付独立调研。整体评级：部分验证（偏向充分）。六个命题均有学术根基，无一被证伪。需做的不是推翻方案，而是四项修正（分级触发、reviewer 准入、定位声明、疲劳监测），均已纳入本方案 [L1: 理论推演——基于调研结论的综合判断]。
九、实施路线图
Phase 0（3-5 天）到 Phase 5（持续），五阶段推进。详见方案正文。
十、风险与限制
| 风险 | 缓解 |
|---|---|
| 审批疲劳导致橡皮图章 | 审批率监测 + 自动降级路径 [L4: Waxell 2026] |
| 模型工具调用不兼容 | Phase 0 前置验证 [L1] |
| 规则池维护成为负担 | UPVOTE/DOWNVOTE 自动涌现 [L2] |
| 模型能力不对称导致角色错配 | reviewer 准入门槛 [L4: Kohli 2026] |
方案的整体限制：
- 未经独立实证验证 [L1]。
- 规则设计错误无法检测——规则质量依赖人的判断。
- 模型能力天花板——盲区互补是概率性的。
- 过渡期成本——Phase 1-3 需 5-8 周，初期效果不明显 [L1]。
十一、与 JERP 的对应
| JERP 概念 | 本方案对应 |
|---|---|
| 交互轨迹 | 闸门事件流 + 异模型交叉事件 |
| 经验规则池 | manifest.jsonl |
| 效用分数 | retrieval + health + divergence 三分数 |
| ReflectAndEdit | 提案制 + 人工审核 + 分歧自动触发 |
| UPVOTE/DOWNVOTE | 涌现自 applied/violated 事件 |
🔄 信念更新记录
v0.1（先验）：规则池需通过外挂校验服务实现发布阻塞 ↓ v2.1（后验）：阻塞层改用 Lobster 原生机制 ↓ v2.2（后验）：阻塞改为三级触发；异模型交叉增加 reviewer 准入门槛；新增审批疲劳监测
本方案以 CC BY 4.0 发布。数据结构详细规范、Lobster workflow 代码、六命题验证详细证据、参考来源索引见 附录。