给AI Agent写“例外清单”：别让你的口头指令变成随机数

举个我团队里的实操例子。我们原本有个死规定：所有处理敏感数据的Agent必须纯本地部署，绝对不能接云端API。但后来有个负责市场分析的Agent，本地模型实在跑不动复杂的逻辑，必须得用Claude这种顶尖模型才能出结果。

当时我直接在心里给它开了个“绿灯”，没在配置文件里写明。结果出现了一个很诡异的现象：这个Agent有时候能正常工作，有时候却突然死板地执行“本地化”指令，拒绝调用API。

这就像给一个记忆力极强但完全没有常识的新员工下指令，如果你在文档里写“禁止外食”，但私下跟他说“你今天可以去吃火锅”，他可能会在接下来的一个月里陷入严重的自我怀疑：老板到底是想要我遵守规则，还是想要我吃火锅？

对于Agent来说，没写在文件里的例外，就等于把规则给删了。

为了解决这个维护性问题，我把所有的“特例”全部文档化，并加上了具体的日期和原因。我的操作逻辑是：

一、禁止模糊修改：不要直接把“禁止云端”改成“可以偶尔用云端”，这样规则就失效了。
二、建立特例清单：在配置文件中明确标注。

# 部署策略配置文件
policy_version: 2026-04-23
global_rule: "local_inference_only" 
exceptions:
  - agent_name: "Marketing_Mia"
    reason: "需要处理高复杂度市场分析，本地模型能力不足"
    expiry_date: "2026-10-01"
    allowed_models: ["claude-3-5-sonnet"]

三、记录废弃原因：如果某个工作流被砍掉了，不要直接删代码，要在记录里写清楚：某年某月某日，因为测试了150组案例发现准确率只有38%，所以该环节正式退役。

这种做法在工程上其实就是把“个人判断”变成了“生产配置”。

我发现这样做之后，Agent的执行稳定性明显提升了。因为它们不再需要通过上下文去“猜”我的意图，而是直接读取一个经过版本管理的事实。对于我们这种追求可维护性的QA工程师来说，能用配置解决的，绝对不要依赖提示词里的随口交代。