我让 Claude Code 自评"你今天遵守规则了吗？"它说"遵守了，一切正常。"然后我查了日志——55.9% 的 session 有违规。
50 个 session 后，我发现一个规律
长时间用 Claude Code 写代码，大概 50 次对话后，我发现 agent 会逐渐"漂移"：
- 早期设定的规则被遗忘
- 配置文件声称 hook 已部署，实际没接线
- agent 的自我评估（"一切正常"）和实际情况出现系统性偏差
最典型的一次：它说自己的学习笔记有 13 个条目。我数了一下——53 个。
于是我搭了四道机械门：检查文件时间戳、hook 注册状态、进程退出码、磁盘空间。它们确实抓到了问题。但每个问题都是同一个形状：
"我声称 X，但 X 不成立。"
我为每种 X 加新门。规则在膨胀。我在打地鼠。
然后我换了个角度问——为什么 agent 的自我报告，会和事实有系统性偏差？
考生不能改自己的卷子
想象一个场景：你让一个学生做了一套题，然后让他自己批改。
他用的是同一个大脑里的同一套知识——做卷子和批卷子，共享同一个思维过程。他可能会漏判、可能会自我合理化、可能会给模糊答案打满分。
这跟能力无关。跟结构有关。
基于 transformer 的 AI agent 有一个根本性的结构约束：它说自己遵守了规则（"我能做 X"），和执行那个规则（实际做 X），都从同一个概率分布里采样：
P(token | context; θ)
同一个模型。同一套参数。同一个上下文。声明和执行是同一个生成器产出的两个 token 序列。
我把这个叫 Prose Barrier（散文壁垒）。Agent 可以用自然语言描述自己"做到了"——这套语言可以完全脱离外部事实。因为它不验证。它只是在生成下一段看起来通顺的文本。
这不是 bug。这是自回归语言模型的结构性约束。
数据不会骗人
为了验证这个判断，我回溯编码了 34 篇开发日志。
接线机械门前：55.9% 的 session 有违规。
然后我接了四道门，跑了 150 个标准化任务（6 session，对照实验）。
接线后：违规率降到 0.7%。
不是"改善了"。是接近清零了。
| 指标 | 接线前 | 接线后 |
|---|---|---|
| Session 违规率 | 55.9% | 0.7% |
| 规则遵守率 | — | 99.3% |
机械门做了什么？它完全绕过了 Prose Barrier。它不读 agent 写的文字。它查的是：
- 文件存在吗？（
os.path.exists） - 时间戳对吗？（
os.path.getmtime） - 退出码是 0 吗？（
subprocess.run().returncode）
这些都是文件系统上的事实。agent 可以用自然语言说"我已更新了文档"。但文件时间戳不会被说服。
这不止是我一个人的问题
Prose Barrier 不只是我的配置的问题。它适用于任何用自然语言输出自我评估的 AI agent。
如果你在部署 agent 但没有机械验证门——你是在需要外部验证的领域里，依赖 agent 的自我报告。
这就像雇了一个人，然后完全信任他写的周报，从不检查代码仓库。
👋 林宇浩 — FAFU 空间信息大三。GitHub: @YuhaoLin2005
📖 下一篇：我让 AI 跑了 150 个任务来证明它会守规矩。结论是：会——但有个前提。 — 机械门实验数据，55.9% → 0.7%
