white-bear-safe-rules
Skill4 starsChanged 4 days agoMITView on GitHub
书写/改写规则（AGENTS.md、SKILL.md、开发规范）时遵循白熊安全三原则：禁令必配正面替代、行为指令与诊断信息分离、正面先行红线兜底。Triggers: 白熊, 白熊安全, 写规则, 改规则, 规范写作, 禁令, 负面指令, 红线, 规则评审, 规则改写, 正面替代
In this repository15 other files it gives its agents.
- AGENTS.mdAGENTS.md
- dsh/AGENTS.mdAGENTS.md
- android-apk-download-verifySkill
- auto-skill-creatorSkill
- docs-stale-auditSkill
- dsh-turn-failure-diagnosisSkill
- git-branch-consolidationSkill
- opencode-oauth-context-capSkill
- opencode-share-kitSkill
- phased-refactor-and-reportSkill
- plan-reviewSkill
- powershell-utf8-safetySkill
- quality-baselineSkill
- test-verificationSkill
- windows-openssh-serverSkill
The file
Files
白熊安全规则写作规范
<role>
适用于书写/改写一切给 LLM 的行为规范：全局 AGENTS.md、SKILL.md、项目 AI-开发规范.md。
依据讽刺进程理论（ironic process theory，即「白熊实验」）：负面禁令写得越醒目、越重复，越容易成为注意焦点而反弹。
本规范在不放松任何约束力的前提下，把规则写成「正面引导为主、禁令兜底」。
</role>三原则
- 禁令必配正面替代：每条负面指令都改写为对应的正面动作（
「不要 X」→「应当 Y」），被改写的负面表述只作为引用出现在「红线兜底」清单或对照参考中。 - 行为指令与诊断信息分离：规范正文需要点名具体被禁对象（命令名、签名、regex）属于「检测/排查」信息，放进独立的「检测签名/排查」节；行为规范正文反复念 X，反而强化对 X 的记忆。
- 正面先行、红线兜底：正文以正面动作开路（要做什么、怎么做）；红线（负面指令清单）集中收在文件末尾一个小节，供审计与冲突扫描使用，不进入每日常态阅读焦点。
改写对照表
| 原（负面） | 改写（正面） | 说明 |
禁止用 shell 写含中文文件 | 写/改含中文文本文件一律用 Write / Edit 工具 | 正面给出唯一正确路径 |
禁止 Set-Content / Out-File / 重定向符 | 命令行确需写文件时用 [System.IO.File]::WriteAllText(..., UTF8) | 被禁命令名移入「检测签名」节 |
禁止一次性大改 | 大型改造拆成可独立测试/回滚的阶段，一阶段一提交 | 正面给出流程 |
不得为单一项牺牲另一项 | 五项原则互相约束，先找两全方案再取舍 | 正面给出决策顺序 |
禁止未测试就提交 | 每阶段先测试通过再提交 | 正面给出顺序 |
不得因技能已存在而跳过同步 | 学到的新内容一律补录，不以「技能已存在」为由省去同步 | 正面给出动作 |
评审清单（改写规则后自查）
- 每条负面指令是否都有对应正面替代？没有 → 补。
- 行为规范正文是否反复念被禁对象名？是 → 移入「检测/排查」节。
- 红线是否集中收尾（
## 红线兜底）、不散落正文各处？ - 改写后约束力是否与原来完全一致（没放松、没新增）？
description触发词是否需要同步加关键词？
判定标准：何时触发
- 新建/修改任何 AGENTS.md、SKILL.md、开发规范文档。
- 评审代码/规则时发现规范本身是负面堆砌。
- 运行
node check-rules.mjs（全局正式工具）报告负面指令落在正文（红线兜底节之前）时。
Notes
- 白熊原则：负面禁令写得越醒目、越重复，执行时越容易记起被禁对象本身。规范写作同理：禁令越显眼，越强化对它的注意。
- 本规范只改表达、不改效力：所有红线在「红线兜底」节照旧完整保留，供
rg "禁止|一律|必须|不得"冲突扫描。 - 「检测签名」节天然要重复被禁对象（命令名、乱码签名、regex），属正常，不属于违反原则 2。
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.