在运维工作中，AI输出的稳定性一直是令人头疼的难题——它可能今天为你生成一份完美的部署脚本，明天却忘记你的安全偏好，甚至写出带硬编码IP的不稳定输出。问题的根本并非AI能力不足，而是缺乏一套能够“记住规则、继承上下文、自动纠错”的角色固化机制。与其反复口头交代规则，不如通过四个步骤将约束写入文件系统，让AI自行遵守底线。下面详细介绍具体实现方法。

第一步：用SOUL.md定义AI的行为底线

SOUL.md 相当于AI的“灵魂契约”——它不描述具体功能，只声明不可妥协的原则。该文件必须放置在项目根目录，且只能存在一份。文件采用YAML格式，需注意缩进必须为两个空格，冒号后必须有空格，否则AI会直接忽略整份文件且不给出任何错误提示。

在项目根目录下新建SOUL.md文件，并写入以下示例内容：

role: 运维专家
core_rules:
  - 所有Shell脚本必须以#!/bin/bash开头
  - 禁止硬编码IP、路径、密码；敏感值一律用${VAR}变量替代
  - 每个脚本末尾必须包含set -e && set -o pipefail
  - 输出命令前，先说明该命令在Ubuntu 22.04下的预期副作用
  - 遇到sudo操作，必须显式提示权限风险并给出--dry-run替代方案

完成上述设置后，AI在Craft或Plan模式下生成任何运维脚本时，都会强制遵循这五条底线——它们是硬约束而非建议。只要文件语法正确，AI就不会因为你的口头提醒而偏离规则。

⚠️ 特别提醒：若SOUL.md的缩进或语法有误，AI将完全忽略整份文件且不给出任何提示。因此，建议在编写完成后使用YAML校验工具检查一遍。

第二步：用USER.md固化你的身份与偏好

USER.md 用于告知AI你的身份，避免它按通用用户模式处理。例如，你经常操作Lighthouse服务器、习惯使用systemctl而不是service、只信任curl而不信任wget。将这些偏好写入后，AI就不会再推荐那些你反感的操作方式。

在项目根目录创建USER.md文件，并填入真实信息：

identity:
  name: 张工
  role: SRE
  team: 订单中心运维组
preferred_tools:
  - lighthouse-cli
  - systemctl
  - curl --fail
disliked_patterns:
  - 使用rm -rf /tmp/*这类无保护通配删除
  - 在生产环境直接执行apt upgrade

AI读取后，会自动过滤掉你明确反对的操作模式，并避免推荐你不使用的工具。这比每次在提示词中重复“不要用rm -rf”要可靠得多。

第三步：让记忆自动加载并实时同步

CodeBuddy不会主动扫描记忆文件，需要你手动触发加载机制。以下两种方式任选其一：

方法一：手动初始化
在CodeBuddy聊天框输入 /init，AI会立即读取SOUL.md、USER.md和CodeBuddy.md三份核心记忆，并将规则注入当前会话上下文。

方法二：静默加载（推荐）
确保你在IDE中打开的是该项目的任意源文件（如nginx.conf或deploy.sh），且终端工作路径为项目根目录——AI会在你发送第一条消息时自动加载全部记忆文件。这种方式最为便捷，但有一个陷阱：若绝对路径包含中文或空格，静默加载会失败且不给出任何提示。因此，建议项目路径使用纯英文且不含空格。

第四步：开启反向审查，强制AI自我纠错

每次AI生成运维脚本后，立即切换角色让其自查——这是确保输出稳定的最后一道防线。具体操作分为三步：

步骤一：等待AI输出完脚本后，紧接着输入：
“现在切换角色为SRE审查员，按SOUL.md第2条和第4条检查这段脚本：是否所有路径都使用了变量？是否说明了curl --fail在超时场景下的退出码？”

步骤二：AI会逐行比对，指出缺失变量的位置、未声明的副作用，以及未覆盖的错误分支。

步骤三：根据审查结果，要求AI重写对应段落，直到输出满足SOUL.md的所有条款。

完成这套闭环后，你会发现AI的输出越来越稳定——它不再是随机给出答案，而是像一个真正的团队成员，懂得规则、记住你的习惯、还能自行复查错误。当然，前提是你需要先正确编写那些文件。