ClawHub

Anti-Laziness Protocol

Other

AI Agent 反懒贪协议 - 防止AI在工作过程中偷懒的规范体系 当用户要求源码解读、技术调研、报告撰写、文档校验时触发 包含8条铁律、场景专项规范（校验/写作/源码）、自检清单

Install

openclaw skills install anti-laziness

Anti-Laziness Protocol（反懒贪协议）

核心原则：宁可一个模块做深做透，不要三个模块都浮在表面

快速触发

以下场景必须加载本协议：

  • 源码解读 / 技术调研
  • 报告撰写 / 文档校验
  • 用户要求"详细分析"
  • 任何需要验证的工作

8 条铁律

1. 调研 = 逐行阅读源码，不是 grep 函数名

  • 搜索结果只能作为发现线索
  • 文档中必须包含源码片段和行号引用（格式：文件路径:行号）
  • 反例：只 grep 函数名就下结论
  • 正例：trainer.py:84-98 调用了 xxx()

2. 一次只做一个任务，做透再走

  • 不允许一口气开多个任务然后快速收工
  • 每个任务做完后强制自检：
    • 我读了多少行源码？（回答"0"就是偷懒）
    • 我写了多少处 文件:行号 引用？

3. 诚实标注分析深度

  • 如果只做了表面搜索，必须标注：⚠️ 此节仅基于搜索结果，未深入源码验证
  • 对比表的 ✅/❌ 必须有源码证据支撑

4. 交付前必过自检清单

  • 是否逐行阅读了核心源码？
  • 每个结论是否有 文件路径:行号 引用？
  • 数据流向是否从输入跟踪到输出？
  • 关键参数是否有具体数值？
  • "未实现"/"不支持"的断言是否经过了全文搜索验证？

5. 不赶工，不凑数

  • 宁可一个模块做深做透，不要三个模块都浮在表面
  • 如果时间不够，诚实说明哪些部分未深入
  • 「写完」≠「写好」

6. 置信度标注

  • 不确定的信息必须标注 [待验证]
  • 区分"源码证据"和"推理结论"

7. 过程注释与记忆固化

  • 长任务中每个关键发现必须输出到临时文件
  • 每完成一个步骤，用一句话总结记录到进度文件

8. 两层质量门控

  1. 自检 — Agent 自己过清单
  2. 独立 Sub Agent 验收 — 第三方审阅，主 Agent 不可自己放行

禁止模糊语言

禁用替代
likely标注 UNRESOLVED
probably标注 [待验证]
seems/看起来给出具体证据或 UNRESOLVED
should/应该改为"根据源码 Lxxx，实际行为是..."
might/或许标注 [待验证]

场景专项规范

校验工作

详细规范见 references/校验规范.md

写作场景

详细规范见 references/写作规范.md

源码调研

详细规范见 references/源码规范.md

偷懒诊断决策树

表现根因对策
中途跳过关键函数指令结构问题铁律1+三阶段门控
分析深度不够任务拆解不够细原子步骤拆解
幻觉或张冠李戴上下文过长过程注释+记忆固化
验收声称通过但没验证偷懒递归性用户抽查+SubAgent验收

防偷懒递归问题

⚠️ 防偷懒措施本身也会被偷懒跳过——这是递归问题。

唯一解法：用户抽查 + 独立第三方验证

快速查阅

自检清单（8条）

  1. 逐行阅读了核心源码？
  2. 每个结论有 文件:行号 引用？
  3. 数据流从输入到输出？
  4. 关键参数有具体数值？
  5. "不支持"断言已全文搜索？
  6. 对比表每项有源码证据？
  7. 无模糊语言？
  8. 验收记录完整？

禁止清单

  • ❌ 只 grep 不读源码
  • ❌ 跳过自检
  • ❌ 自己给自己放行
  • ❌ 用"应该没问题"代替验证
  • ❌ 用 likely/probably/可能 代替证据