我给 AI 写的规矩只有一句话，还是撞了两次号 - 编程一生
内容提要
文章区分 Skill 与 CLI：Skill 是不执行的说明书，规定何时开工、走哪条分支、何时停止；CLI 是确定性脚本，负责计算、加锁、写入和重试。作者因多人多窗口抢号两次撞号，说明并发场景下规程无法约束同时操作，必须用脚本加锁。结论：凡两人同时操作会出错的事（如占号、算日期、管凭证），都不能交给模型。
延伸解读
并发场景下规程的失效
文章指出，即使规程写得再详细，也无法约束多人同时操作。作者两次撞号都因多个窗口同时读取最大号并写入，每一步都正确但合起来错误。这说明在并发场景下，自然语言规程无法保证一致性，必须依赖脚本加锁等机制。
Skill 与 CLI 的职责划分
Skill 是不执行的说明书，负责何时开工、走哪条分支、何时停止；CLI 是确定性脚本，负责计算、加锁、写入和重试。两者不是二选一，而是分工：Skill 保证每次都对，CLI 保证每次都一样。放错位置可能导致事故。
必须交给脚本的三类操作
文章明确三类操作不能交给模型：占号、算日期、管凭证。这些操作要么涉及并发竞争，要么依赖精确的当前信息，模型无法可靠处理。作者强调，只要两个人同时做会出错，这一截就必须是脚本，而不是写在说明书里。
Q&A
Skill 和 CLI 到底有什么区别？
Skill 是一份写给模型看的自然语言操作规程，不执行任何代码，只规定什么时候开工、走哪条分支、什么时候停下来问人；CLI 是确定性脚本，负责计算、加锁、写入、重试、回滚等所有会动手的事。CLI 保证每次结果一样，Skill 保证每次判断对。
为什么给 AI 写一句简单的规矩，还是会出现两个人同时抢到同一个号？
因为规程管得了“怎么做”，管不了“两个人同时做”。当多个窗口或机器人同时读取清单时，它们看到的都是当时真实的最大号，各自加一后写入，就会产生重复号。这不是谁看错了规矩，而是并发操作本身无法靠说明书避免。
怎么防止多人或多窗口同时操作时撞号？
把占号动作写成脚本，利用 git 的锁机制：脚本先拉取最新清单，计算新号，然后尝试推送；如果推送被拒（说明别人已经先改过），就重新拉取、重算、再推，最多重试八次。成功推送后号就写进远端，谁也抢不走。
哪些事情绝对不能交给 AI 模型去做？
凡是“两个人同时做会出错”的事情都不能交给模型，典型的有三样：占号、算日期、管凭证。这些必须用确定性脚本处理，因为模型有判断力但解决不了抢跑问题。
Skill 的渐进披露机制是什么？
渐进披露是指平时只有 Skill 的 description 一行元信息常驻上下文，当模型判断当前任务与某个 Skill 相关时，才把整篇 SKILL.md 正文加载进来。这样能大幅降低常驻成本，比如一个 149 行的 Skill 常驻成本只有 1 行。
Skill 和 CLI 在失败处理上有什么不同？
CLI 失败可以原样重试，因为它是确定性函数，相同输入必然相同输出；Skill 失败是模型没按规程走，同样的说明书下次可能走出另一条路，无法保证一致。
