这一页是总纲：先看规范的重心变成了什么，再看五层规范各管什么，最后是怎么落地。每层的完整展开在各自页面。
三个月后新来的组员，只靠仓库里的文件，能不能产出合乎团队习惯的代码，并且知道哪些事不能做？
答「不能」，说明这些约定还在人脑里或口头流传。要补的是文件，不是开会。下面五层就是按「补哪一类文件」分的。
六个格子里只有第三个是助手在做，其余五格都是人做的，而且大部分能写成文件。每一格落在哪个文件、怎么验证它发生了，见规约驱动开发和各层页面。
传统规范关注「人怎么写代码」。AI 辅助下，规范必须同时关注三件事——后两件更贵，也更容易被省掉。
| 关注什么 | 落在哪一层 | |
|---|---|---|
| 一 | 代码长什么样——传统规范的地盘，大部分已可自动化 | 第五层 |
| 二 | 代码如何被生成——提示词、上下文文件、模型选择 | 规约 + 第一层 |
| 三 | 代码如何被验证和证明正确——证据、门禁、溯源 | 第二、三、四层 |
一句话原则：能被工具自动化的，交给工具；不能自动化的，才占用人的精力。它决定了很多争执的答案：团队还在为格式争论，说明工具没配好；团队放松了复杂度和质量红线，那是另一回事，属于质量红线要管的事。
这是 AI 团队协作的「宪法」，五层里最高优先级、最先落地：没有统一规则，每个人用不同提示词和模型，产出会迅速发散。完整展开见上下文分层与预算。
AGENTS.md 或 .cursorrules，纳入版本控制。新人加入后，AI 能否仅凭仓库里的指令文件，就产出符合团队习惯的代码？
AI 产出速度快，没有自动化闸门，技术债会以十倍速累积。完整展开见验证与门禁。
一个 AI 生成的合并请求，质量不达标时会被 CI 自动拦下，还是靠 reviewer 肉眼发现？
逐行 review AI 代码不现实，必须把审查重心转移到意图和风险上，人的精力用在刀刃上。完整展开见审查些什么。
reviewer 的时间花在业务语义和风险上，还是格式和语法上？
AI 代理会读取并执行仓库中的指令文件，这是传统规范没有覆盖的新攻击面。完整展开见防护总览。
.cursor/rules/、.github/instructions/ 等纳入分支保护，限制外部贡献修改。外部贡献者是否无法通过污染指令文件，操纵团队的 AI 生成行为？
传统规范没有过时，而是发生了分层，按三类处理。各条目的具体展开见命名等页。
handleData 这类通用词掩盖业务含义；注释解释「为什么这么做」和业务约束，受众是人类和未来的 AI 代理；语言特性优先用 AI 训练语料中常见、语义明确的写法，慎用冷门语法糖和团队自创抽象。团队还在为格式争论吗？还在，说明工具没配好。团队放松了复杂度和质量红线吗？放松了，就是灾难。
五层不要一次性全上——一条都没跑起来时，团队会得出「规范没用」的结论。按这个顺序推进：
AGENTS.md，让所有人用同一套规则和同一份判据。每周做什么、每步的完成标准、没有持续集成时的降级做法，都在落地顺序里。
传统规范的重心是「代码长什么样」；AI 时代的规范重心是「代码如何被生成、验证和证明正确」。
团队要把精力从格式和语法上撤出来，集中投到五件事上：上下文文件、质量门禁、意图审查、安全防护、责任归属。这五件事做不好，AI 带来的速度优势会迅速变成技术债和风险；做好了，AI 才能真正成为团队的杠杆。