PD 与相邻类别的关系

不同工具解决不同问题。本页不是排名——下面每个类别都各自解决好自己的问题；这里只是说明各自的位置，以及 PD 的位置。

Principles Disciple 是一个 AI Agent 行为治理系统。在技术上，它是一个 行为治理运行时（Agent Governance Runtime）：捕捉行为证据，沉淀经 Owner 审批的原则，并通过多个治理通道加以应用。

PD 与 AI Memory

Memory：存储信息——「发生了什么？」 PD：治理行为——「因为发生了什么，行为应该改变什么？」

Memory 系统存储和检索信息：对话记录、偏好、事实。PD 把验证过的行为经验转化为经 Owner 审批、能改变 Agent 下次行为的原则。两者互补；会话记忆仍由宿主负责。

PD 与 Prompt Engineering

Prompt：提供指令——执行之前。 PD：治理行为改进——执行之后。

Prompt 工程在执行前提供指令；PD 帮助 Agent 从执行后的真实经验中发展出可复用的行为原则——并通过多个治理通道应用，而不只是文字。两者都在塑造行为，只是作用于不同时刻、不同层面。

PD 与 Agent Skills

Skills：提供能力。 PD：治理能力应当如何使用。

Skills 扩展 Agent 能做什么——新工具、新能力。PD 在 Owner 权威下治理 Agent 做事过程中的行为方式。两者天然可组合：Skills 增加能力，PD 对齐行为。

PD 与 Guardrails

Guardrails：阻止不想要的行为。 PD：帮助定义期望的行为模式。

Guardrails 主要防止不想要的行为——围绕「什么不可以发生」筑起围栏。PD 工作在正向一侧：把验证过的经验转化为经 Owner 审批的原则，描述 Agent 应该如何行为，且内建审查与可回滚。Guardrails 回答「什么被禁止」；PD 回答「什么应该成为习惯」。

PD 与规则引擎（Rule Engine）

规则引擎：预定义的条件触发预定义的动作。 PD：经验成为原则；原则治理未来行为。

规则引擎执行的是事先写好的映射：条件 X 匹配，动作 Y 触发。这个循环里没有任何学习。PD 工作在任何规则的上游：它把真实行为经验转化为经 Owner 审批的原则——而在某条底线必须被强制执行时，这些原则可以经过审查、影子试运行和显式审批，硬化为可执行的规则。规则是部分原则的执行方式，不是 PD 的起点。

PD 与 Agent 运行时 / Harness

运行时与 Harness（Claude Code、Codex、OpenClaw……）：让 Agent 跑起来。 PD：让 Agent 的行为可治理——架设在你已有的运行器之上。

运行时和 Harness 负责任务执行、工具调用与循环编排。PD 这些都不做：它以治理层的形式装进这些宿主，经由宿主的扩展点工作——观察行为、沉淀经 Owner 审批的原则、再通过提示词钩子与工具调用钩子加以应用。选运行时和选治理是两个不同的决定；PD 假定你已经做好了第一个。

PD 与自主自我改进

自我改进型 Agent：自行决定变更。 PD：Owner 决定，系统提案。

在 PD 中，每条原则提案都要经过 Owner 审查才能激活，每次激活都可回滚。改进基于经验；治理始终属于 Owner。

一句话总结

Memory 存储，Prompt 指令，Skills 扩展，Guardrails 设栏，规则引擎执行固定映射。PD 治理行为改进——把反复纠正转化为经 Owner 审批、可审查、可回滚的行为原则，并通过多个治理通道应用。

另见常见问题。