常见问题
Principles Disciple 是什么？
Principles Disciple（PD）是一个 AI Agent 行为治理系统，帮助 Owner 把对 Agent 的反复纠正转化为可复用的行为原则。
每条原则都经 Owner 审批、可审查、可回滚，且其对未来 Agent 行为的影响保持可观察。
PD 中的「原则」是什么？
原则不是一条简单的规则。
它是从经验中提炼出的可复用行为认知——足够抽象，能跨场景指导决策；又足够具体，能真正改变 Agent 下一次的行为。详见什么是原则？。
PD 是 AI 记忆（Memory）系统吗？
不是。
Memory 存储信息；PD 把验证过的经验转化为行为原则。
Memory 回答*"发生了什么？"；PD 回答"因为发生了什么，行为应该改变什么？"*。参见 PD vs AI Memory。
PD 会自动修改我的 AI Agent 吗？
不会。
PD 只提出原则提案，激活必须经过 Owner 审查。
系统负责呈上证据与提案，判断权始终在 Owner。每次激活都可回滚，效果保持可观察。
谁应该使用 PD？
频繁使用 AI Agent、希望 Agent 跨会话保持一致行为的开发者和 AI-native 构建者。
如果你发现自己在反复纠正同一个 Agent 行为，PD 会把这种反复纠正沉淀为受治理的持久原则。
PD 是 Prompt 管理工具吗？
不是。
Prompt 工程在执行前显式下达指令；PD 基于执行后真实交互中验证过的经验进行改进，并转化为经 Owner 审批的原则。参见 PD vs Prompt Engineering。
PD 会自动生成规则吗？
要区分两个不同的步骤：
起草是自动的。 PD 的内化管线会从真实行为证据出发，无人值守地起草候选原则与候选规则实现，并用历史案例回放验证。
生效不是。 候选规则在通过 Owner 审查前保持惰性；激活后先以仅观察（shadow）模式运行；只有 Owner 显式提升后才会真正拦截执行。
所以没有任何东西会自行阻止或修正你的 Agent：生成只产出提案，权威始终在 Owner。
PD 是又一个 Agent 运行时（Harness）吗？
不是。
Claude Code、Codex、OpenClaw 这些产品回答的是「Agent 怎么运行」——执行任务、调用工具、编排循环。PD 回答的是另一个问题：「Agent 如何在 Owner 权威下变得更好」。
PD 不执行任务、不管理工具。它以治理层的方式架设在你已有的宿主之上（当前支持 OpenClaw 与 Codex），通过宿主自身的扩展点——提示词钩子与工具调用钩子——应用原则。使用 PD 不需要换掉你的 Agent；Agent 还是你的 Agent，只是它的行为从此可治理。
PD 会消耗额外的 Token 吗？
会——先说实话：反思管线会在正常任务之外产生额外的 LLM 调用。
三件事让这笔账算得过来：
- 反思按经验计价，不按任务计价。 一次深度反思沉淀出的原则与规则，会被之后的每个会话复用。
- 注入有硬预算上限。 激活的原则进入上下文受严格的大小预算约束；而运行时规则完全在模型之外执行——零上下文窗口占用。
- 模型由你选择。 PD 使用宿主已配置的模型，包括本地部署的模型（如 LM Studio），且每个内部角色可以绑定不同的模型档案。
而且 Agentic 工作里最贵的往往不是 Token 账单，而是发现得太晚的方向性错误——避免一次这样的返工，省下的 Token 就可能超过 PD 带来的全部开销。
PD 支持哪些环境？
PD 目前支持 OpenClaw 与 Codex 宿主，详见安装指南。
PD 会训练 AI 模型吗？
不会。
PD 不修改模型权重。PD 通过经 Owner 审批的原则与运行时机制治理 Agent 行为——它在 Agent 之外的一层工作，从不进入模型内部。
PD 只是注入提示词吗？
不是。
提示词引导只是治理通道之一。核心思想是原则内化：经验沉淀为经 Owner 审批的原则，再经由治理机制应用——对少数关键底线，还包括 Owner 显式提升的可执行运行时规则。
PD 和 AGENTS.md / CLAUDE.md 有什么区别？
这些文件提供的是静态指令。
PD 基于真实经验建立不断演进的治理层：真实行为产生证据，证据沉淀为经 Owner 审批的原则，原则经治理运行时应用——每一步可审查、可回滚、可观察。