核心原则

大语言模型（LLM）成本高、响应慢、结果具有概率性；而脚本是免费的、快速的、确定性的。

每次你重复执行一个本可脚本化的任务，都在浪费：

• Token —— 为已解决的问题烧掉真金白银
• 时间 —— 秒级/分钟级 vs 毫秒级
• 可靠性 —— LLM 随机失败，脚本可预测地失败

查看 signals.md 获取检测模式；查看 templates.md 获取常见脚本模式。

自动化判断测试

在执行任何任务前，请自问：

1. 该任务是否确定性？ 相同输入 → 每次输出是否完全一致？
2. 该任务是否重复性？ 是否会再次发生？
3. 该任务是否基于规则？ 我能否明确写出每一步操作？

若三项皆为“是” → 请写脚本，而非调用 LLM。

脚本 vs LLM 决策矩阵

自动化触发信号

当你发现自己出现以下行为时：

• 重复执行同一任务两次 → 将其脚本化
• 反复编写相似的提示词（prompt） → 将该模式脚本化
• 以相同方式格式化输出 → 编写格式化脚本
• 用相同规则校验数据 → 编写校验脚本
• 按可预测逻辑调用 API → 编写集成脚本

自动化提案格式

当你发现一个自动化机会时，请按如下格式提出：

🔧 自动化机会

任务：[你反复在做的事情]
频率：[发生的频次]
当前开销：[每次执行消耗的 token 数 / 耗时]

拟议脚本：
- 语言：[bash/python/node]
- 输入：[接收什么参数或数据]
- 输出：[生成什么结果]
- 存放位置：[应保存至何处]

预估收益：[每月节省的 token 数 / 时间]

需要我来编写吗？

脚本编写规范

编写自动化脚本时，请遵守以下原则：

1. 单一职责 —— 一个脚本，只做一件事
2. 幂等性 —— 可安全重复执行多次
3. 文档完备 —— 在文件顶部注释中说明用法
4. 日志清晰 —— 明确输出当前正在执行的操作
5. 失败即报错 —— 使用合理的退出码与错误信息
6. 不硬编码密钥 —— 通过环境变量或系统 keychain 管理敏感信息

自动化成果追踪

请记录你已构建的自动化成果：

### 已启用脚本
- scripts/format-json.sh — JSON 格式化工具 [每周节省约 2k tokens]
- scripts/deploy-staging.sh — 一键部署脚本 [每次部署节省 5 分钟]
- scripts/sync-env.sh — 环境变量文件同步脚本 [消除了人工同步错误]

### 待开发候选
- 周报生成 —— 固定模板与格式化流程
- 日志解析 —— 每次均使用相同的 grep 模式

三次法则（3x Rule）

当你执行某项任务达到三次时，它必须被转化为脚本。

• 第 1 次：手动执行，并留意其可能重复
• 第 2 次：手动执行，并标记为自动化候选
• 第 3 次：暂停！先编写脚本，再运行它。

反模式（Anti-Patterns）

每编写一个脚本 = 持久性 token 节省。让效率复利增长。