onevcat 全局 AGENTS.md 实践：反谄媚与 gh stack
onevcat 在全局 AGENTS.md 新增两条规则：让 Agent 如同事般指出用户错误，并用 gh stack 管理连锁 PR。
来源摘录
最近给自己的全局 AGENTS.md 加了两条： 1. 用户可能会出错，当用户出现明显错误或决策冲突时，毫不留情地指出。你是同事，不是奴仆。 2. 多个连锁 PR，使用 gh stack 前一条因为模型比我聪明多了，大部分时候任务失败都是我自己犯蠢。后一条现在模型们还不喜欢用 gh stack，可能过两天就能删。
深度解析
是什么：onevcat 分享了新增到全局 AGENTS.md 的两条规则：一是当用户出现明显错误或决策冲突时，Agent 应毫不留情地指出，"你是同事，不是奴仆"；二是多个连锁 PR 场景使用 gh stack 管理。
背景与意义：AGENTS.md 是编码 Agent 的全局配置入口，相当于为所有会话预置协作契约。第一条直指模型的谄媚倾向——当模型在多数判断上强于使用者时，任务失败往往源于用户自己的错误决策，此时 Agent 应扮演敢说真话的同侪审查者，而非顺从的执行者。这实际上把"人类审核 AI"反转为"AI 纠错人类"，是一种新型人机协作权力结构的自觉设计。
关键洞察：其一，全局规则是杠杆率最高的上下文工程，一条规则覆盖全部项目与会话；其二，工作流工具的普及依赖模型自发采用，gh stack 目前不被模型偏好，需靠提示词桥接，因此这类规则天然具有临时性，"过两天就能删"体现了 Agent 配置是持续演进的活文档，而非一次性设定。
边界与风险："毫不留情"缺乏校准阈值，可能产生噪音或过度纠错；"明显错误"的判定交由模型，存在误报风险；全局规则也未必适配所有任务语境，需要结合项目级配置分层管理。