CODE 即法则。Data 即真相。Prompt 只是指令。AI 只做创造。
P.A.C.T.（Prompt、AI、Code、Truth）是一个治理框架 — 一份人类与 AI 智能体之间的契约。名字本身就是哲学：Pact 意为盟约，这四个原则定义了双方都不可逾越的边界。
- 人类 通过 Prompt 发出意图，通过 Code 固化规则。
- AI 在契约范围内创造性地工作，以 Truth（数据）为边界。
- 双方都不越界。这就是 Pact。
2026 年 3 月由 PactKit 作者 Slim 首次提出。该框架源自数月的生产实践 — 用确定性代码治理 AI 智能体。
四大原则
P Prompt 只是指令 告诉 AI 怎么做 — 定义流程，不定义状态
A AI 只做创造 格式化、摘要、语言 — 不做确定性逻辑
C Code 即法则 确定性操作的唯一执行者 — 不可绕过，不可近似
T Truth Data即真相 所有判断的事实基础 — 不靠记忆，不靠推测，不靠编造原则一：CODE 即法则
确定性操作必须由代码执行，绝不由 AI 判断代替。
任何具有可预测、可重复结果的操作，都属于脚本或程序的职责。AI 智能体无权绕过、近似或替代这些操作。
- 如果某个任务有脚本 → 必须用脚本，不能用自然语言重新实现
- 有明确步骤的工作流（构建、部署、测试、同步）由代码治理，不由 Prompt 治理
- 代码是硬门禁：脚本失败就停止执行，AI 不能"绕过"
为什么：AI 模型是概率性的，每次运行可能产生略微不同的结果。对于要求一致性的操作 — 健康检查、部署、数据管道 — 变异性是 bug，不是 feature。代码消除这种变异性。
| 错误做法 | 正确做法 |
|---|---|
| AI 用正则解析 CLI 输出 | 脚本返回结构化 JSON |
| AI 直接调用原始 API | 脚本封装 API 调用 + 错误处理 |
| AI 即兴编排部署流程 | 部署脚本强制执行固定管线 |
原则二：Data 即真相
所有分析、判断和决策必须基于真实数据，绝不基于记忆、推断或假设。
这不仅适用于系统状态，也适用于所有领域：分析、报告、监控、推荐、内容生成。
有数据源？ → 读取它。
没有数据源？ → 说"数据不可用"。绝不编造。为什么：AI 模型在会话之间没有持久记忆，也没有实时感知。AI 从"记忆"中陈述的任何"事实"都有幻觉风险。强制数据优先，能保证每个断言都可追溯到数据源。
| 错误做法 | 正确做法 |
|---|---|
| "根据我的记忆..." | "根据最新查询结果..." |
| 用估算值填充缺失数据 | 标记为"数据不可用" |
| 猜测某个指标值 | 运行脚本获取实际值 |
原则三：Prompt 只是指令
Prompt、系统指令和操作文档定义的是怎么做，不是是什么。
所有形式的自然语言引导 — 系统提示、技能定义、工具指南、操作手册 — 都是给 AI 的指令，不是当前系统状态的数据源。
| 层 | 角色 | 示例 |
|---|---|---|
| Prompt（指令） | 定义流程和方法 | "检查健康状态，运行脚本 X" |
| Data（真相） | 提供当前状态 | 脚本 X 返回 {"healthy": 30, "unhealthy": 3} |
| Code（法则） | 执行操作 | 脚本 X 查询所有服务 |
为什么：当 AI 把 Prompt 或文档当成事实数据时，就会产生过时或错误的输出。Prompt 描述的是程序；只有实时数据描述的是现实。
原则四：AI 只做创造
AI 的价值在于格式化、摘要、语言表达、优先级判断和意图理解 — 不在于执行确定性逻辑。
AI 应该做的：
- 格式化与呈现：将结构化数据转化为可读报告
- 摘要与综合：压缩信息，突出重点
- 语言与风格：调整沟通风格，本地化内容
- 理解意图：理解模糊请求，提出澄清问题
AI 不应该做的：
- 解析结构化输出（JSON、CSV、XML）— 那是 CODE 的事
- 执行算术或统计计算 — 那是 CODE 的事
- 判断系统健康状态 — 那是 DATA 的事
- 编造事实填补空白 — 违反 DATA 原则
四大原则的关系
CODE 执行 → DATA 验证 → Prompt 引导 → AI 创造
(做什么) (什么是真的) (怎么做) (怎么说)示例：日报生成
- CODE：
daily_report.py查询 API，聚合数据，输出结构化 JSON - DATA：JSON 输出是今日数字的唯一数据源
- Prompt：技能定义告诉 AI："运行脚本，读取 JSON，格式化报告"
- AI：AI 撰写报告叙述 — 导语、重点、语气、排版
每一层只做一件事。任何层都不伸入其他层的领地。
这个框架阻止的失败模式
| 失败模式 | 哪个原则阻止 |
|---|---|
| AI 猜测部署命令 | CODE 即法则 |
| AI 在报告中编造数据 | Data 即真相 |
| AI 把文档当成实时系统状态 | Prompt 只是指令 |
| AI 手动解析 JSON 而不用脚本 | AI 只做创造 |
| AI "回忆"昨天的指标 | Data 即真相 |
| AI 即兴编排手册中没有的工作流 | CODE 即法则 + Prompt 只是指令 |
采纳清单
将 P.A.C.T. 应用到新项目时：
- 识别所有确定性操作 → 封装成脚本（CODE）
- 识别所有数据源 → 确保 AI 查询数据，绝不猜测（DATA）
- 审查所有 Prompt 和文档 → 确保只包含流程，不包含状态（Prompt）
- 定义 AI 边界 → 列出 AI 格式化什么 vs 脚本计算什么（AI）
起源
P.A.C.T. 由 Slim 于 2026 年初创建，作为 PactKit 的治理基石。该框架源自一个实践观察：大多数 AI 智能体的失败都是边界违规 — AI 在应该委托代码时自行计算，在应该读取数据时自行编造。
"PactKit" 这个名字本身就编码了这一哲学：Pact（契约）+ Kit — 建立在治理契约之上的工具包。
P.A.C.T. 不是 PactKit 专属的。它适用于任何 AI 智能体与确定性代码协作的系统 — 从 DevOps 自动化到数据管道到多智能体编排。