为何 AI Agent 指令文件总在多台机器间漂移

你写了一份 CLAUDE.md。六个月后，你的笔记本上有了十八份，而你无法说出哪一份是正确的。

这不是假设。我扫描了自己的机器，发现确实如此。以下是它发生的原因，以及为什么那个显而易见的修复方案并不能真正解决问题。

副本是由工具创建的，不是你

每个 Agent 都会从它自己的路径读取指令。

你并没有决定保留四份副本。你只是决定使用四个工具。副本是跟着这些工具一起产生的。

漂移不是由粗心造成的

产生漂移有三个机制，都不涉及任何人的疏忽大意。

在使用的位置编辑。一个 Agent 在任务中途行为异常。你修复了眼前打开的那份指令文件。那只是四份中的一份，修复只落在了那一份上。

检出的副本不是最小单元。你把同一个仓库克隆了两份——一份用于主分支，一份用于一个长期分支。两个都有指令文件。一旦其中任何一个被修改，它们就开始分叉。

主目录规则是不可见的。~/.claude/CLAUDE.md 不属于任何仓库。它不在任何 CI 中。它是你不想在 review 里争论的那些规则的归宿。

从单一源生成并不能杜绝这个问题

自然的反应是停止保留副本：写一份 AGENTS.md，然后生成其余的。

我做了这个工具。它能工作。它叫 agent-fanout——单文件 Python，零依赖，MIT 协议。

create    CLAUDE.md
create    .cursor/rules/from-agents-md.mdc
create    .github/copilot-instructions.md

生成的文件带有一个头部注释，这样没有人会直接编辑它们，而 CI 中的 --check 会把手工修改的衍生文件变成一个失败的构建。

这覆盖了这个仓库，这里 CI 是运行的。听起来像是覆盖了所有场景，直到你列出哪些不在范围内：

主目录中的全局配置——没有仓库，没有 CI

编辑与生效之间的时间窗口——Agent 在文件变化的瞬间就读到了它；CI 要到 push 时才会注意到，而且还得有 push 发生

没有 CI 的仓库——原型、一次性的克隆、上周的实验。这些地方指令被最自由地重写，而门控却最少

最小单元是机器，不是仓库。Agent 运行在一台笔记本上，那里有许多检出的副本、同一仓库的多份拷贝，以及一个主目录。任何局限于单个仓库的作用域都无法看到这些。

所以要测量，而不只是预防

预防是策略。检测是测量。策略会以你看不见的方式被绕过，除非你先去测量。

agent-drift 扫描的是路径而不是仓库，并按内容相似性分组而不是按文件名：

python3 agent_drift.py ~/work ~/side-projects

Scanned 47 instruction files.
DRIFT: 2 documents, 5 distinct versions between them.

  claude-code:CLAUDE.md
    6 copies, 3 versions
      9b01aeaa204d  3 files, 406 lines
      2dc3c616c279  2 files, 411 lines

按文件名匹配在这里毫无用处。不相关的项目有不同的 CLAUDE.md 是正常的，而一个把这些报告为漂移的工具很快就不会再被使用了。把它指向你的整个工作目录，而不是单个项目——有趣的结果是跨仓库边界的。

生成去除了副本存在的理由。检测捕获的是那些出于你未曾预料的原因而存在的副本。只做其中一件会让你感觉被覆盖了，而这比知道自己没有被覆盖更糟糕。我自己就踩过这个坑。

说实话，最终状态是这两个脚本都不需要——资产不会作为文件散落在机器上，一份审查过的副本会到达每一台机器。这是我目前在 untactit 正在做的事情，目前处于 pre-launch 阶段。

这些脚本不依赖于那个愿景。取其中有用的部分就好。