「AI 自动整理文件」听起来很美，直到它把一批客户文件移错了文件夹。LexArch 做归档助手这几年，我们得出的结论是：规则学习的关键不是学得快，而是学得可靠。这篇讲清楚它的规则是怎么来的。
三种学习机制
显式学习：指一个乱文件夹，系统扫描散件与目标目录结构，归纳出「什么样的文件该去哪」的规则提案——目标必须在候选清单内，防编造。历史回放：把你过去的人工归档记录回放一遍，按目标分组归纳成批规则；没有 AI 时退回关键词投票，照样能补课。确认沉淀：日常使用中，你每次确认、改向、手动归档，都会被记下来作为学习样本。
两段晋级：新规则先当「建议」试用
所有学来的规则，一律从「建议级」起步：命中只入队给建议，绝不自动移动。同一条建议被你再次确认，才晋升为自动执行。
为什么要多这一段？因为归纳总有过度泛化的风险。让规则先当一段时间的「实习生」，用真实使用验证它，比直接放权安全得多。
四道防线：防的就是「合同」这种词
学规则最怕学到「合同」「纪要」这种看起来精确、实际能命中半栋楼的词。LexArch 的防线：
- 泛化禁词表：行业泛化词直接拒绝，可自行追加；
- 长度闸：关键词太短或太长都不收；
- 跨目标歧义：一个词同时指向两个不同目标（比如「清研」命中四家清研系公司），拒绝；
- 历史回测：入库前拿人工历史试跑，与历史冲突的直接不要。
兜底：错了能回来
就算规则真的错了——撤销功能可以一键还原最近一次归档的整批移动；规则库里每条规则可以查看、降级、删除。每一步操作有审计记录，出问题时你能在三十秒内说清楚发生了什么。
写在最后
「人教一次，规则长期生效」的真正含义，是把人的判断力沉淀成系统的确定性。AI 负责归纳，防线负责不学坏，两段晋级负责不冒进——效率的提升，不该以「哪天它突然移错一批文件」为悬念。