如果你曾经用"不要删除这个文件"、"先阅读项目文档再操作"或"完成前运行测试"等规则来指示AI，却发现它在几次交互后或上下文变复杂时就忘记了这些指令，那你并不孤单。这就是Hooks发挥作用的地方——一种让AI可靠地遵守你规则的工具。
为什么Hooks重要：AI会忘记，但Hooks不会
AI很难始终记住你设置的所有规则，特别是在上下文变长、任务增多或对话变得零散的情况下。全局提示虽然有用，但它们只是文本，很容易被忽略。Hooks通过充当AI工作流中的强制检查点完美地解决了这个痛点。
可以把Hooks想象成AI操作的社区门禁。保安（代表全局提示）可能会分心或打瞌睡，但门禁（Hooks）确保每个人在进入前都必须刷卡（遵守你的规则）。它将你的软性提醒转变为硬性强制检查——如果AI未能通过检查，就无法继续执行任务。这就是为什么说Hooks比你的人工提醒可靠得多。
Hooks在实际中做什么
Hooks在AI工作流的关键阶段插入强制操作，覆盖任务的整个生命周期：
- 开始之前（SessionStart）：强制AI在启动时阅读必要的文档（例如项目进度文件
PROGRESS.md或编码规范）。 - 行动之前（UserPromptSubmit）：在AI执行每个操作前检查风险，比如删除文件、修改敏感配置或调用外部API。
- 完成之后（Stop）：确保所有任务后步骤都已完成，包括运行测试用例、记录变更内容或明确下一步行动计划。
实现Hooks：两种实用方法
方法一：利用预置配置
你可以直接使用预先配置好的Hooks设置，省去从零开始的麻烦。例如，使用Codex这类工具时，直接让AI帮你应用已有的Hooks配置：
我想为我的工作流配置Hooks。帮我检查并在当前项目中应用Codex的全局Hooks配置。
应用完成后，打开工具的设置面板确认——新的Hooks规则会出现在那里，你可以随时查看和调整。
方法二：创建自定义规则
如果预置配置不满足你的需求，可以创建自己的规则。比如你的项目需要在每个任务前读取 PROJECT_GUIDELINES.md，完成后运行 sanity_test.py：
添加一个Hook，确保AI在开始任何任务之前读取`PROJECT_GUIDELINES.md`，并在完成后运行`sanity_test.py`。
关键原则是只设置那些你绝不能让AI跳过的核心规则，不要贪多——简洁才能保证可靠执行。
关键注意事项：Hooks不是万能药
Hooks擅长执行程序性规则，比如必须阅读文档或必须运行测试。但对于涉及真实API密钥、客户隐私数据、生产环境或支付/数据库权限的高风险场景，仅靠Hooks是不够的。你必须同时采取以下措施：
- 最小权限原则：把AI的权限限制到最小，只给它完成工作所必需的那部分权限。
- 人工监督：对敏感操作使用专门的测试账户，关键步骤设置手动审批流程。
总结
Hooks通过将软性提醒转变为硬性检查点，把AI从一个健忘的助手升级为一个可靠的工作伙伴。用它们来锁定关键工作流，再配合其他安全措施来应对敏感任务，你的AI工作流程就能真正高效且安全地运转起来。