最近在調整一個 AI 自動化整理流程時，我又被一個看起來很小的細節敲了一下頭：刪除資料這件事，真的不能只把它當成 housekeeping。
工程師很容易低估「清掉舊檔案」「移除垃圾紀錄」「整理重複資料」這類工作。因為它不像新功能那麼亮眼，也不像線上事故那麼刺激。但當這些工作交給 AI agent 或排程自動執行時，刪除就不再只是整理，而是一條非常清楚的安全邊界。
最危險的指令，常常長得最無聊
rm、批次刪除、regex 掃描後清理，這些東西在日常開發裡太常見了。常見到我們會忘記問一個基本問題：如果判斷錯了，誰救得回來？
人手動下指令時，至少還有一點情境感。你大概知道自己在哪個目錄、剛剛看過哪些檔案、刪掉之後會不會後悔。當然，人也會手滑，這我不敢嘴，畢竟每個工程師心裡都有一個不想回憶的 rm -rf 故事。
但 AI 自動化更麻煩。它可能是凌晨跑的，可能連續處理幾百筆候選資料，可能根據某個規則判斷「這看起來像垃圾」。問題是，「看起來像」這三個字，在刪除場景裡非常危險。
對 AI 來說，刪除不該是普通操作。它應該被視為權限升級。
可逆，比聰明更重要
我現在設計這類流程時，第一個原則是：能不要真的刪，就先不要真的刪。
例如要移除某個受版本控制的檔案，直接用系統層級的刪除指令，看起來很乾脆；但如果改用版本控制工具處理，至少會留下 diff、commit、history，也比較容易被 review 或 rollback。這不是因為 Git 比 shell 神聖，而是因為它把「刪除」變成一個有紀錄的狀態變更。
同樣地，如果要清理資料庫裡的重複資料，我會偏好先標記、移到 quarantine、產出 dry run report，而不是直接 DELETE FROM。如果真的要刪，也要能回答幾個問題：刪了哪些？為什麼刪？依據哪個規則？什麼時間刪？能不能恢復？
聽起來很囉唆對吧？但這就是自動化系統的現實。人類偶爾手動整理，犯錯範圍通常有限；排程一旦犯錯，是很有耐心地把錯誤重複執行到天亮。
Regex 命中不是事實，只是線索
另一個很容易踩的坑，是把 pattern match 當成真相。
例如我們想找出 metadata 垃圾、壓縮後殘留、重複 transcript、無效暫存檔。寫幾個 regex 掃下去，很快就能列出一堆候選。那一刻會很有成就感，彷彿系統突然變乾淨了。
但 regex 命中只代表「它符合某個文字形狀」，不代表「它應該被刪」。尤其在 AI 系統裡，很多檔案的內容本來就長得像模板、像 log、像暫存、像摘要。你以為抓到垃圾，實際上可能抓到一段未來要追溯的上下文。
所以我會把掃描分成兩層：第一層是 detection，負責找出候選；第二層是 decision，負責判斷能不能處置。這兩層不要混在一起。尤其是高風險清理，寧可多產生一份報告給人看，也不要讓 agent 因為「規則看起來很準」就自己動刀。
flowchart LR
A[掃描候選] --> B[分類風險]
B --> C{是否可逆?}
C -->|是| D[自動處理並留下紀錄]
C -->|否| E[產生 dry run 報告]
E --> F[人工確認或延後處理]
D --> G[驗證與可回滾紀錄]
F --> G
不要把安全設計推給 approval dialog
很多 agent runtime 都會有 approval 機制：危險指令要使用者同意、刪除操作要確認、外部寫入要攔一下。這很好，但我不喜歡把它當成主要防線。
原因很簡單：approval dialog 是最後一道煞車，不是道路設計。
如果一個流程每次都要靠人按「允許」才能跑完，它其實還沒有被設計成自動化。更糟的是，按久了人會疲乏，最後看到提示就反射性同意。這跟網站 cookie banner 很像，本來是保護機制，最後變成訓練大家閉著眼睛按確定。
比較好的做法，是把高風險操作改寫成低風險操作。不要讓 agent 去做「不可逆刪除」，而是讓它產生可 review 的變更；不要讓它直接清空資料，而是讓它把候選移到隔離區；不要讓它自由組 destructive command，而是提供受限的工具介面，只允許幾種明確、可記錄、可回滾的動作。
這樣 approval 才是例外，不是日常。
自動化不是少管，而是更好管
我常覺得，大家談 AI agent 時太容易把焦點放在「它能不能自己做事」。這當然重要，但對技術主管來說，我更在意的是：它做完之後，我能不能理解、追蹤、修正？
一個好的 agent 工作流，應該像一個可靠的同事：不只會完成任務，也會留下清楚紀錄；不確定時會降級處理；碰到高風險動作會知道停手；事後 review 時講得出自己做了什麼。
這不是要把 AI 綁到不能動。剛好相反，只有當邊界設計清楚，我才敢讓它跑更遠。因為我知道就算它判斷錯了，錯誤也會被限制在可恢復的範圍內。
小結：刪除是產品決策，不是清潔工作
自動化系統最迷人的地方，是它會默默幫你處理那些無聊但必要的事。整理資料、歸檔紀錄、清掉重複、維護知識庫，這些工作如果都靠人手動做，很快就會荒廢。
但越是無聊的工作，越容易被我們放鬆警戒。尤其是刪除。它不像部署新版本那麼隆重，也不像權限設定那麼敏感，卻可能在某個凌晨安靜地造成不可逆的損失。
所以我現在的標準很簡單：AI 可以幫我找垃圾，可以幫我分類，可以幫我產生清理建議，也可以處理那些已經設計成可逆的變更。但只要牽涉不可逆刪除，就必須有更高規格的流程。
刪除資料不是打掃房間而已。對 AI 自動化來說，它是一個產品決策、一個治理問題，也是一條工程倫理的邊界。
如果我們希望 agent 真的成為可靠的工作夥伴，就不能只教它怎麼做事，也要教它什麼時候不要動手。