Prompt Hardening

硬化 agent prompt 使其可靠遵循指令的系统化方法。

核心原则：Prompt 不是策略文档，而是错误纠正系统。最可靠的约束不是更好的措辞，而是结构化不可能性。

When to Use

• Agent 反复违反同一条规则
• 部署新的 agent system prompt 前需要质量审计
• Agent "创造性地"绕过工具约束或长对话后行为漂移
• 如果不确定是否需要硬化，先用 scripts/audit.sh 审计一遍再决定

When NOT to Use

• 不适用于代码生成、代码审查等执行型任务（用 code-review-enhanced、tdd-workflow）
• 不适用于 skill 质量改进流程（用 improvement-orchestrator）
• 不要把所有 prompt 问题都归为"硬化不够"——有些需要代码级强制（P13）而不是更多文字

Quick Reference

场景	推荐模式	强度
模型反复违反同一条规则	P1 三重强化 + P13 代码级	最强
模型绕过工具约束	P2 工具强制 + P3 穷举枚举	强
模型"合理化"违规	P5 反推理阻断	强
长对话偏离规则	P9 漂移防护 + P11 Echo-Check	中
新规则首次部署	P4 条件触发 + P7 示例对	标准

16 个硬化模式

详细说明、示例和来源见 references/patterns.md。

#	模式	一句话说明	来源
P1	三重强化	MUST/NEVER + good/bad example + I REPEAT	Claude Code, ChatGPT
P2	工具强制	Use X (NOT Y) + 失败原因	Claude Code, Warp
P3	穷举否定	✅/❌ 列出所有允许/禁止行为	Codex CLI
P4	条件触发	当 X → MUST Y / NEVER Z	Gemini CLI
P5	反推理阻断	预判模型合理化借口并阻断	Claude.ai
P6	优先级层级	显式声明规则冲突时谁赢	Gemini, Jules
P7	行为锚定	good/bad example + reasoning 标签	Claude Code
P8	范围限制	做要求的事，不多做	Claude Code, Warp
P9	漂移防护	长对话中注入提醒	Claude.ai
P10	信任边界	区分可覆盖/不可覆盖的指令源	ChatGPT
P11	Echo-Check	执行前复述约束	Reddit (40-60% ↑)
P12	约束优先	约束 token > 任务描述 token	sinc-LLM (42.7%)
P13	结构化不可能	代码级强制 > prompt 强制	Anthropic
P14	状态机门禁	布尔前置条件锁定阶段	Factory DROID
P15	自我归因修正	第一人称"我刚才做错了"纠正	CrewAI
P16	首尾重复	关键约束放 prompt 开头+结尾	Lost in the Middle

可靠性等级

防护层级	可靠性	组合使用	可靠性
软约束	~40%	P1 + P5	~90%
MUST/NEVER	~70%	P1 + P5 + P13	~99%
MUST + 示例	~80%	P1 + P5 + P13 + retry	~100%

CLI

# 审计现有 prompt（16 项检查）
~/.claude/skills/prompt-hardening/scripts/audit.sh ~/path/to/SOUL.md

应用清单

#	检查项
1	P0 规则用了三重强化（MUST + 反面示例 + 重复）？
2	工具约束用了 Use X (NOT Y) + 失败原因？
3	禁止行为穷举列出？
4	关键触发用了 当 X → MUST Y 格式？
5	有反推理阻断？
6	优先级层级显式声明？
7	有好/坏示例对？
8	范围边界明确？
9	长对话有漂移防护？
10	信任边界明确？
11	关键操作前有 echo-check？
12	约束 token > 任务描述 token？
13	最关键约束有代码级强制（L5）备份？
14	多步操作有状态机门禁？
15	违规后有自我归因修正模板？
16	关键约束在 prompt 首尾都出现？

Usage

1. 读取目标 prompt
2. 识别模型历史违反过的规则（最高优先级硬化）
3. 运行 scripts/audit.sh 获取 16 项检查结果
4. 历史违反 → P1 三重强化 + P13 代码级
5. 重要规则 → P2 + P4 + P5
6. 一般规则 → P3 + P7
7. 验证约束 token 占比 > 40%

Output Artifacts

请求	交付物
硬化 prompt	重写后的 prompt 文件
审计 prompt	16 项检查清单 + 改进建议
分析违规	违规模式分类 + 硬化方案

References

• references/patterns.md — 16 个模式的详细说明和代码示例
• references/sources.md — 13 个研究来源

Operator Notes

• Advisory/planning skill. Does not modify target prompts automatically.
• When execution is needed, call out that the operator must apply changes manually or use improvement-executor.