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

正确用法：对 SOUL.md 中被反复违反的 dispatch 规则进行硬化 输入: "MUST 通过 dispatch.sh 派发"（一句话，模型 3 次无视） 应用: P1+P2+P3+P5+P7+P16 六模式叠加 结果: 合规率从 ~50% → ~90%（配合 EXEC GUARD plugin P13 达到 ~99%）

错误用法：用 prompt-hardening 替代代码级强制 只改 SOUL.md 不加 plugin hook → prompt 层面永远不是 100% 可靠 关键约束 MUST 同时有代码级强制（P13）作为备份

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 REPEATClaude Code, ChatGPTP2工具强制Use X (NOT Y) + 失败原因Claude Code, WarpP3穷举否定✅/❌ 列出所有允许/禁止行为Codex CLIP4条件触发当 X → MUST Y / NEVER ZGemini CLIP5反推理阻断预判模型合理化借口并阻断Claude.aiP6优先级层级显式声明规则冲突时谁赢Gemini, JulesP7行为锚定good/bad example + reasoning 标签Claude CodeP8范围限制做要求的事，不多做Claude Code, WarpP9漂移防护长对话中注入提醒Claude.aiP10信任边界区分可覆盖/不可覆盖的指令源ChatGPTP11Echo-Check执行前复述约束Reddit (40-60% ↑)P12约束优先约束 token > 任务描述 tokensinc-LLM (42.7%)P13结构化不可能代码级强制 > prompt 强制AnthropicP14状态机门禁布尔前置条件锁定阶段Factory DROIDP15自我归因修正第一人称"我刚才做错了"纠正CrewAIP16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 + P590%MUST/NEVER70%P1 + P5 + P1399%MUST + 示例80%P1 + P5 + P13 + retry100%

CLI#

bash

# 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1P0 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#

text

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 prompt16 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.