Prompt Hardening

硬化 agent prompt、system prompt、SOUL.md、AGENTS.md、cron prompt 使 LLM 可靠遵循指令。触发词：agent 不听话、忽略规则、绕过约束、prompt 优化、指令合规、规则强化、prompt 硬化、LLM 不遵守、模型违规、creative circumvention。Use when agent ignores rules, disobeys instructions, bypasses tool constraints, needs prompt optimization, instruction compliance improvement, or rule hardening. 不适用于代码生成、代码审查、测试编写等执行型任务。参见 improvement-orchestrator (用于 skill 质量改进)、code-review-enhanced (用于代码审查)。

lanyasheng Updated Sep 17, 2026

Install

Press C to copy

$ npx skillmds@latest add lanyasheng/prompt-hardening

Installs into ~/.claude/skills (or .claude/skills inside a project). Restart Claude Code to pick it up.

＋ Add to collection

README badge

[![SkillMD](https://skillmd.com/badge/lanyasheng/prompt-hardening.svg)](https://skillmd.com/skills/lanyasheng/prompt-hardening)

Trust & safety

Audits pending

Not yet audited · commit e1cc22e

License: MIT
Works with: Claude Code Claude.ai OpenAI Codex +

File contents

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.

---name: prompt-hardeningdescription: 硬化 agent prompt、system prompt、SOUL.md、AGENTS.md、cron prompt 使 LLM 可靠遵循指令。触发词：agent 不听话、忽略规则、绕过约束、prompt 优化、指令合规、规则强化、prompt 硬化、LLM 不遵守、模型违规、creative circumvention。Use when agent ignores rules, disobeys instructions, bypasses tool constraints, needs prompt optimization, instruction compliance improvement, or rule hardening. 不适用于代码生成、代码审查、测试编写等执行型任务。参见 improvement-orchestrator (用于 skill 质量改进)、code-review-enhanced (用于代码审查)。license: MIT---# 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<example>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%）</example><anti-example>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</anti-example>## 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```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 ||---|--------|| 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 prompt2. 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 + P56. 一般规则 → P3 + P77. 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.

lanyasheng/auto-improvement-orchestrator-skill/tree/main/skills/prompt-hardening commit e1cc22e3c2

Frequently asked questions

npx skillmds@latest add lanyasheng/prompt-hardening