rule-audit：静态分析 AI 系统提示词中的规则冲突与覆盖缺口

hermes-labs-ai/rule-audit · Static analyzer for AI system prompts: parses a prompt into normative rules and reports contradictions, coverage gaps, priority ambiguities, and absolute-rule edge cases - no LLM calls. Deterministic pure-Python lint with CLI, Python API, and CI exit codes. pip install rule-audit

GitHub原文发布未知首次收录 2026-09-16上架 2026-09-16 07:01

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

rule-audit 是一个纯 Python 静态分析工具，将 AI 系统提示词和 Agent 指令解析为规范性规则，报告逻辑矛盾、覆盖缺口、优先级歧义、元规则悖论和绝对规则边界情况，全程不调用 LLM。它以确定性 lint 方式提供 CLI、Python API 和 CI 退出码，可用于 pre-commit 钩子在提交前审查 CLAUDE.md、AGENTS.md、SOUL.md 等提示词文件，也可作为 Claude Code、Codex、Gemini CLI、Hermes Agent 的插件使用。检测基于词法解析（句子切分、情态动词正则、关键词簇）而非语义模型，作者明确说明它只能发现候选缺陷，不能证明提示词可被利用。

# Python # AI 安全 # prompt-engineering # CLI # 静态分析

核心能力与快速开始

★ 2 · Python

能做什么: 将系统提示词解析为带模态动词和源字符跨度的规则列表，检测四类矛盾（直接、条件、范围、绝对性）、八个安全相关领域的覆盖缺口、未声明优先级的规则簇、元规则悖论（如“忽略所有先前指令”），并把每条 always/never 规则与挑战场景配对；为每条发现生成示例场景、攻击向量、预期失效模式和缓解建议（模板生成，非已验证漏洞）；支持 CLI、Markdown/JSON/summary 输出、机器可读结果信封、Python API（audit()、AuditReport）与 CI 退出码（0/2/1）；随附 11 个手工标注校准用例和 pytest 门禁。
适用场景: 在提交前通过 pre-commit 钩子审查提示词与 Agent 指令文件；在 CI 中以退出码阻断高风险提示词变更；在 Claude Code、Codex、Gemini CLI、Hermes Agent 中按需运行审计命令；在 Python 代码中以 API 方式批量分析提示词并程序化读取矛盾与边界场景结果；用于提示词评审前的静态自检，再配合动态测试工具验证可达性。
项目形态: 可直接使用的工具
部署方式: 通过 pip install rule-audit 安装为 Python 包；也可从源码以 pip install -e "[dev]" 安装。支持作为 pre-commit 钩子、CLI、Python 库以及 Claude Code / Codex / Gemini CLI / Hermes Agent 插件运行。纯 Python 标准库、运行时零依赖、无网络调用、结果确定性。API 成本与其他部署条件未说明。
主要依赖: Python 3.9+；纯 Python 标准库，无运行时依赖；开发需 pip install -e "[dev]" 与 pytest。
使用限制: 词法解析器而非语言模型：需语义理解的隐含或叙述性约束可能漏检；CRITICAL 风险标签只表示短提示词中绝对规则与矛盾较多，并非验证过的端到端可利用性；关键词簇仅 14 个手工整理，冷门领域可能不触发覆盖缺口检测；无限定语态句的绝对性默认取 0.5；本版本仅支持英文；仅处理单文档，多个主体（operator/user/tool）合并输入时按扁平规则列表分析，不建模结构分隔；规则对比较为 O(n²)，规则集很大时会变慢；边界场景为模板生成的测试起点，非已验证的攻击。
许可证: MIT
最近推送: 2026-09-16 06:40

官方入门项目文档核对 README 依据 ↗

资料检查：2026-09-16 07:00 · 卡片整理：2026-09-16 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

职业应用

程序员

在编写或审查 AI 系统提示词与 Agent 指令文件（如 CLAUDE.md、AGENTS.md、SOUL.md）时，用 rule-audit 做静态 lint，发现规则之间的逻辑矛盾、覆盖缺口、优先级歧义、元规则悖论和绝对规则边界情况，并可通过 pre-commit 钩子在提交前审查这些提示词文件。

查看内容依据

It runs as a pre-commit hook that audits agent rules and prompts — the AI system prompts and agent instructions (`CLAUDE.md`, `AGENTS.md`, `SOUL.md`) that steer a coding agent — before they're committed.

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

Prompt Lint：AI 提示词静态分析与规则校验工具

Prompt Lint 是一个面向 AI 提示词模板的静态分析引擎，对发送给 Claude、ChatGPT、Gemini 等 LLM 的提示词做确定性的规则检查，而不改写内容。它提供 PR001–PR-INJ03 共 47 条规则，覆盖角色混淆、注入面暴露、分隔符逃逸、长度与冗余指令等问题，并支持 CLI、CI/CD 集成、JSON 与 HTML 报告、本地 Web 仪表盘以及通过自有 API Key 调用 OpenAI 与 Anthropic 接口进行模型特定校验。

SpecFact CLI：面向 Python 团队的 AI 代码膨胀防御与确定性代码审查命令行工具

SpecFact CLI 是一个本地运行的 Python 命令行工具，针对 AI 辅助编程和存量（brownfield）项目提供确定性的代码审查、清理影响预测以及规范/契约证据。它无需 API 密钥、可离线工作，能检测冗余包装器、直通 lambda、恒等 try/except、可避免的中间列表、低分支长函数等 AI 编码常见的膨胀形态，并将审查结果以 JSON 形式交给 Claude、Codex、Cursor、Copilot 或无头代理等 AI IDE 进行修复，再复跑审查以获得证据。支持通过 uvx 零安装试用，并可接入 pre-commit 钩子、GitHub Actions 等流程，同时衔接 Spec Kit、OpenSpec、backlog 等上游规划输入作为验证证据。

CocoaSkills：AI 代理技能（Skills）的本地包管理器与安装器

CocoaSkills 提供命令行工具 csk，用于管理 AI 代理的技能包：通过 Skillfile.json 声明式描述技能，从 git 仓库拉取并按 tag/commit 锁定版本，计算技能依赖图，生成 Claude Code、Codex CLI、Cursor、Gemini 等环境的适配文件，支持项目级、全局与混合三种安装模式，并提供静态安全审计与事务性安装回滚。它只负责技能的声明式分发与本地布局，不充当公共注册表、代理运行时或 MCP 服务器管理工具。

SpecFact CLI Modules：面向 AI 辅助 Python 开发的确定性代码审查与模块注册库

该项目是 SpecFact CLI 的官方模块注册库，托管 nold-ai 官方 bundle 及其文档，用于 AI 辅助 Python 交付场景。其代码审查 bundle 可给出 ai_bloat 提示性发现，识别 AI 生成代码中常见的冗余形态（如恒等 try/except、单调用包装、直通 lambda、冗余中间变量、过长的线性函数），提供确定性代码审查验证、清理预测与工作流包，并包含模块签名、语义化版本管理与契约测试等质量门禁流程。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。