Prompt Lint：AI 提示词静态分析与规则校验工具

Kenny27lokku/prompt-integrity-validator · Lint Your Prompts, Ship Better Agents – Prompt Refiner 2026 Rule Engine

GitHub原文发布未知首次收录 2026-09-18上架 2026-09-18 07:01

ELI5：它是什么，解决什么问题

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。

# prompt-engineering # CLI # 静态分析 # 安全 # prompt-injection

核心能力与快速开始

★ 1 · HTML

能做什么: 对提示词文件进行确定性规则校验，规则目录涵盖 PR001–PR-INJ03 共 47 条规则，包括角色歧义与冲突、链式思考不匹配、长度约束、冗余与死指令、系统提示词注入面、分隔符逃逸、用户输入权限提升等。支持通过 .prompt-lint.yml 配置规则级别、目标模型、输出格式与监听目录；提供 CLI 单文件检查、目录递归扫描、JSON 机器可读输出、CI 友好退出码，以及 prompt-lint serve 启动的本地 Web 仪表盘，可按严重级别、规则编号或模型过滤违规并导出 PDF/CSV。可选用 OpenAI 与 Anthropic API Key 进行模型特定校验，支持批处理与成本报告。除英文外支持 16 种语言的提示词解析与本地化规则消息。
适用场景: 在把提示词提交进代码库或部署到生产前做结构检查，发现角色冲突、注入面暴露和冗余指令；在 CI/CD 流水线中对提示词目录做门禁式检查；用批处理模式审计提示词库并评估 token 浪费与 API 成本；用本地仪表盘对多模型提示词做可视化违规梳理。
项目形态: 可直接使用的工具
部署方式: README 称分析完全在本地进行，无需数据库或云依赖，以静态二进制形式运行，并支持完全隔离网络（air-gapped）的企业部署；同时提供 Docker 运行方式。未说明具体的部署步骤细节。
主要依赖: README 列出支持 Linux（x86_64/ARM64）、macOS（Apple Silicon 与 Intel）、Windows 11（x64）及 Docker 任意宿主。若使用 API 动态校验，需要自备有效的 OpenAI 与 Anthropic API Key。其他运行依赖未说明。
使用限制: README 明确声明该项目是开发工具，不保证提示词安全或模型行为，无法阻止所有幻觉、注入攻击或意外输出；规则目录确定但并不穷尽，仍需在沙箱环境中用真实模型调用测试。README 自称 MIT 许可（可商用），但仓库元数据中 license 字段为空，许可状态以实际仓库为准。API 集成功能会产生外部 API 调用，其成本与限制未说明。
许可证: 未说明
最近推送: 2026-09-18 06:34

官方入门项目文档核对 README 依据 ↗

资料检查：2026-09-18 07:00 · 卡片整理：2026-09-18 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

程序员在开发 AI 应用时，可用 Prompt Lint 对提示词模板做静态规则检查，发现角色混淆、注入面暴露、分隔符逃逸、长度与冗余指令等问题，并通过 CLI 或 CI/CD 集成在提交前拦截有问题的提示词。

查看内容依据

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。

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

产品经理

产品经理在编写或评审 AI 产品中的提示词时，可用 Prompt Lint 检查提示词是否存在角色混淆、注入面暴露、冗余指令等问题，并生成 JSON 或 HTML 报告用于团队评审。

查看内容依据

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。

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

rule-audit：静态分析 AI 系统提示词中的规则冲突与覆盖缺口

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。

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。

Trail of Bits Publications：安全研究与学术出版物资料合集

这是安全公司 Trail of Bits 公开发布的资料合集仓库，收录学术论文、白皮书、指南手册、会议演讲、播客、网络研讨会、公开意见、案例研究、安全审查报告、漏洞披露与利用、工作坊、数据集及服务概览等内容，并按自动化漏洞发现与利用、区块链、编译器、密码学、机器学习、移动安全、供应链、威胁分析等主题分类整理，主要作为安全研究与学习的参考资料。

Ripple HUD：为 Claude Code 更低成本模型注入前沿模型工作方式的插件

Ripple HUD（前身 fable-mode）是一个 Claude Code 插件，通过约 1500 token 的行为层让 Haiku、Sonnet、Opus 等较便宜模型采用类似前沿模型的工作方式：自动分流任务强度（lite/full/deep）、先理解再执行、执行后验证、保持输出精简、控制 token 消耗。它还提供终端状态栏 HUD（显示上下文窗口与用量限额）、基于本地会话记录的习惯纠正闭环、用项目状态文件替代长对话历史，并可将 AGENTS.md 导出到 Cursor、Codex、Zed 等工具。仓库附带的 A/B 评测显示 Sonnet 加装插件后在 6 项评分任务上与对照模型持平，成本更低；插件本身是行为层，不能增加模型原生能力。

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。