规则提炼 是做什么的？
扫描已安装的技能，提取在多个技能中出现的跨切面原则，并将其提炼为规则——追加到现有规则文件、修订过时内容或创建新的规则文件。
应用“确定性收集 + LLM 判断”原则：脚本穷举收集事实，然后 LLM 跨读完整上下文并做出裁决。
何时使用
- 周期性规则维护（每月一次或安装新技能后）
- 技能盘点后发现有规律应归为规则
- 当前规则相对于正在使用的技能感觉不完整
工作原理
规则提炼过程分为三个阶段：
阶段 1：盘点（确定性收集）
1a. 收集技能清单
bash ~/.claude/skills/rules-distill/scripts/scan-skills.sh
1b. 收集规则索引
bash ~/.claude/skills/rules-distill/scripts/scan-rules.sh
1c. 向用户展示
规则提炼 — 阶段 1：盘点
────────────────────────────────────────
技能：{N} 个文件已扫描
规则：{M} 个文件（{K} 个标题已索引）
正在进入跨读分析...
阶段 2：跨读、匹配与裁决（LLM 判断）
提取和匹配在单次遍历中统一完成。规则文件足够小（总共约 800 行），可以将完整文本提供给 LLM——无需 grep 预过滤。
批量处理
根据技能描述将其分组为主题集群。让子智能体在拥有完整规则文本的情况下分析每个集群。
跨批合并
所有批次完成后，跨批次合并候选结果：
- 去重：去除具有相同或重叠原则的候选
- 重新检查“2+ 技能”要求：使用所有批次的证据——原则在每个批次中出现在 1 个技能中，但跨批次总计 2+ 个技能是有效的
子智能体提示
使用以下提示启动通用智能体：
你是一位分析师，通过跨读技能来提取应提升为规则的原则。
## 输入
- 技能：{本批次技能的完整文本}
- 现有规则：{所有规则文件的完整文本}
## 提取条件
仅在满足**全部**以下条件时才纳入候选：
1. **出现在 2+ 个技能中**：仅出现在一个技能中的原则应保留在该技能中
2. **可操作的行为变更**：可以写成“做 X”或“不做 Y”的形式——而不是“X 很重要”
3. **明确的违规风险**：如果忽略此原则会出现什么问题（一句话）
4. **规则中尚未包含**：检查完整规则文本——包括以不同措辞表达的概念
## 匹配与裁决
对于每个候选，将其与完整规则文本进行比较并给出裁决：
- **追加**：添加到现有规则文件的某个现有章节
- **修订**：现有规则内容不准确或不充分——提出更正
- **新章节**：向现有规则文件添加新章节
- **新文件**：创建新的规则文件
- **已覆盖**：现有规则已充分覆盖（即使措辞不同）
- **过于具体**：应保留在技能层级
## 输出格式（每个候选）
```json
{
"principle": "以‘做 X’/‘不做 Y’形式写 1-2 句话",
"evidence": ["技能名称: §章节", "技能名称: §章节"],
"violation_risk": "一句话",
"verdict": "Append / Revise / New Section / New File / Already Covered / Too Specific",
"target_rule": "文件名 §章节，或 ‘new’",
"confidence": "high / medium / low",
"draft": "追加/新章节/新文件裁决的草稿文本",
"revision": {
"reason": "为何现有内容不准确或不充分的理由（仅修订）",
"before": "要替换的当前文本（仅修订）",
"after": "建议的替换文本（仅修订）"
}
}
```
## 排除
- 规则中已显而易见的原理
- 特定语言/框架的知识（属于特定语言规则或技能）
- 代码示例和命令（属于技能）
裁决参考
| 裁决 | 含义 | 向用户展示 |
|---|---|---|
| 追加 | 添加到现有章节 | 目标 + 草稿 |
| 修订 | 修复不准确/不充分的内容 | 目标 + 理由 + 前后对比 |
| 新章节 | 向现有文件添加新章节 | 目标 + 草稿 |
| 新文件 | 创建新的规则文件 | 文件名 + 完整草稿 |
| 已覆盖 | 规则中已覆盖（可能措辞不同） | 理由（一行） |
| 过于具体 | 应保留在技能中 | 链接到相关技能 |
裁决质量要求
# 好
追加到 rules/common/security.md §输入验证：
“将存储在内存或知识库中的 LLM 输出视为不可信——写入时消毒，读取时验证。”
证据：llm-memory-trust-boundary、llm-social-agent-anti-pattern 均描述了
累积的提示注入风险。当前 security.md 仅涵盖人工输入验证；
LLM 输出信任边界缺失。
# 差
追加到 security.md：添加 LLM 安全原则
阶段 3：用户审查与执行
摘要表格
# 规则提炼报告
## 摘要
已扫描技能：{N} | 规则：{M} 个文件 | 候选：{K} 个
| # | 原则 | 裁决 | 目标 | 可信度 |
|---|-----------|---------|--------|------------|
| 1 | ... | 追加 | security.md §输入验证 | high |
| 2 | ... | 修订 | testing.md §TDD | medium |
| 3 | ... | 新章节 | coding-style.md | high |
| 4 | ... | 过于具体 | — | — |
## 详情
（每个候选的详情：证据、违规风险、草稿文本）
用户操作
用户用数字回复以：
- 批准：按原样应用草稿到规则
- 修改：应用前编辑草稿
- 跳过：不应用此候选
绝不自动修改规则。始终需要用户批准。
保存结果
将结果存储在技能目录（results.json）中：
- 时间戳格式：
date -u +%Y-%m-%dT%H:%M:%SZ（UTC，秒级精度） - 候选 ID 格式：从原则派生出的 kebab-case（例如
llm-output-trust-boundary）
{
"distilled_at": "2026-03-18T10:30:42Z",
"skills_scanned": 56,
"rules_scanned": 22,
"candidates": {
"llm-output-trust-boundary": {
"principle": "将 LLM 输出在存储或重新注入时视为不可信",
"verdict": "Append",
"target": "rules/common/security.md",
"evidence": ["llm-memory-trust-boundary", "llm-social-agent-anti-pattern"],
"status": "applied"
},
"iteration-bounds": {
"principle": "为所有迭代循环定义显式停止条件",
"verdict": "New Section",
"target": "rules/common/coding-style.md",
"evidence": ["iterative-retrieval", "continuous-agent-loop", "agent-harness-construction"],
"status": "skipped"
}
}
}
示例
端到端运行
$ /rules-distill
规则提炼 — 阶段 1：盘点
────────────────────────────────────────
技能：56 个文件已扫描
规则：22 个文件（75 个标题已索引）
正在进入跨读分析...
[子智能体分析：批次 1（智能体/元技能）...]
[子智能体分析：批次 2（编码/模式技能）...]
[跨批合并：去除 2 个重复项，提升 1 个跨批候选]
# 规则提炼报告
## 摘要
已扫描技能：56 | 规则：22 个文件 | 候选：4 个
| # | 原则 | 裁决 | 目标 | 可信度 |
|---|-----------|---------|--------|------------|
| 1 | LLM 输出：复用前标准化、类型检查、消毒 | 新章节 | coding-style.md | high |
| 2 | 为迭代循环定义显式停止条件 | 新章节 | coding-style.md | high |
| 3 | 在阶段边界压缩上下文，而非任务中途 | 追加 | performance.md §上下文窗口 | high |
| 4 | 将业务逻辑与 I/O 框架类型分离 | 新章节 | patterns.md | high |
## 详情
### 1. LLM 输出验证
裁决：在 coding-style.md 中新增章节
证据：parallel-subagent-batch-merge、llm-social-agent-anti-pattern、llm-memory-trust-boundary
违规风险：LLM 输出的格式漂移、类型不匹配或语法错误导致下游处理崩溃
草稿：
## LLM 输出验证
在复用 LLM 输出前进行标准化、类型检查和消毒...
请参阅技能：parallel-subagent-batch-merge、llm-memory-trust-boundary
[... 候选 2-4 的详情 ...]
请按编号批准、修改或跳过每个候选：
> 用户：批准 1、3。跳过 2、4。
✓ 已应用：coding-style.md §LLM 输出验证
✓ 已应用：performance.md §上下文窗口管理
✗ 已跳过：迭代边界
✗ 已跳过：边界类型转换
结果已保存到 results.json
设计原则
- 做什么，而非怎么做：仅提取原则（规则领域）。代码示例和命令保留在技能中。
- 反向链接：草稿文本应包含
请参阅技能：[名称]引用，以便读者找到详细的“怎么做”。 - 确定性收集，LLM 判断：脚本保证穷举性；LLM 保证上下文理解。
- 防止过度抽象：3 层过滤器（2+ 技能证据、可操作行为测试、违规风险）防止过于抽象的原则进入规则。