apoorvjain25/frontier

在发布之前，这个系统被作用于自身进行测试，而它第一次并没有通过。 [蒸馏运行](examples/the-distillation-run.md)是对标准本身的对抗性审计；[自我运行](examples/self-run.md)记录了该 README 收到的每一项把关裁定，失败记录优先展示，并附带了每项失败所迫使我们做出的修正。 ## 质量是一套流程，而非固有属性 要求模型“把它做好”，你只会得到它训练数据的平均水平：千篇一律的主视觉布局，千篇一律的“无缝利用”文案，千篇一律却无人核实的自信报告。 这种情况与前沿输出之间的差距，主要不在于智力。而在于方法：强大的模型会在生成前定义标准，尝试多种方案而不是只打磨第一次的结果，以全新的视角对照实际证据进行验证，并拒绝止步于“看起来完成了”。 方法是可以被记录下来的。frontier 就是打包好的这套方法：只需一条命令，即可通过书面的质量标准、独立候选方案生成、基于证据的验证扫描，以及最终的品味判定来运行任何任务，直到工作真正收敛，而不仅仅是草草收场。 ## 输出是可解析的发现，而非主观感觉 验证者的发现会被锚定在特定位置和评分标准行上，其格式是固定的，脚本（或疲惫的人类）都可以轻松解析（引自[示例运行](examples/sample-run.md)）： ``` LENS: layout FINDINGS: 1. tiers section, 768px | comparison table scannable in 15s | table forces horizontal scroll at tablet width | confidence: h 2. hero, 390x844 | claim + CTA in first viewport | CTA sits 64px below the fold on mobile | confidence: h 3. tier cards | one primary action per view | "Start free" and "Book a demo" carry equal visual weight on the Studio tier | confidence: h CHECKED: rubric lines 1, 2, 6, 7 via screenshots at three widths, cropped NOT CHECKABLE: line 5 (FAQ content is the copy lens) ``` 同一次运行中，品味把关环节的输出块如下： ``` GATE: fail FINDINGS: 1. tier names | brand owner | "Starter, Growth, Studio" could be any SaaS; the product voice is trade-specific everywhere else | rename from the studio world | confidence: m 2. annual toggle | first-time audience | eye lands on the calculator, then tiers; the toggle registers on second read only | move it into the tier-card header row | confidence: h RANKING: n/a DISTILL: - marketing.md candidate: pricing toggles live where the eye decides (the tier header), not above the section; a toggle seen after the price anchors monthly ``` 一条空的发现列表本身就是一种声明：这意味着每一行评分标准都经过了主动检查，且没有暴露出任何问题。完整的端到端运行记录： [examples/sample-run.md](examples/sample-run.md)。在本仓库上运行的真实记录： [examples/self-run.md](examples/self-run.md)。 ## 它在单次响应中即可生效 弥合差距不需要 agent，也不需要循环。附加匹配的 craft 文件，模型就会编写评分标准，据此起草草案，然后对自己的输出进行一次全新视角的评判检查并修复发现的问题，所有这些都在一次回复中完成。相同的提示词、相同的模型，却有着不同的下限：标准提供了模型原本会平均掉的品味，而评判过程则能捕获草稿中自圆其说的地方。[PROMPT.md](PROMPT.md) 为聊天界面提供了正是这种形式；`quick` 模式是它在 Claude Code 中的对等版本。下文所述的收敛循环是建立在此基础上的可选保障层，而非使用的必要条件。 ## 工作原理 ``` flowchart TD P0["Phase 0: Scope and arm
route to craft standards, write the rubric,
constraint ledger, part inventory"] P0 --> P1["Phase 1: Candidates (creative work)
3-5 independent attempts, distinct angles,
taste gate ranks, winner grafts the rest"] P1 --> P2["Phase 2: Produce
one concern per step,
rubric re-read before each part"] P2 --> P3["Phase 3: Evidence
screenshots at 3 widths, test runs, probes,
frame scrubs, recomputed numbers"] P3 --> P4["Phase 4: Fresh-eyes sweeps
one judge per lens, every finding reported,
pass ledger kept"] P4 --> Q1{"Two consecutive
clean passes?"} Q1 -- "no: fix everything" --> P3 Q1 -- "yes" --> P5["Phase 5: Taste gate (high stakes)
3-lens panel; DISTILL banks the call"] P5 --> DONE["Report: outcome, evidence,
pass ledger, decisions, unverified"] ``` 该图展示的是 `full` 模式。`quick` 模式将阶段 1、4 和 5 合并为一次带评判的检查；即使在单次响应中，其核心主干（评分标准、生成、评判、修复）依然保留。 三种机制承担了主要工作： | 机制 | 利用原理 | |---|---| | **Best-of-N 候选方案** | 模型在五次尝试中的最佳表现远高于其平均水平。前沿级别的输出正是存在于对这些尾部采样的结果中。 | | **Fresh-eyes 验证** | 生成工作时所用的上下文会为其辩护；而全新的上下文则能发现作者自我合理化掩盖的问题。评判者只负责发现问题，绝不负责修复。 | | **The taste gate + DISTILL** | 评判的消耗仅占生成的一小部分，因此可由可用的最强模型审查一切，且它做出的每一次品味判定都会被转化为永久的书面规则。系统在吸收品味，而不是在租用品味。 | 10分钟深度解析：[docs/HOW-IT-WORKS.md](docs/HOW-IT-WORKS.md)。 ## 包含内容 **21 条 craft 标准**，每一条都以可检查的量化指标定义了何为卓越，并附带了一份机器特征禁用清单和针对特定领域的验证检查表： | | | | |---|---|---| | [design](frontier/references/craft/design.md) | [motion](frontier/references/craft/motion.md) | [writing](frontier/references/craft/writing.md) | | [code](frontier/references/craft/code.md) | [research](frontier/references/craft/research.md) | [prompting](frontier/references/craft/prompting.md) | | [product](frontier/references/craft/product.md) | [data](frontier/references/craft/data.md) | [security](frontier/references/craft/security.md) | | [ops](frontier/references/craft/ops.md) | [media](frontier/references/craft/media.md) | [marketing](frontier/references/craft/marketing.md) | | [decisions](frontier/references/craft/decisions.md) | [sales](frontier/references/craft/sales.md) | [teaching](frontier/references/craft/teaching.md) | | [management](frontier/references/craft/management.md) | [storytelling](frontier/references/craft/storytelling.md) | [academic](frontier/references/craft/academic.md) | | [career](frontier/references/craft/career.md) | [translation](frontier/references/craft/translation.md) | [coordination](frontier/references/craft/coordination.md) | 规则一览（每个文件包含 34 到 59 条规则，在上次编辑后统计）： 此外还有[协议](frontier/references/protocol.md)（十条法则、弱模型补偿机制、上限提升手段，以及从前沿模型中记录的经验教训）和[评判者](frontier/references/judges.md)（fresh-eyes 验证者、三视角的 taste gate、评审组），它们可移植到任何平台。 ## 起源：自带审计记录的标准 该套件由 Claude Fable 5（Anthropic 的前沿层级）于 2026 年 7 月，即其开放访问的最后几天编写并进行了对抗性审计：在全新的上下文中运行了 8 个审计 agent，其中 7 个负责扫描 21 个 craft 文件，1 个负责审查评判提示词、agent 和技能。最终返回了约 260 条记录在案的修改条目：模糊的表述被替换为具体数字，那些刻板的模型能在字面上满足却在精神上偏离的规则被收紧；最不同寻常的是，模型将其自身的陋习作为禁用清单写了下来：机械节奏的文笔偏好、默认的设计惯性、含糊其辞的分析模式，以及老套的虚构情节。仅提示词审查就返回了 42 条发现，并全部应用。包含真实记录账本的完整运行过程：[examples/the-distillation-run.md](examples/the-distillation-run.md)。 昂贵的模型仅此一次以书面形式设定了门槛；而跨越这道门槛不再需要那个昂贵的模型。 ## 安装说明 **Claude Code，作为插件使用**（包含 skills 和两个 judge agents）： ``` /plugin marketplace add apoorvjain25/frontier /plugin install frontier@apoorvjain25 ``` **Claude Code，作为普通 skill 使用**：将内部的 [`frontier/`](frontier) 文件夹复制到 `~/.claude/skills/frontier/`，并可选择将 [`agents/`](agents) 复制到 `~/.claude/agents/`。 **claude.ai 和 Cowork**：将 `frontier-skill.zip` 作为自定义技能上传（在 Settings, Capabilities 中），或者将 [PROMPT.md](PROMPT.md) 及相关的 craft 文件粘贴到 Project 中。 **Cursor, Windsurf, aider, 原始 API**：粘贴 [PROMPT.md](PROMPT.md)，附加与你的领域相符的 craft 文件，并将你的任务放在最后。 详细说明与故障排除：[docs/INSTALL.md](docs/INSTALL.md)。 ## 用法 | 命令 | 结果 | |---------|--------------| | `/frontier the pricing page` | 默认使用 `full` 模式：生成候选方案、收敛循环、taste gate、报告 | | `/frontier fix the export flow quick` | 评分标准、生成、单次 judge 检查、修复；无循环，无 gate | | `/frontier apps/web/hero.tsx gate` | 通过单次检查对现有工作进行 taste-judge，不修改任何内容 | | `/frontier the launch email` | 支持 21 个领域中的任何一个；自动进行路由 | ## Token 成本：有意设限的边界 收敛循环比单次提示消耗更多的 Token。这是一种权衡： - **按模式控制消耗**（在上文的用法中定义）：根据作者在开发运行中的估算，`quick` 大约是一次性提示的 1.5-2 倍，`full` 大约是 5-9 倍，`gate` 是单次评判检查；具体的实测数据见 [FAQ](#faq)。 - **硬性上限**：最多 8 次完整的交付物检查；在达到上限时仍未解决的所有问题都会被放入报告中供你查看。 - **低成本的评判者**：相对于生成而言，验证检查的消耗很小，因为评判者只需要阅读和报告。 ## 对比 评分标准、风格指南和自我批评都属于现有技术；这些在这里都不是新鲜事。frontier 增加的是它们的组合；下表详细列举了这一点： | | CLAUDE.md / Cursor 规则 | 单次超长提示词 | [production-audit](https://github.com/apoorvjain25/production-audit) | frontier | |---|---|---|---|---| | 范围 | 项目约定 | 单个任务，单次检查 | 发现现有产品中的错误 | 构建符合标准的新工作，适用于任何领域 | | 标准 | 散文式的偏好 | 隐藏在形容词中 | 缺陷类别分类法 | 21 个领域的可量化指标 + 禁用清单 | | 验证 | 无 | 模型自称检查过 | 逐条发现，对照代码 | 全新视角的评判者对照渲染后的证据进行检查 | | 停止条件 | 无 | 响应结束 | 遍历其视角目录期间连续两次无新发现 | 达成条件：单次评判检查 (quick) 或 两次无错检查 + taste gate (full) | | 随时间改进 | 手动编辑 | 否 | lens PRs | DISTILL：每一次品味调用都会成为一条规则 | | Token 成本 | 约等于免费 | 低 | 高：需要多次扫描直至收敛 | 相当于单次提示的 1.5-9 倍（作者估算），按模式限定，设有上限 | production-audit 是它的兄弟项目：它负责解构现有的东西，而 frontier 负责构建未来的事物，它们共享相同的收敛哲学。 ## 局限性 - **非确定性。** 两次运行会采样不同的候选方案，并可能收敛于不同的结果。它提高了下限和上限；但并不会让输出变得绝对可复现。 - **消耗真实的 Token。** 按照设计，一次 `full` 运行是一次性提示消耗的数倍。在常规工作中使用 `quick`，在不想重构时使用 `gate` 进行评判；8 次检查的上限约束了 `full` 运行的成本。 - **品味上限取决于评判者的上限。** 一个模型在评判同等级模型时，其水平会低于更强模型的目光；DISTILL 飞轮会随着时间的推移缩小这一差距，而不是在第一天就将其抹除。 - **在 Claude Code 之外表现较弱。** 聊天界面没有子 agent，也没有屏幕截图或测试工具；评判检查只能在同一个上下文中依次运行，无法验证的声明会被标记为 UNVERIFIED，而不是被实际检查。 - **这些标准是带有主观倾向的默认设置。** 它们编码了一个特定的门槛（拒绝圆滑的虚假统计而是使用真实的奇特数字、具有锁定含义的单一强调色、禁用机械节奏的行文特征）。你的品牌标识和你的修改永远具有最高优先级。 ## 文件位置 ``` frontier/ ├── SKILL.md # the procedure: 6 phases, modes, pass cap, report format └── references/ ├── protocol.md # ten laws, compensations, ceiling raisers, frontier lessons ├── judges.md # verifier + taste gate + panel, portable and parseable └── craft/ # 21 standards: numbers, ban lists, checklists agents/ ├── verifier.md # fresh-eyes finder (never fixes) └── taste-judge.md # 3-lens gate with DISTILL docs/ # how it works, install, customizing examples/ ├── the-distillation-run.md # real: 8 auditors, ~260 change entries, the ledgers ├── self-run.md # real: this repo through its own gate └── sample-run.md # illustrative: a full run, annotated PROMPT.md # the whole method in one paste-able file .claude-plugin/ # plugin + marketplace manifests frontier-skill.zip # ready upload for claude.ai custom skills ``` ## 打造你的专属版本 每次 gate 运行都会输出 DISTILL 行：将品味调用转化为候选规则；将你认可的规则追加进去。当模型出现了规则文件中未涵盖的重复错误时，只需在禁用清单中添加一行带替换方案的内容，它就能未来所有的运行效果。工作流和规则标准：[docs/CUSTOMIZING.md](docs/CUSTOMIZING.md) 和 [CONTRIBUTING.md](CONTRIBUTING.md)。 ## FAQ

这真的能让 Opus、Sonnet、GPT 或 Gemini 接近 Fable 5 的输出水平吗？

在可验证的工作上，这正是其设计初衷：迭代和明确的标准对较弱的模型的提升作用远大于较强的模型，而这正是我们要弥合的差距。上限是真实存在的：一个模型在评判同等级模型时，其水平会低于更强模型的目光（详见局限性）。验证凭据： 蒸馏运行记录。

这仅仅是一个巨大的系统提示词吗？

在其单次响应的形式中，坦白说，确实很接近：它是一个经过工程设计的评分标准，加上一个强制性的自我评判检查，且在交付前必须修复发现的问题。这种评判检查是关键区别所在：普通的系统提示词只是在期望，而这一份在执行检查。在 agentic 界面上，它则发展成了一套完整的流程：包含组件清单、真实证据、在全新上下文中运行的可解析评判者，以及你可以审计的达成条件的停止机制。PROMPT.md 包含了这两种形式。

一次运行需要多少成本？

有关模式对应的消耗说明，请参见 Token 成本。目前唯一一项实测数据：本仓库针对其自身的 README 运行的第一次 gate 检查消耗了约 64k 个 token，并返回了 12 项发现，大致相当于在发布前每发现一个缺陷消耗 5k 个 token（完整的检查历史记录）。

我需要全部 21 个 craft 文件吗？

不需要。阶段 0 会将每个任务路由到 1-3 个适用的文件（例如，一个定价页面会调用 design、writing 和 marketing）。其余文件将保留在磁盘上不被读取。在 Claude Code 之外，只需附加与你所在领域匹配的文件即可。

它能与 Claude 之外的模型一起工作吗？

该技能的打包格式是 Claude Code 原生的，但 PROMPT.md 加上一个 craft 文件可以在 Cursor、Windsurf、aider 中运行相同的过程，或者通过原始 API 调用任何具备能力的模型。这些标准都是纯文本，且与模型无关；只有打包格式和调优说明是 Claude 专用的。

如果我不同意某条规则怎么办？

规则都以文件形式存在，你的分支属于你：你可以随意编辑或删除，只需保留其三部分结构（编号规则、带替换方案的禁用清单、验证检查表）。如果该规则在普遍情况下确实是错误的，请提交一个包含观察到的失败情况的 issue；这也正是这些文件得以完善的方式。

这与 production-audit 有什么不同？

同一个作者，相同的达成条件停止机制，但方向相反：production-audit 检查现有的产品，直到它不再发现缺陷；而 frontier 制造新的作品，使其在诞生之初就已经通过了检查。使用 frontier 进行构建，在发布前使用 production-audit。

## 许可证 MIT：你可以在公司内部运行它，将标准分支为你自己的内部规则，基于它发布产品；唯一的义务是保留许可证声明。如果这个 gate 证明了它的价值，点个赞（star）能帮助下一个人发现它。

标签：AI提示词工程, DLL 劫持, LLM评估器, SOC Prime, 大语言模型, 工作流自动化, 开发工具, 自定义脚本, 防御加固