Claude Institution banner
curtischoutw curtischoutw

Claude Institution

AI community

Description

After distilling Fable 5, the output is an indexed CLAUDE.md + on-demand rules + skills, an executable specification designed for weaker model sessions.

Installation

This entry records only its repository, not the path inside it, so there is no exact command to give. Open the source below and copy the folder into ~/.claude/skills/, or the file into ~/.claude/agents/.

README

claude-institution — 讓 Claude Code 有制度地工作

一套 Claude Code 跨專案制度:分層規則(hook→常載→情境載入→lessons)+機器強制驗證+ 自我改進迴圈。目標:**弱模型也能穩定交出有證據的高品質產出**,而不是把品質賭在 單次 prompt 與模型自律上。

它解決什麼問題

Claude Code 日常四大痛點:

  1. 假完成——回報「✅ 測試通過」卻根本沒跑過任何指令。
  2. 規則不被遵守——CLAUDE.md 寫了一大篇,模型看過就忘、挑著遵守。
  3. 主 context 燒在粗活——掃 repo、大範圍搜尋、貼長輸出永久佔據主對話 context, 稀釋注意力。(處理方式是條件式派工:只在中間輸出真的會淹沒主 context 時才派 subagent,與內建 Agent tool 說明同向。見 hard-rules #11 與 rules-lib/dispatch.md。)
  4. 糾正不累積——同一個錯誤,每個新 session 再犯一次。

它給你什麼(好處 → 機制 → 在哪)

好處 靠什麼機制 在哪
「完成」必附實跑指令與輸出,假完成被攔下 /done-check checklist + verify_gate Stop hook 攔「改了碼未驗證就收工」 skills/done-check/hooks/
規則真的被遵守——強制力來自放對層,不是寫得多 制度分層:機器可判定→hook(模型跳不過);每次必守→常載;程序→情境載入 CLAUDE.md 分層表
主對話保持乾淨——粗活的中間輸出不進主 context 派工是例外(條件式觸發)+升降級路徑+派工標明模型 rules-lib/dispatch.md
同一個錯不犯第二次——糾正複利成制度 lesson 迴圈:記錄→第 2 次觸發→升級固化到 hook/常載/skill skills/lesson/
高風險判斷不靠單次直覺 判準先行、多答案評審、對抗自查三鏡頭(skeptic/red-team/simplifier) rules-lib/uplift.mdagents/
災難級誤操作被機器擋下,不靠模型自律 層 0 hooks:rm_guardbackup_gatecommit_guard(fail-open) hooks/
整套制度可攜、可版本控管、可一鍵還原 本 repo 快照+restore.sh(覆寫前自動備份) restore.sh

**誠實邊界**:制度補的是流程性判斷(防偏誤、防漏做、防過度自信),補不了模型本體的 品味與長鏈推理;2026-08-06 已用 `eval/` 六題中的 t3–t6 對 Opus 5 做過一輪實測 (現行制度 vs `--safe-mode` 零制度),結果是**逐題分裂**而非整體增益, 見 `docs/capability-transfer-assessment.md` 與 `docs/harness-overlap-2026-08.md`。

快照與正本

  • 正本~/.claude/CLAUDE.mdrules/skills/)與 ~/.claude/projects/-Users--GitHub-claude-institution/memory/。 制度靠正本運作:每個新 session 由 ~/.claude/CLAUDE.md@import 載入常載規則。
  • 本專案 institution/ 是複製快照,不是運作中的檔案。用途:可攜、可版本控管(git)、可災難還原(restore.sh)。 改快照不會影響任何 session;要改制度請改正本。

設計理念(一句話)

規則的強制力來自「放對層」,不是寫得多。機器可判定 → hook;每次必守的短規則 → 常載; 多步驟程序與範例 → 情境載入檔/skill;被糾正 → lessons.md,第 2 次觸發就升級固化。 讀者是較弱的模型,所以每條規則都力求「具體、可執行、有 if-then 判準與正反例」。

制度如何運作

任務生命週期(一次任務走的路)

  1. 起手+接單:一句話複述任務範圍+完成判準,動手前 XY problem 快速檢查 (CLAUDE.m