如何在 Claude Code 中驯服 Gemini-3：基于 hooks 的提示词强化组件

在 Claude Code 中驯服 Gemini-3：基于 hooks 的提示词强化组件

项目地址：GitHub - Till-Crazy-Tears-Us-Apart/Claude-Code-Engineering-Suite

背景：楼主是学生党，去年为了帮忙开发毕业设计代码，搭建了 Claude Code + Claude Code Router + Gemini Api 的框架。在使用过程中，经常发生一些始料未及的报错和缺陷，因此在写毕设代码的同时，一直在迭代提示词组件，希望各位佬友能多多提出意见，交流 Claude Code 的提示词构建技巧和使用方法。

优点：

1. 科研思维与创新性：模型具备较强的跨领域知识理解能力，能够提供具有启发性的架构思路与创新方案。
2. 百万级上下文窗口：1M Token 的上下文容量允许模型全量阅读大型代码库，维护函数签名、变量定义在长调用链与数据流中的一致性。
3. 成本效益：基于调用次数的计费模式降低了大规模上下文注入的成本，适合科研场景下的大量文献与代码阅读。

缺点：

1. Agent 调度迟缓：模型在使用 Subagent 时存在延迟与卡死现象。
2. 遗忘风险：受限于滑窗注意力机制，模型在长对话中容易遗忘初始指令。
3. 回复风格偏差：原生模型倾向于使用夸张、绝对化的词汇，不符合科研严谨性要求。
4. 非专用编程模型缺陷：作为通用模型，其在 Bash 环境操作与文件系统细节上存在不稳定性。

针对上述局限，设计了一套基于分层提示词系统与运行时钩子的小组件，以强化模型的工程约束。这套组件有以下特性：

运行时钩子体系：

1. 协议执行器(env_enforcer.py)：在用户提问提交时，在上下文末端强制注入简短的 [PROTOCOL COMMITMENT]，确保每一轮对话都重置回受控状态。
2. 上下文管理器(context_manager.py)：自动扫描 Git 状态、目录结构及 skills/ 下的可用工具，生成 .compact_args.md 快照，使模型能迅速恢复项目全貌认知。
3. 工具安全检查(pre_tool_guard.py)：在工具调用前实施多维度的即时修正与拦截，如路径安全、环境修正等。

行为与风格约束：
通过 CLAUDE.md 与 style.md 定义静态规范，修正模型的回复风格，包括语言规范、句式约束、操作规范等。

递归上下文完整性：
引入“递归上下文完整性”协议，要求模型在生成或修改代码前严格遵循源头溯源、继承链验证、上下文饱和等步骤，确保对代码细节的精准把控。

希望各位如果用的满意的话可以随手点个 stars，也欢迎各位提出修改意见。