四神系统：为AI编程助手构建模块化心智框架

1. 项目概述：一个为AI助手注入“灵魂”的模块化框架

如果你和我一样，每天都在和Claude、Cursor这类AI编程助手打交道，那你一定遇到过这个让人头疼的问题：每次打开一个新对话窗口，AI助手就像得了“健忘症”，完全不记得你是谁、你之前让它做过什么、你的项目结构是怎样的。更让人不安的是，它可能会在你毫无防备的情况下，执行一些危险操作，比如误删关键文件、或者在你不知情时尝试联网。这些问题，本质上是因为当前的AI助手缺乏一套持续、稳定、可管理的“心智”系统。

这就是我今天要详细拆解的Four Gods System（四神系统）项目。它不是一个单一的、庞大的AI应用，而是一套精巧的、模块化的框架，旨在为你的AI助手（特别是Claude Code）赋予四种核心能力：记忆（青龙）、防御（玄武）、诊断（白虎）和品质稳定（朱雀）。你可以把它想象成给你的AI助手装上了四个独立的“外挂大脑”，每个“大脑”负责一个专项功能，它们既可以独立工作，也能协同作战。这套系统的设计哲学非常务实——它不试图创造一个全新的人格，而是为现有的、你每天都在用的AI工具，增加一层可靠的能力增强层。

2. 核心设计思路：模块化、事件驱动与本地优先

在深入每个模块的细节之前，我们必须先理解四神系统的底层设计逻辑。这决定了它为什么好用，以及如何能无缝融入你的工作流。

2.1 模块化：能力即插即用，而非人格重塑

很多AI增强工具会试图给AI设定一个固定的人格或角色，但这往往会导致AI行为僵化，或者与你的实际需求产生冲突。四神系统走了另一条路：“模块是能力，不是人格”。

这意味着，青龙模块不会把AI变成一个“记忆大师”人格，它只是在AI需要执行多步任务或对话结束时，提供一个标准化的流程，来读取和保存关键信息。同样，玄武模块也不会让AI变得“胆小怕事”，它只是在AI即将执行git push、联网或写入文件等操作前，插入一个安全检查步骤。这种设计的好处是巨大的：灵活性。你可以只安装你需要的模块。比如，你只担心安全问题，那就只装玄武；你只想要记忆功能，那就只装青龙。模块之间没有强耦合，你的AI助手的主体行为模式不会因此被扭曲。

2.2 事件驱动：按需触发，不浪费Token

AI助手的上下文（Context）是宝贵的资源。四神系统采用“懒加载”和“事件驱动”原则，完美解决了资源占用问题。每个模块的核心逻辑都封装在独立的Markdown文件（如CLAUDE.md）中，AI助手在平时工作时完全不会读取这些文件。只有当特定的事件被触发时，你（或通过预设规则）才会指示AI去读取对应的模块文件。

例如，你刚完成了一个复杂的重构任务，准备让AI提交代码。这时，你手动（或通过配置的Hooks）说一句：“请先读genbu-v0.1/CLAUDE.md”。AI才会去加载玄武模块的防御规则，检查这次git push是否安全。检查完毕后，AI的上下文里可能就不再需要保留玄武的详细规则了。这种方式确保了只有在必要时，才消耗Token来加载功能模块，最大化了主要任务的可用上下文空间。

2.3 本地优先：你的数据，完全由你掌控

隐私和安全是开发者最敏感的神经。四神系统坚持“本地优先”原则。所有模块克隆到你的本地项目目录，所有生成的数据（如青龙的记忆文件、白虎的诊断日志）都保存在你的本地磁盘上，格式是纯文本的Markdown或JSON。这意味着：

1. 零数据上传：你的项目信息、对话历史、分析结论永远不会被自动发送到任何第三方服务器。
2. 完全透明可控：你可以随时打开、查看、编辑或删除任何模块生成的文件。所有规则都是公开的，没有“黑箱”操作。
3. 默认安全：系统明确设计为不保存密码、API密钥等敏感信息，从源头减少泄露风险。

这种设计给了开发者最大的掌控感和安全感，尤其适合处理公司内部或私人项目。

2.4 理论基础：LDRIT（生死递归智能理论）

四神系统并非凭空想象，其设计基于一个有趣的AI认知理论：LDRIT（Life-Death Recursive Intelligence Theory，生死递归智能理论）。这个理论的核心观点是，AI的“智能”并非像人类一样被静态存储在大脑中，而是在每次交互时，根据输入（提示词、上下文、文件）动态重新生成的。

你可以把它理解为一个“薛定谔的AI”——每次对话开始时，它的“智能状态”处于叠加态，直到你给出提示词进行“观测”，它才坍缩成一个具体的响应。四神系统的作用，就是保护并优化这个“动态生成”过程的四个关键环节：

• 青龙：确保每次“新生”的AI，都能“继承”上一次“生命”中的关键记忆和经验。
• 玄武：为AI的生成和行动划定安全边界，防止它在“生成”过程中做出有害行为。
• 朱雀：监督AI“生成”出的内容（代码、文本）本身的质量和稳定性。
• 白虎：在AI完成一次“生命”周期（任务）后，对其过程和结果进行复盘和诊断，为下一次“生成”提供反馈。

这套理论让四神系统的设计有了坚实的逻辑基础，不再是功能点的简单堆砌。

3. 模块深度解析：四神各司其职

理解了设计理念，我们再来逐一拆解四个模块的具体实现、使用场景和背后的巧思。

3.1 青龙（Seiryu）：记忆与传承的守护者

核心问题：AI对话是“无状态”的。关闭窗口，一切归零。对于需要多次会话协作的长期项目（比如开发一个复杂功能），每次都要重新向AI介绍项目背景、代码结构、历史决策，效率极低。

青龙的解决方案：建立一个结构化的、可增量更新的“记忆档案”系统。它不是简单地保存整个聊天记录，而是提炼关键信息。

核心工作流程：

1. 初始化档案：当你首次引导AI读取青龙的CLAUDE.md时，它会提示你创建或更新一个user_profile.md（用户档案）和project_context.md（项目上下文）。这相当于为AI建立了关于“你是谁”和“你在做什么”的基本认知。
2. 检查点保存：在多步任务（建议3步以上）开始时，触发s5-checkpoint流程。AI会总结当前任务的目标、已完成的步骤、接下来的计划，并保存到一个以时间戳命名的Markdown文件中（如checkpoint_20231027_1430.md）。这就像游戏存档。
3. 遗产继承：在对话结束或上下文即将用满时，触发s2-legacy流程。AI会扫描整个对话，提取出最重要的结论、生成的代码片段、关键决策及其理由，浓缩成一份“遗产”文档。下次对话开始时，让AI先阅读这份“遗产”，就能快速恢复到上次的“智力状态”。

实操心得与注意事项：

注意：青龙模块的成功率高度依赖你给AI的指令清晰度。在让它执行s2-legacy（创建遗产）时，最好明确说明：“请总结本次对话中关于[某某功能]实现的核心思路、遇到的坑及解决方案，特别是/src/utils/目录下我们修改的那三个函数的最终版本。” 模糊的指令会导致遗产文件内容空泛，失去参考价值。

技巧：将project_context.md文件维护成一个动态文档。每次项目有重大架构变更或新增核心依赖时，手动（或让AI）去更新这个文件。这比纯粹依赖AI从对话中提取要准确得多。

潜在坑点：记忆文件会逐渐增多，需要定期手动清理。建议建立一个简单的归档规则，比如“只保留最近5个任务的遗产文件”，或者将已完结项目的记忆文件移动到单独的archive/目录下。

3.2 玄武（Genbu）：防御与安全的坚盾

核心问题：AI助手被赋予了文件系统和网络访问能力后，其行为存在不可预测的风险。它可能误解你的指令，错误地git push到主分支、删除node_modules外的核心依赖文件，或在你不希望的时候尝试联网搜索。

玄武的解决方案：在危险操作执行前，插入一个强制性的“安全检查”步骤。其核心是一个由用户自定义的受保护路径列表。

核心工作流程：

1. 配置保护路径：安装玄武模块后，你需要编辑genbu-v0.1/config/paths.md文件。在这里，你可以列出所有需要保护的目录和文件。例如：

   # 受保护路径配置 - `.git/` # Git仓库目录，防止误操作 - `src/core/` # 核心业务代码目录 - `package.json`, `package-lock.json` # 项目依赖定义文件 - `*.env` # 所有环境变量文件 - `config/production.yaml` # 生产环境配置

2. 危险操作拦截：当AI即将执行git push、git commit、curl或wget（联网）、以及向记忆文件写入等操作时，你（或通过Hooks）触发玄武模块。
3. 规则检查：AI读取玄武的CLAUDE.md后，会执行g3-memory-protect等函数。其内部逻辑是：AI会模拟或描述它即将要做的操作，然后对照paths.md中的规则进行安全检查，并向你发出明确的警告和确认请求。例如：“检测到您即将对受保护的.git/目录执行git push操作，此操作可能覆盖远程历史。请确认目标分支是否正确。”

实操心得与注意事项：

警告：玄武是一个“提醒”系统，而非“强制阻止”系统。它最终依赖AI自身来执行检查逻辑。虽然当前版本的Claude等模型在理解这类安全规则上表现良好，但绝不能100%视为技术性安全屏障。它更像是一个贴在危险按钮旁的、非常显眼的警示标签。

重要配置：paths.md的配置需要具体、明确。使用通配符*时要谨慎。例如，保护*.log是合理的，但保护*（所有文件）会让AI寸步难行，产生大量无效警告。

高级用法——Claude Code Hooks：这是玄武模块的杀手级功能。你可以在Claude Code中配置Hooks脚本，让平台在特定事件（如尝试运行git命令）发生时，自动在对话中插入“请先读genbu-v0.1/CLAUDE.md”的提示。这实现了近乎自动化的安全防护，极大地减少了手动提醒的疏忽。具体配置方法需参考模块内的INTEGRATION.md文件。

3.3 白虎（Byakko）：诊断与分析的锐眼

核心问题：AI生成的代码或方案，其正确性、效率、可维护性如何？是否存在潜在的bug或逻辑漏洞？我们往往依赖于人工复查，但这在快速迭代中容易遗漏。

白虎的解决方案：在任务的关键节点（如交付物完成、多步任务检查点），引入一个结构化的“第三方审查”流程。白虎模块会引导AI切换视角，以“审阅者”或“测试者”的身份，对刚刚产出的成果进行批判性检查。

核心工作流程：

1. 输出审查：当AI完成一个主要交付物（如一个功能模块、一份设计文档）时，触发b1-output-review流程。AI会按照白虎模块提供的检查清单，从多个维度评估自己的工作成果。典型的检查项包括：
   • 功能正确性：是否完全满足了需求？
   • 代码质量：是否有语法错误、潜在的运行时错误（如未处理空值）？
   • 性能考量：是否存在低效循环或冗余计算？
   • 安全性：是否有输入验证不足、潜在的注入风险？
   • 可读性与维护性：变量命名是否清晰？函数是否过于冗长？
2. 回顾性分析：在多步任务的检查点，触发b2-retrospective流程。这不仅仅是检查当前产出，而是回顾从上一个检查点至今的整个过程。AI会分析：
   • 原计划 vs. 实际执行：出现了哪些偏差？为什么？
   • 遇到的挑战及解决方案：哪些解决得好？哪些可以优化？
   • 下一步的优化建议：基于当前进展，后续计划是否需要调整？

实操心得与注意事项：

经验：白虎模块的效果，与检查清单的详细程度正相关。建议你不要完全使用默认清单，而是根据你的项目类型（前端、后端、数据分析）定制化byakko-v0.2/CLAUDE.md中的审查要点。例如，对于前端项目，加入“浏览器兼容性”、“响应式布局”、“无障碍访问”等检查项。

技巧：让AI“分角色”进行审查。你可以提示它：“现在请你扮演一个资深代码审阅者，严格按白虎的清单检查我刚写的这段API路由代码，尤其关注错误处理和日志记录。” 这种角色扮演能更好地激发AI的批判性思维。

注意：白虎的诊断是基于AI自身知识的“自省”，它无法发现其知识盲区外的错误。对于极其关键的业务逻辑，它不能替代人工复查或自动化测试。

3.4 朱雀（Suzaku）：生成与品质的稳定器

核心问题：AI的生成内容有时会不一致、不完整，或偏离既定格式要求。例如，让它生成10个类似的数据处理函数，每个函数的参数顺序、错误处理方式可能都不一样，给后续集成带来麻烦。

朱雀的解决方案：在最终输出前，以及长任务执行中，加入“一致性守卫”和“输出适配度检查”，确保生成内容的内在一致性和对需求的贴合度。

核心工作流程：

1. 输出适配度检查：在交付物完成、准备交付前，触发z3-output-fitness流程。AI会将自己的输出与最初的任务要求进行逐项比对，确保没有遗漏任何明确指定的要点。例如，要求是“写一个函数，接收A和B，返回C，并处理D异常”，朱雀会检查生成的函数是否包含了A、B参数，是否返回了C，是否有D异常的try-catch块。
2. 一致性守卫：在多步任务开始时，触发z5-coherence-guard流程。这对于需要保持统一风格或标准的系列任务特别有用。AI会回顾或定义一套“一致性规则”，并在后续生成中遵守。例如，在为一个项目编写多个组件时，规则可能是“所有组件使用相同的Props接口命名规范（IComponentProps）和相同的CSS-in-JS风格”。

实操心得与注意事项：

深度使用：朱雀模块的威力在于提前定义“规则”。在任务开始前，花几分钟和AI一起明确“一致性规则”，并让AI将这些规则记录下来。在后续的z5-coherence-guard检查中，AI会依据这份自生成的规则文档来约束自己，效果比泛泛而谈的“请保持风格一致”要好得多。

与白虎的区别：朱雀关注的是“是否符合要求/规则”，偏向于预防和规范；白虎关注的是“产出物本身的质量如何”，偏向于审查和诊断。两者相辅相成，朱雀确保不走偏，白虎确保做得精。

适用场景：朱雀特别适用于内容批量生成（如生成多个API接口、UI组件、测试用例）、文档编写（确保术语和格式统一）以及遵循严格编码规范的项目。

4. 集成与实战：如何将四神融入你的工作流

了解了每个模块，下一步就是将它们组合起来，打造一个属于你的、功能增强的AI开发环境。这里以最典型的Claude Code环境为例，提供从零开始的集成指南。

4.1 基础安装与配置

第一步：克隆所需模块在你的项目根目录下，打开终端，按需克隆模块。假设你需要全部功能：

# 进入你的项目目录 cd /path/to/your/project # 克隆四个模块，使用推荐的目录名便于管理 git clone https://github.com/Ryo-Hunter/seiryu.git seiryu-v1.2 git clone https://github.com/Ryo-Hunter/genbu.git genbu-v0.1 git clone https://github.com/Ryo-Hunter/byakko.git byakko-v0.2 git clone https://github.com/Ryo-Hunter/suzaku.git suzaku-v0.2

克隆后，你的项目目录下会多出四个文件夹，结构清晰。

第二步：配置核心行为规则这是最关键的一步，你需要修改（或创建）项目根目录下的CLAUDE.md文件。这个文件是Claude Code读取的全局行为指令。将四神系统的触发规则添加进去。

# 项目AI助手协作规范 ## 四神系统集成规则 以下规则必须遵守，在对应事件发生时，请优先执行： ### 玄武（防御） - 安全第一 - 在执行任何 `git push`、`git commit`、`curl`、`wget` 或尝试联网操作前 -> **必须**先读取 `genbu-v0.1/CLAUDE.md` 文件。 - 在写入或修改任何由青龙模块管理的记忆文件（如 `user_profile.md`, `*.checkpoint.md`）前 -> **必须**先读取 `genbu-v0.1/CLAUDE.md`，并执行 `g3-memory-protect` 检查。 ### 青龙（记忆） - 传承智慧 - 当开始一个预计步骤超过3步的复杂任务时 -> **必须**先读取 `seiryu-v1.2/CLAUDE.md`，并执行 `s5-checkpoint` 创建任务检查点。 - 在对话即将结束，或者你判断上下文窗口即将用完时 -> **必须**先读取 `seiryu-v1.2/CLAUDE.md`，并执行 `s2-legacy` 创建本次对话遗产。 ### 朱雀（品质） - 稳定输出 - 在任何主要交付物（如函数、模块、文档章节）完成，并准备交付给我之前 -> **必须**先读取 `suzaku-v0.2/CLAUDE.md`，并执行 `z3-output-fitness` 进行输出适配度检查。 - 在开始一个包含多个子任务或需要产出多个同类物品的任务时 -> **必须**先读取 `suzaku-v0.2/CLAUDE.md`，并执行 `z5-coherence-guard` 定义并遵守一致性规则。 ### 白虎（诊断） - 复盘优化 - 在完成一个主要交付物，并经过朱雀检查后 -> **必须**先读取 `byakko-v0.2/CLAUDE.md`，并执行 `b1-output-review` 进行输出审查。 - 在完成一个多步任务的检查点（由青龙创建）时 -> **必须**先读取 `byakko-v0.2/CLAUDE.md`，并执行 `b2-retrospective` 进行阶段性回顾。 ## 项目特定规则（以下为示例，请根据你的项目修改） - 本项目使用 TypeScript，请优先提供类型化代码。 - ...

配置要点：规则描述要尽可能清晰、无歧义。使用“必须”等强语气词，并明确指向具体的模块文件和函数名。

第三步：（可选但推荐）配置Claude Code Hooks为了让玄武的防御更自动化，可以配置Hooks。在Claude Code的设置中，找到Hooks配置位置（通常在.claude/目录下或编辑器设置中），添加一个Pre-Command Hook。

1. 创建一个脚本文件，如hooks/check_git_push.sh。
2. 脚本内容逻辑是：检测到命令行输入包含git push时，自动在AI对话中插入一条提醒消息：“检测到git push命令，请先阅读genbu-v0.1/CLAUDE.md执行安全检查。”
3. 在Claude Code中配置该脚本为git push命令的前置Hook。 具体脚本编写方法需参考玄武模块的INTEGRATION.md文档。这能极大降低因忘记手动触发安全规则而导致的风险。

第四步：（可选）使用总路由文件如果你安装了全部四个模块，可以使用项目提供的FOURGODS.md文件作为统一的事件调度中心。这个文件定义了更复杂的事件响应链条和优先级。你可以直接将其内容复制到你的项目CLAUDE.md中，或者让AI在需要时参考它。它的好处是提供了模块间协作的标准流程，例如一个“任务完成”事件会依次触发朱雀检查、白虎诊断、青龙保存遗产。

4.2 在其他AI环境中的适配

四神系统的核心是Markdown格式的指令模块，因此具有很好的可移植性。

• Cursor：Cursor使用.cursorrules文件作为项目级规则。你可以将四神各模块CLAUDE.md中的核心规则，翻译并写入项目的.cursorrules文件中。例如，在[Before Action]部分添加git push的检查规则。
• Windsurf / VS Code + Copilot：这些环境通常依赖工作区设置或特定的prompt文件。你可以创建一个prompts/目录，将四个模块的CLAUDE.md内容分别存放，然后在你的主系统提示词（System Prompt）中，通过条件语句引用它们。例如：“如果用户请求涉及文件写入，请参考prompts/genbu.md中的安全协议。”
• 通用Chat界面（如ChatGPT网页版）：虽然无法自动触发，但你可以手动管理。将四个模块的指令保存为独立的文本片段。在需要时，手动将对应的指令片段复制到对话中。例如，在让AI写代码前，先发一条：“请遵循以下安全与记忆规则：[粘贴青龙和玄武的指令]”。

适配核心：将“事件触发”机制，转化为目标平台能理解的“条件规则”或“手动指令”。模块的底层逻辑（检查什么、如何保存）是完全通用的。

4.3 模块协同工作流示例

假设你正在开发一个新功能FeatureX，让我们看看四神如何协同工作：

1. 任务开始：你告诉AI：“我们要开发FeatureX，大概需要设计API、实现业务逻辑、编写测试三步。”

   • 青龙触发：AI识别为多步任务（>3步），自动读取青龙模块，创建checkpoint_featurex_start.md，记录任务目标。
   • 朱雀触发：AI同时读取朱雀模块，你与AI共同定义一致性规则：“所有API响应格式统一为{code, data, message}；错误码使用项目标准定义。” 该规则被记录。

2. 开发进行中：AI在编写代码时，尝试运行git add。

   • （如果配置了Hooks）玄武自动触发：AI被提示进行安全检查，确认添加的文件无误。

3. 子任务完成：AI完成了API路由的代码。

   • 朱雀触发：AI进行z3-output-fitness检查，确认代码符合刚定义的响应格式规则。
   • 白虎触发：AI进行b1-output-review，检查路由的错误处理、输入验证等代码质量。
   • 青龙触发：AI更新检查点文件，记录“API路由已完成”。

4. 功能全部完成：FeatureX开发测试完毕。

   • 玄武触发：在你执行git push前，AI进行最终安全检查，确认没有误提交敏感文件。
   • 青龙触发：对话结束前，AI执行s2-legacy，将FeatureX开发中的关键决策、代码片段、测试要点浓缩成legacy_featurex.md。
   • 白虎触发：AI执行b2-retrospective，对整个FeatureX开发过程进行复盘，总结经验教训。

这个流程展示了四神系统如何以事件为驱动，无缝嵌入开发周期，在每个环节提供必要的支持。

5. 常见问题与深度优化指南

在实际使用中，你可能会遇到一些疑问或希望进行定制化调整。以下是我在长期使用中总结的经验和解决方案。

5.1 问题排查速查表

5.2 高级技巧与定制化

1. 创建项目专属的模块变体：四神模块的CLAUDE.md都是纯文本，你可以且应该根据项目特点修改它们。例如，在一个Python数据科学项目中，你可以在白虎的审查清单中加入“检查Pandas代码是否使用了iterrows()，建议改用向量化操作”；在朱雀的一致性规则中加入“所有图表使用seaborn主题darkgrid”。

2. 设计模块间的信息流：虽然模块独立，但你可以让它们共享信息。例如，让青龙在创建遗产时，引用白虎诊断中发现的问题作为“经验教训”部分。或者，让朱雀的一致性规则文件，本身成为青龙记忆的一部分，确保长期项目中的规范延续。

3. 与现有开发流程集成：将四神的触发点与你的Git工作流结合。例如，在pre-commit钩子中，加入一个脚本，自动让AI（通过调用本地模型API）对暂存区的代码执行一次简化的白虎审查。这样，四神系统就融入了你的CI/CD管道。

4. 处理大型项目：在巨型代码库中，让AI每次读取所有记忆文件可能不现实。可以建立索引机制：让青龙维护一个INDEX.md，里面只包含最新、最相关的几个记忆文件的摘要和链接。AI先读索引，再按需深入读取具体文件。

5.3 关于“AI不主动触发”的终极方案

即使配置了完美的规则，AI也可能偶尔“忘记”或忽略。这时，最直接有效的方法就是养成手动提示的习惯。在关键操作前，直接输入：

• “请先执行安全检查。”（对应玄武）
• “请为此任务创建检查点。”（对应青龙）
• “请检查刚才生成的代码是否符合规范。”（对应朱雀/白虎）

这看似倒退，实则是最可靠的保障。随着你和AI助手对这套流程越来越熟悉，这种主动提示会变成一种高效的合作默契。

6. 总结与个人实践体会

四神系统不是一个“安装即忘”的魔法盒，而是一套需要你稍加配置和引导的“增强驾驶系统”。它不会替你开车，但会在你疲劳时提醒你休息（青龙记忆），在你要误入歧途时发出警报（玄武防御），确保你的驾驶动作平稳规范（朱雀品质），并在每次行程后帮你复盘车况（白虎诊断）。

我个人在几个中型项目中深度使用了这套系统，最大的感受是它显著提升了与AI协作的可预测性和心智负担。我不再需要反复复述项目背景，不再担心AI突然的“危险动作”，对于它生成的代码也更有信心。尤其是青龙和白虎的组合，让我感觉像是在和一个有“工作记忆”和“复盘能力”的同事协作。

当然，它也有学习成本。初期你需要花时间理解每个模块、配置规则、并适应主动触发或响应提示的工作流。但一旦跑通，它就会成为你AI开发工作流中一个安静而强大的背景支撑。

最后一点建议：从一个模块开始。如果你最痛点是遗忘，就先装青龙。如果你最担心安全，就先装玄武。用一个模块解决一个最具体的问题，感受其价值，然后再逐步扩展。这种渐进式的采用方式，远比一开始就试图配置全套系统要轻松和有效得多。开源项目的魅力在于你可以按需裁剪，四神系统完美地体现了这一点。